一种基于时序误差补偿的动态软测量建模方法

针对目前静态软测量建模方法无法反映工业过程动态信息,造成预测模型精度低、鲁棒性差等问题,提出了一种基于最小二乘支持向量机(LS-SVM)和自回归-滑动平均模型(ARMA)的软测量建模方法。首先,建立了基于LS-SVM的软测量模型,利用ARMA模型对预测误差的动态估计,通过增加动态校正环节,实现了对静态模型的动态校正以改善系统动态响应特性。最后将上述方法用于乙烯精馏过程中乙烷浓度的软测量建模,仿真结果表明:与单一使用LSSVM模型相比,该方法具有跟踪性能好、泛化能力强等优点,是一种有效的软测量建模方法。     

基于KPCA-LSSVM的软测量建模方法

提出了一种将核主成分分析(KPCA)和最小二乘支持向量机(LSSVM)相结合的软测量建模方法.核主成分分析能够对样本数据进行特征提取,消除数据的相关性.本文利用KPCA提取主元,降低样本的维数;然后利用最小二乘支持向量机进行建模,不仅降低了模型的复杂性,而且提高了模型的泛化能力.用该方法建立柴油凝点的软测量模型,和其他...     

一种基于混合建模技术的MIMO软测量建模方法

针对复合肥产品中几种养分含量需要同时预报的一类多输入/多输出(MIMO)软测量建模问题,提出一种基于混合建模方法的复合肥养分含量MIMO软测量模型。该混合模型首先对几个不能实时测量的关键辅助变量采用基于限定记忆部分最小二乘算法的数据驱动建模方法建立自适应软测量模型,然后采用简化机理模型实时计算三种养分含量。基于实际工业过程数据的仿真结果表明,所建模型运算速度快、预测精度高,可以满足复合肥养分含量在线预报的要求。     

基于苯乙烯过程生产数据驱动的软测量模型研究

针对苯乙烯生产过程的特点,引入软测量技术在线预测苯乙烯生产过程的一些关键参数,介绍了人工智能BP神经网络和部分最小二乘方法的软测量建模方法,基于企业生产数据研究了乙苯脱氢转化率、第一脱氢反应器脱氢转化率、第二脱氢反应器脱氢转化率和苯乙烯选择性等关键变量的软测量方法,对比了BP神经网络和部分最小二乘方法建模优缺点,应用结果表明,基于BP神经网络所建立的关键参数的软测量模型可真实再现实际苯乙烯生产过程,为安全可靠监控苯乙烯生产过程及未来实施先进及优化控制技术奠定了基础。     

基于非线性偏最小二乘回归的软测量建模及应用

针对复杂工业过程存在的多变量、相关性和非线性问题,提出一种新的基于非线性偏最小二乘(partial least squares,PLS)回归的软测量建模方法。该方法利用PLS作为模型的外部框架来提取输入输出主成分变量,同时消除变量间的相关性,然后用最小二乘支持向量机(least squares support vector machine,LSSVM)作为内部函数来描述主成分变量之间的非线性关系,并引入基于误差最小化的权值更新策略,来改进模型的预测精度。以pH中和过程的Benchmark模型来验证该方法的性能,并与其他建模方法比较,结果表明该方法预测精度较高,而且具有较强的泛化能力。将该方法应用于某电站燃煤锅炉的NOx排放软测量建模之中,取得了较好的预测效果。     

基于RLS在线学习算法的DeepESN动态软测量建模方法及应用

提出了一种非线性自回归时间序列模型与深度回声状态网络(DeepESN)相结合的动态软测量建模方法,给出了深度回声状态网络的递推最小二乘(RLS)在线学习算法.将该方法应用于预测脱丁烷塔塔底丁烷含量,实现对相关产品质量的实时在线监控.在同等条件下,与回声状态网络(ESN)、泄漏积分回声状态网络(LiESN)的在线软测量建...     

基于改进粒子群优化LSSVM的水泥熟料fCaO软测量

针对水泥熟料fCaO含量难以在线实时测量,提出了一种基于最小二乘支持向量机的软测量建模方法。针对最小二乘支持向量机模型的2个难点进行了改进:首先利用样本间的马氏距离来衡量样本的相似程度,删除样本中部分相似样本,提高最小二乘支持向量机模型的稀疏性,从而减小了模型的运算量。然后利用改进的粒子群优化算法对最小二乘支持向量机模型的2个重要参数进行迭代寻优,克服了常规交叉验证法或网格搜索法等参数选择方法的盲目性。最后将基于粒子群最小二乘支持向量机软测量模型用于熟料fCaO含量的实例仿真。结果表明,该方法具有收敛性好、预测精度高、泛化能力强等优点。     

水泥熟料质量指标的软测量建模研究

针对水泥熟料质量指标的测量,提出一种基于最小二乘支持向量机的软测量建模方法;对于建模数据,提出了基于模糊聚类的数据预处理方法.实验研究表明,该数据预处理方法明显优于传统的拉依达准则方法,能够有效地去除现场测量数据中存在的异常数据;最小二乘支持向量机建模相比于RBF神经网络也具有明显优势,建立的软测量模型对于整个窑系统优化控制具有重要意义.     

