粗集理论在萃取精馏塔软测量中的应用

丁二烯萃取精馏过程中，副产品抽余液(BBR)的质量(丁二烯含量)和很多工艺参数有关，工艺参数之间又是相互关联、耦合的，并具有噪声。应用粗集方法将这些工艺数据进行压缩和抽提，解决了工艺参数间的相关问题，同时去掉了一些信息量不大，并带来噪声的成分。用模糊C均值聚类算法将训练集分成具有不同聚类中心的子集，每一子集用径向基函数(RBF)网络进行训练来获得子模型，然后用模糊聚类产生的隶属度将各子模型的输出加权求和得到BBR中顺丁烯的含量，由顺丁烯的含量来估计丁二烯含量。结果表明，这种软测量算法具有较好的建模效果，由于采取了数据分组训练，大大节省了建模的训练时间，比单纯的基于神经网络的方法要快得多。