苯甲腈与茚二元体系的等压汽液平衡

纯茚在化学工业上应用广泛,而提取纯茚最重要的难题是分离杂质苯甲腈,因为苯甲腈的沸点与茚较接近。为了探究苯甲腈与茚的分离方法,用一个循环式汽液平衡装置测量了苯甲腈与茚在22.0、32.0和42.0 kPa下的等压汽液平衡数据。为了验证实验数据的可靠性,应用了面积检验法与微分检验法2种方法来对实验数据进行热力学一致性检验,结果表明实验数据能够通过一致性检验。然后应用了Wilson方程、NRTL方程以及UNIQUAC方程对实验数据进行拟合,得到了这3种模型的二元交互作用参数,结果表明这3种活度系数模型的拟合结果都与实验数据吻合较好。     

基于分布式贝叶斯隐马尔可夫回归的动态软测量建模方法

利用软测量技术实时预测化工过程中的关键参数对生产过程的在线监测、自动控制、实时优化具有十分重要的意义。为此,提出了一种基于隐马尔可夫模型的动态软测量建模方法。首先,针对数据规模大导致模型计算效率低和数据缺失导致数据无法充分利用的问题,提出了一种基于分布式贝叶斯隐马尔可夫回归的预测模型;其次,针对该模型进一步提出了一种能够获得精确后验分布的分布式训练方法。最后,利用蜡油加氢过程对所提方法的有效性进行了验证。     

一种基于MATLAB优化工具箱的数据协调方法

为了解决测量数据的不一致问题，并在可能的情况下对未测过程变量进行估计，本文提出了一种基于MATLAB优化工具箱的数据协调方法，并将该方法用于两个稳态非线性过程系统的数据协调和变量分类。计算结果表明该方法实用、有效。     

基于STA-K均值聚类的电化学废水处理过程离子浓度软测量

针对电化学废水处理过程出口离子浓度无法在线检测的问题,提出了一种基于状态转移的K均值聚类算法的软测量建模方法。在分析内部反应机理的基础上,结合物料平衡和吸附动力学定理建立电化学过程的机理模型;由于单一的软测量模型难以满足实际的精度要求,提出一种基于状态转移的K均值聚类算法将原始数据集进行聚类,应用状态转移算法对K均值算法的初始聚类中心进行优化,同时,引入离群值矩阵动态迭代同时实现数据聚类和异常值检测;最后,对聚类后的不同训练子集分别建立子模型,综合各子模型得到基于多模型切换方法的软测量模型。通过某废水处理厂的现场数据进行实例验证,结果证明了所建立的电化学废水处理过程离子浓度软测量模型合理有效。     

基于AKPLS方法的聚丙烯熔融指数软测量

针对聚丙烯装置熔融指数软测量中的非线性和多牌号切换问题,提出一种基于自适应核偏最小二乘（AKPLS）的软测量方法。通过对聚丙烯装置反应系统进行机理分析,采用非线性PLS——KPIs方法来拟合辅助变量和熔融指数之间的函数关系。为适应装置生产多牌号产品的现状,进一步提出KPLS自适应策略,以软测量模型的泛化误差作为优化目标,对KPLS模型系数进行在线更新。工业数据应用结果表明,所提出的AKPLS方法能够比PLS、KPLS方法更准确地预报聚丙烯熔融指数的变化。     

过程系统变负荷下的数据校正与参数估计方法

过程系统的数据校正与参数估计是进行实时操作优化与过程控制的基础。过程系统变负荷下由于模型参数变化的非线性及显著误差的影响,导致数据校正与参数估计的结果不准确,从而影响实时操作优化与过程控制的效率。针对此问题,本文提出了一种用于变负荷下的数据校正与参数估计方法。此方法主要包括过程的稳态检测与数据采样,多工况下的数据聚类和基于多组测量的数据校正与参数估计。首先选择有效和可靠的过程测量数据,根据变负荷下工况的波动性与系统的非线性特征进行数据聚类,最后基于聚类结果调整模型参数使得模型输出与过程测量数据偏差最小。此方法可有效地减小模型参数变化的非线性及显著误差对数据校正与参数估计结果的影响。基于现场的测量数据,将此方法应用于空气分离流程系统中,结果显示了基于此方法的数据校正与参数估计结果更准确。     

基于STA-K均值聚类的电化学废水处理过程离子浓度软测量

针对电化学废水处理过程出口离子浓度无法在线检测的问题,提出了一种基于状态转移的K均值聚类算法的软测量建模方法。在分析内部反应机理的基础上,结合物料平衡和吸附动力学定理建立电化学过程的机理模型;由于单一的软测量模型难以满足实际的精度要求,提出一种基于状态转移的K均值聚类算法将原始数据集进行聚类,应用状态转移算法对K均值算法的初始聚类中心进行优化,同时,引入离群值矩阵动态迭代同时实现数据聚类和异常值检测;最后,对聚类后的不同训练子集分别建立子模型,综合各子模型得到基于多模型切换方法的软测量模型。通过某废水处理厂的现场数据进行实例验证,结果证明了所建立的电化学废水处理过程离子浓度软测量模型合理有效。     

基于多数据源的连铸软测量模型校正方法研究

针对铸坯凝固传热软测量模型的准确性问题,提出了基于多数据源的模型校正方法。首先在铸坯不同位置测量其表面温度,然后根据测量数据和凝固传热数学模型的计算数据将参数辨识问题转化为参数优化问题,采用自适应粒子群优化算法进行模型参数辨识。最后利用凝固坯壳厚度的测量数据验证传热模型的准确性,结果表明:校正后的凝固传热模型可以满足工程应用要求,可用于实际连铸机的计算分析。     

误差校正新方法在重整装置芳烃收率在线软测量中的应用

针对软测量建模中含有误差会极大影响模型精度问题,提出一种将数据误差校正、模型参数校正和模型结构校正技术相结合的软测量误差三重校正方法.该方法可以有效地处理测量数据的过失误差和随机误差,从而提高软测量精度,并且该方法直接面向数据,实现方便.应用该方法对某芳烃厂的连续重整装置的芳烃收率软测量进行误差校正,取得了很好的效果.     

基于在线动态高斯过程回归抽油井动液面软测量建模

实践中, 抽油井动液面都是使用回声仪测试的, 无法实时在线检测。而基于示功图分析的动液面实时在线检测方法存在计算精度不高的缺陷。考虑到数据驱动软测量建模方法存在随时间推移出现的模型老化现象, 采用一种增量学习动态高斯过程回归(IDGPR)软测量建模方法, 实现对抽油井动液面深度的实时在线检测。首先建立基本动态高斯过程回归软测量模型, 在模型投入现场运行后, 通过一种增量学习算法对模型进行在线更新, 使其不断适应油井工况变化, 自适应获得更加准确的软测量模型。现场应用表明, 该软测量模型具有较高的预测精度和较好的泛化能力, 可以满足工程应用要求。