軟測量技術(shù)及其在蒸餾裝置上的應(yīng)用.pdf

1、建立石油化工生產(chǎn)過程的質(zhì)量模型是石油煉制工程領(lǐng)域的重要課題.該文以克拉瑪依石化廠一套常減壓蒸餾裝置為研究開發(fā)對象,從煉油工藝機(jī)理出發(fā),系統(tǒng)分析了常減壓蒸餾的生產(chǎn)過程,從中篩選出影響常三線、減一線、減二線、減三線和減四線油品的閃點(diǎn)和粘度較大的變量.用神經(jīng)元網(wǎng)絡(luò)理論建立了這些側(cè)線油品的閃點(diǎn)和粘度共10個質(zhì)量估計(jì)模型.回歸分析是一種最常用的經(jīng)典建模方法,為尋找多變量之間的函數(shù)關(guān)系或相關(guān)關(guān)系提供了有效的手段.該文介紹多元線性回歸方法(MLR)、

2、多元逐步回歸方法(MSR)、主元分析(PCA,Principal Component Analysis)和主元回歸(PCR,Principal Component Regression)以及偏最小二乘法(PLS,Partial Least Square)的基本原理,并通過仿真比較這些方法的優(yōu)點(diǎn)和局限性.RBF(Radial Basis Function)神經(jīng)元網(wǎng)絡(luò)是近年來剛發(fā)展起來的新型網(wǎng)絡(luò).它的基函數(shù)具有非線性映射關(guān)系,并具有輸出-權(quán)

3、值線性關(guān)系,訓(xùn)練方法快速易行.我們將它與系統(tǒng)辨識技術(shù)結(jié)合起來,采用遞推最小二乘法修正網(wǎng)絡(luò)權(quán)值,使得RBF網(wǎng)絡(luò)具有良好的自適應(yīng)能力.同時,為了克服生產(chǎn)過程的時變性和數(shù)據(jù)飽和,使用了帶遺忘因子的加權(quán)最小二乘遞推算法.該十個質(zhì)量估計(jì)模型具有自適應(yīng)能力,克服了一般神經(jīng)元網(wǎng)絡(luò)僅有"內(nèi)插"功能,使它有了"外推"能力.實(shí)際應(yīng)用表明該數(shù)學(xué)模型能較準(zhǔn)確地描述和跟蹤常減壓蒸餾過程并具有較高的精度,滿足工程要求.為實(shí)現(xiàn)常減壓蒸餾過程直接質(zhì)量控制奠定了良好的基