基于混合差分进化算法的软测量时延参数估计

时延参数估计是系统控制与信号处理的关键问题。通过构造一个适当的适应度函数,将软测量系统的时延参数估计问题转化为一个多维非线性优化问题,然后利用混合差分进化算法的全局搜索能力求解该优化问题。对两个典型问题进行了仿真实验,仿真结果表明了混合算法的有效性和鲁棒性。以石油炼制工业中典型装置常压塔为例,对其一线航空煤油的闪点软测量进行了应用验证,结果表明,时延参数估计的引入大大提高了软测量模型的精度,证实了混合差分进化算法的有效性。     

FCC分馏塔产品质量软测量和控制

介绍利用部分最小二乘技术开发ＦＣＣ分馏塔产品质量预估模型及应用效果。     

基于动态神经网络的高炉炉壁不完备温度检测信息软测量方法

针对高炉炉壁温度检测系统中由于传感器故障导致的检测信息不完备问题,提出一种基于动态神经网络的不完备检测信息软测量方法。首先,依据高炉结构和炉壁温度传感器位置分布建立温度传感器位置描述模型和分区域温度检测模型;其次,根据热传递学分析炉壁分区域温度检测模型中各个传感器之间存在的相关性,并采用最大互信息非参统计量方法从传感器检测序列上定量的计算分区域温度检测模型中各传感器间的相关度;最后,依据相关性分析结果,结合温度传递规律,提出炉壁不完备温度检测信息软测量模型,采用Elman神经网络对模型的结构和参数进行辨识。通过高炉冶炼现场采集的数据仿真计算表明,提出的方法具有较好的准确度与检测精度,能够满足现场的检测精度要求,具备广泛的应用价值。     

WBRPLSR方法及其在化工软测量中的应用

及时测定化工过程变量,对确保生产过程稳定、有效控制产品质量具有重要意义.基于实时样本数据,采用偏最小二乘方法,以分块递归的方式,为过程变量建立软测量模型.在分析时序数据特性的基础上,引入加权策略,并提出选定相关参数的方法步骤,推导构建了加权分块递归偏最小二乘回归方法（WBRPLSR）.将该法实际应用于某公司PTA装置溶剂脱水塔,为塔釡排出液H₂O含量建立软测量模型,效果良好.与已有方法相比,它提高了建模效率,改进了预测性能.     

Multirate dynamic inferential modeling for multivariable processes

A PLS-based multirate dynamic modeling is proposed for quality prediction at a faster rate for multivariable processes with different sampling rates between the process and quality variables. Depending on the nature of the process and quality variables, two model representations are proposed, one-block form for the process with closed-loop quality control, and two-block form for the process without the closed-loop quality control. The applications of the proposed models are compared with respect to two processes, a three-stage absorber and the TE process. The ability of the proposed model to predict quality at a faster rate is demonstrated with the complex TE process.     

TE过程闪蒸罐双时间尺度建模与动态特性分析

闪蒸罐是工业常用的化工单元设备, 在对其进行动态机理建模时, 气相物质的动态特性方程被拟稳态处理转化为稳态代数方程, 而液相仍为微分方程。由此一来, 与气相相关的压力的真实动态信息无法得到, 而是完全依赖于液相相态的变化。基于闪蒸罐的化工动态学机理和“拟稳态”的系统特点, 通过增加快变量的动态物料守恒关系式, 还原系统的气相快暂态过程, 建立了TE过程闪蒸罐的双时间尺度全阶模型。利用奇异摄动方法将全阶模型精确求解后, 与拟稳态模型进行了仿真对比;最后, 设计了全阶模型的压力控制回路, 得到很好的控制效果, 验证了建模方法的合理性和工业应用价值。     

