一种新型化工过程质量预测方法技术

本发明专利技术公开了一种新型化工过程质量预测方法，包括如下步骤：步骤1.采集化工过程中传感器的数据，进行处理并建立新型的过程预测模型；步骤2.采集化工过程运行过程中新得到的数据，使用步骤1中得到的预测模型进行在线预测。该方法首先使用正交信号校正算法处理从过程中采集到的历史数据，然后使用处理后的数据建立预测模型，为了提高模型处理非线性数据的能力，将支持向量机引入预测模型。该方法改善了传统预测模型建模过程复杂，无法处理非线性数据的缺点，提高了模型跟踪真实数据的能力。

【技术实现步骤摘要】
一种新型化工过程质量预测方法
本专利技术属于自动化
，涉及一种新型化工过程质量预测方法。
技术介绍
随着现代化工过程不断朝着大规模、集成化、复杂化方向发展，越来越多的传感器被用在化工过程中，可以采集到原来越多的过程信息。虽然如此，在化工过程控制系统中，仍然有一些重要的质量变量无法得到实时测量。不能明确知道这些质量变量的值可能会严重影响产品的质量和生产的安全。化工过程数据分析的一个主要目标是根据实验数据或历史数据建立回归模型，然后使用建立的模型来预测产品质量。过程数据的高纬度特性使得很难精确的测量产品质量，这导致了多变量预测方法的发展，其中，最为重要的是偏最小二乘方法。然而，传统的偏最小二乘方法只能够建立线性模型，而实际化工过程通常是高度非线性的，随着时间的变化包含不确定性，通过实时观察过程变量很难建立化工过程的数学描述。
技术实现思路
本专利技术针对传统偏最小二乘算法存在的无法处理非线性过程，建模复杂度较高等问题，提出了一种新型的化工过程质量预测方法。该方法首先使用正交信号校正算法代替传统偏最小二乘算法中的数据预处理方法，然后将支持向量机算法引入模型，选择合适的核函数以及最优的核参数，最终得到了较好的预测模型。该方法结合了正交信号校正和支持向量机的优点，减小了建模过程的复杂度，提高了模型的解释能力，加强了偏最小二乘模型的预测性能。本专利技术的技术方案是通过数据采集，数据预处理，系统建模，处理非线性，优化参数等手段，确立了一种新型的过程预测模型，提升了模型预测的准确性。本专利技术方法的步骤包括：步骤1.采集化工过程中传感器的数据，进行处理并建立新型的过程预测模型。具体步骤是：1.1采集化工过程中的数据进行离线建模，数据分为两类，过程数据X和质量数据Y,一共有N个样本。X＝[x1,x2,…xm],x1,x2…xm∈RN×1Y＝[y1,y2,…yp],y1,y2…yp∈RN×1其中，x1,x2,…xm等分别表示化工过程中的反应物浓度，压力，温度…阀门开度等变量，y1,y2…yp等分别表示产物浓度，产物纯度…产物温度等与质量相关的变量。1.2使用正交信号校正算法对采集到的原始数据进行预处理。tnew＝(I-Y(YTY)-1YT)tst0＝Xw式中，ts表示过程数据X对应的第一主成分，使用主成分分析法计算得到；tnew表示沿着Y的方向与t0正交的向量；w表示X的权重向量；t0表示X的得分矩阵；p0表示负载向量；XOSC表示经过正交信号分解算法处理后的过程数据。1.3使用偏最小二乘法对步骤1.2中得到的数据进行处理。t＝XOSCwu＝Yq式中，t表示XOSC对应的主成分；p表示XOSC对应的负载向量；q表示质量变量对应的负载向量；u表示质量变量对应的得分向量。1.4经过步骤1.1-步骤1.3，可以得到一个线性的偏最小二乘模型。式中，a＝1,2,…A表示主成分索引；ta表示与过程变量X对应的第a个潜在变量；pa表示过程变量对应的第a个负载向量；E表示过程变量的残差；ua表示质量变量对应的第a个潜在变量；qa表示与质量变量对应的第a个负载向量；F表示质量变量的残差。1.5将支持向量机算法引入步骤1.4中得到的线性系统模型，使模型具有处理非线性过程数据的能力。U＝f(T)+H＝[f1(t1),f2(t2),…fa(ta)]+[h1,h2,…ha]ua＝fa(ta)+ha,a＝1,2,…A式中，U表示质量变量对应的潜在变量矩阵；T表示过程变量对应的潜在变量矩阵；f(·)表示一个非线性函数；h1,h2…ha分别表示第1,2,…a个潜在变量对应的残差；表示对应于质量变量的第a个潜在变量的预测值；表示一个回归系数；K(ta,i,ta)表示第a个潜在变量对应的核函数；b表示预测残差。步骤2：采集化工过程运行过程中新得到的数据，使用步骤1中得到的预测模型进行在线预测。2.1采集过程中新的到的过程数据Xnew和质量数据Ynew,使用正交信号校正法进行预处理。t0new＝Xnewwnew式中，tsnew表示过程数据Xnew对应的第一主成分，使用主成分分析法计算得到；tnnew表示沿着Ynew的方向与t0new正交的向量；w表示X的权重向量；t0new表示Xnew的得分矩阵；p0new表示负载向量；XOSCnew表示经过正交信号分解算法处理后的过程数据。2.2使用偏最小二乘法处理新采集到的数据，计算新数据的潜在变量。tt＝XOSCnewwnewunew＝Ynewqnew式中，tt表示XOSCnew对应的主成分；pnew表示XOSCnew对应的负载向量；qnew表示质量变量对应的负载向量；unew表示质量变量对应的得分向量。2.3使用预测模型进行在线预测式中，表示过程质量数据Ynew的预测值；Q表示过程质量数据对应的负载矩阵。Fnew表示预测残差。本专利技术提出了一种新型化工过程质量预测方法。该方法首先使用正交信号校正算法处理从过程中采集到的历史数据，然后使用处理后的数据建立预测模型，为了提高模型处理非线性数据的能力，将支持向量机引入预测模型。该方法改善了传统预测模型建模过程复杂，无法处理非线性数据的缺点，提高了模型跟踪真实数据的能力。具体实施方式下面结合实施例对本专利技术作进一步说明。以田纳西-伊斯曼过程为例：田纳西-伊斯曼过程由反应器，冷凝器，分离器，压缩机和汽提塔五部分组成，包含12个操作变量和41个测量变量。有21个故障变量。步骤1.采集化工过程中传感器的数据，进行处理并建立新型的过程预测模型。具体步骤是：1.1采集化工过程中的数据进行离线建模，数据分为两类，过程数据X和质量数据Y,一共有N个样本。X＝[x1,x2,…xm],x1,x2…xm∈RN×1Y＝[y1,y2,…yp],y1,y2…yp∈RN×1其中，x1,x2,…xm等分别表示田纳西-伊斯曼化工过程中的反应物浓度，压力，温度…阀门开度等变量，y1,y2…yp等分别表示产物浓度，产物纯度…产物温度等与质量相关的变量。1.2使用正交信号校正算法对采集到的原始数据进行预处理。tnew＝(I-Y(YTY)-1YT)tst0＝Xw式中，ts表示过程数据X对应的第一主成分，使用主成分分析法计算得到；tnew表示沿着Y的方向与t0正交的向量；w表示X的权重向量；t0表示X的得分矩阵；p0表示负载向量；XOSC表示经过正交信号分解算法处理后的过程数据。1.3使用偏最小二乘法对步骤1.2中得到的数据进行处理。t＝XOSCwu＝Yq式中，t表示XOSC对应的主成分；p表示XOSC对应的负载向量；q表示质量变量对应的负载向量；u表示质量变量对应的得分向量。1.4经过步骤1.1-步骤1.3，可以得到一个线性的偏最小二乘模型。式中，a＝1,2,…A表示主成分索引；ta表示与过程变量X对应的第a个潜在变量；pa表示过程变量对应的第a个负载向量；E表示过程变量的残差；ua表示质量变量对应的第a个潜在变量；qa表示与质量变量对应的第a个负载向量；F表示质量变量的残差。1.5将支持向量机算法引入步骤1.4中得到的线性系统模型，使模型具有处理非线性过程数据的能力。U＝f(T)+H＝[f1(t1),f2(t2),…fa(ta)]+[h1,h2,…ha]ua＝fa(ta)+ha,a＝1,2,…A式中，U表示质量变量对本文档来自技高网...

