流程工業(yè)生產過程軟測量方法與優(yōu)化系統(tǒng)開發(fā).pdf

1、以石化、鋼鐵為代表的流程工業(yè)生產過程具有非線性、時變、大滯后等特點，造成較難獲取與過程操作和控制密切相關的一些過程工藝參數。傳統(tǒng)的離線檢測方法耗時較長，難以實現(xiàn)對產品質量的實時控制，因此，如何在連續(xù)的生產過程中對這些過程工藝參數實現(xiàn)在線測量，對于提高流程工業(yè)企業(yè)的生產效率、降低能源消耗、保證產品質量，具有十分重要的意義。
　　隨著流程工業(yè)企業(yè)信息化建設的推廣，企業(yè)已經積累了大量的生產過程數據，這些數據中蘊含著大量的有用信息，為實現(xiàn)

2、基于數據驅動的軟測量奠定了數據基礎。本文重點研究基于粒子群算法(Particle swarm optimization，PSO)和最小二乘支持向量機(Least square support vector machine，LSSVM)的軟測量建模方法與應用，并開發(fā)實際的流程工業(yè)生產過程軟測量和優(yōu)化系統(tǒng)。具體研究內容包括:
　　(1)針對軟測量模型參數，提出將LSSVM模型參數的確定作為一個優(yōu)化問題，并使用改進的PSO算法求解該優(yōu)化

3、問題，以得到較好的模型參數;
　　(2)針對訓練數據，提出使用聚類思想來改進訓練數據的稀疏性，以提高LSSVM的預測精度和魯棒性。
　　(3)將基于PSO-LSSVM的軟測量建模方法應用到兩個實際的流程工業(yè)生產過程:稀土串級萃取過程和轉爐煉鋼生產過程，建立了這兩個生產過程中難測工藝參數的軟測量模型，并利用實際的生產數據對模型進行了測試，測試結果表明所建立的兩個軟測量模型均具有較高的預測精度和穩(wěn)定性。
　　(4)針對轉爐