面向过程控制的两段提升管重油催化裂解动态建模

两段提升管重油催化裂解多产丙烯技术具有原料适应性强、丙烯和高品质汽油产率高等优点,工业应用前景广阔。开展动态建模、非线性分析与控制等方面的研究对于揭示装置运行规律、提高能量/质量转化效率具有重要意义。从过程控制的角度出发,基于TMP工艺流程,通过合理假设,分别建立两段提升管、汽提段以及再生系统的数学模型并由循环催化剂连接形成一个整体动态数学模型。数值模拟结果表明,所建模型可以准确描述过程关键变量的动态变化趋势以及两段提升管-再生器之间的耦合关系,从而为后续非线性分析和控制系统设计创造有利条件。     

Local dynamic partial least squares approaches for the modelling of batch processes

The application of multivariate statistical projection based techniques has been recognized as one approach to contributing to an increased understanding of process behaviour. The key methodologies have included multi‐way principal component analysis (PCA), multi‐way partial least squares (PLS) and batch observation level analysis. Batch processes typically exhibit nonlinear, time variant behaviour and these characteristics challenge the aforementioned techniques. To address these challenges, dynamic PLS has been proposed to capture the process dynamics. Likewise approaches to removing the process nonlinearities have included the removal of the mean trajectory and the application of nonlinear PLS. An alternative approach is described whereby the batch trajectories are sub‐divided into operating regions with a linear/linear dynamic model being fitted to each region. These individual models are spliced together to provide an overall nonlinear global model. Such a structure provides the potential for an alternative approach to batch process performance monitoring. In the paper a number of techniques are considered for developing the local model, including multi‐way PLS and dynamic multi‐way PLS. Utilising the most promising set of results from a simulation study of a batch process, the local model comprising individual linear dynamic PLS models was benchmarked against global nonlinear dynamic PLS using data from an industrial batch fermentation process. In conclusion the results for the local operating region techniques were comparable to the global model in terms of the residual sum of squares but for the global model structure was evident in the residuals. Consequently, the local modelling approach is statistically more robust.     

Multi-loop nonlinear internal model controller design based on a dynamic fuzzy partial least squares model

In this paper, a dynamic fuzzy partial least squares (DFPLS) modeling method is proposed. Under such framework, the multiple input multiple output (MIMO) nonlinear system can be automatically decomposed into several univariate subsystems in PLS latent space. Within each latent space, a dynamic fuzzy method is introduced to model the inherent dynamic and nonlinear feature of the physical system. The new modeling method combines the decoupling characteristic of PLS framework and the ability of dynamic nonlinear modeling in the fuzzy method. Based on the DFPLS model, a multi-loop nonlinear internal model control (IMC) strategy is proposed. A pH neutralization process and a methylcyclohexane (MCH) distillation column from Aspen Dynamic Module are presented to demonstrate the effectiveness of the proposed modeling method and control strategy.     

单值动态矩阵控制的应用研究

简单地分析单值动态矩阵控制算法各参数的选择规则，并应用于纸浆洗涤的控制中，仿真实验表明，它较传统的动态矩阵控制算法计算速度快，实时性强；通过对参数简单合理的选择，就可得到较好的控制效果。     

混沌最小二乘支持向量机及其在发酵过程建模中的应用

针对青霉素发酵过程的参数检测存在不确定因素,提出一种基于混沌最小二乘支持向量机的青霉素浓度预测方案。采用混沌优化算法对最小二乘支持向量机参数进行寻优,建立了一种混沌最小二乘支持向量机模型。首先,利用该模型对两种常规非线性函数曲线进行了仿真回归,结果表明,算法具有良好的建模精度;其次,基于Pensim仿真平台,运用文中方法预测青霉素发酵过程的产物量,实验仿真表明混沌优化算法具有良好的全局优化性能,在参数选择中可以有效避免陷入局部最小值,基于混沌优化的最小二乘支持向量机具有较高的建模精度。     

Practical improvements to autocovariance least‐squares

Identifying disturbance covariances from data is a critical step in estimator design and controller performance monitoring. Here, the autocovariance least‐squares (ALS) method for this identification is examined. For large industrial models with poorly observable states, the process noise covariance is high dimensional and the optimization problem is poorly conditioned. Also, weighting the least‐squares problem with the identity matrix does not provide minimum variance estimates. Here, ALS method to resolve these two challenges is modified. Poorly observable states using the singular value decomposition (SVD) of the observability matrix is identified and removed, thus decreasing the computational time. Using a new feasible‐generalized least‐squares estimator that approximates the optimal weighting from data, the variance of the estimates is significantly reduced. The new approach on industrial data sets provided by Praxair is successfully demonstrated. The disturbance model identified by the ALS method produces an estimator that performs optimally over a year‐long period. © 2015 American Institute of Chemical Engineers AIChE J, 61: 1840–1855, 2015