【技术保护点】
1.一种新型化工过程质量预测方法，包括如下步骤：步骤1.采集化工过程中传感器的数据，进行处理并建立新型的过程预测模型；步骤2.采集化工过程运行过程中新得到的数据，使用步骤1中得到的预测模型进行在线预测。

【技术特征摘要】
1.一种新型化工过程质量预测方法，包括如下步骤：步骤1.采集化工过程中传感器的数据，进行处理并建立新型的过程预测模型；步骤2.采集化工过程运行过程中新得到的数据，使用步骤1中得到的预测模型进行在线预测。2.如权利要求1所述的新型化工过程质量预测方法，其特征在于步骤1包括如下步骤：1.1采集化工过程中的数据进行离线建模，数据分为两类，过程数据X和质量数据Y,一共有N个样本；X＝[x1,x2,…xm],x1,x2…xm∈RN×1Y＝[y1,y2,…yp],y1,y2…yp∈RN×1其中，x1,x2,…xm等分别表示化工过程中的反应物浓度，压力，温度…阀门开度等变量，y1,y2…yp等分别表示产物浓度，产物纯度…产物温度等与质量相关的变量；1.2使用正交信号校正算法对采集到的原始数据进行预处理；tnew＝(I-Y(YTY)-1YT)tst0＝Xw式中，ts表示过程数据X对应的第一主成分，使用主成分分析法计算得到；tnew表示沿着Y的方向与t0正交的向量；w表示X的权重向量；t0表示X的得分矩阵；p0表示负载向量；XOSC表示经过正交信号分解算法处理后的过程数据；1.3使用偏最小二乘法对步骤1.2中得到的数据进行处理：t＝XOSCwu＝Yq式中，t表示XOSC对应的主成分；p表示XOSC对应的负载向量；q表示质量变量对应的负载向量；u表示质量变量对应的得分向量；1.4经过步骤1.1-步骤1.3，得到线性偏最小二乘模型：式中，a＝1,2,…A表示主成分索引；ta表示与过程变量X对应的第a个潜在变量；pa表示过程变量对应的第a个负载向量；E表示过程变量的残差；ua表示质量变量对应的第a个潜在变量；qa表示与质量变量...

【专利技术属性】
技术研发人员：张日东，李翔，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33