基于时间差分递推PLS和自适应模型校正的PX吸附分离纯度软测量建模方法技术

一种基于时间差分递推PLS和自适应模型校正的PX吸附分离纯度软测量建模方法，包括：(1)采集数据及数据预处理；(2)建立时间差分PLS软测量模型；(3)反标准化处理；(4)求主导变量PX纯度的预测值；(5)设置模型的初始置信限；(6)均值和方差的在线校正；(7)根据式(12)和(13)计算新样本的预测值；(8)计算均方根误差RMSE；(9)根据模型预测结果，自适应更新模型的置信限。本发明专利技术能有效地减少计算量，充分利用过程信息，提高PX纯度预测精度，快速准确的反映过程特性。

【技术实现步骤摘要】
基于时间差分递推PLS和自适应模型校正的PX吸附分离纯度软测量建模方法
本专利技术涉及一种基于时间差分递推PLS和自适应模型校正的PX吸附分离纯度软测量建模方法。
技术介绍
随着我国聚酯行业的迅速发展，国内对二甲苯(PX)的需求量急剧增加。工业生产对二甲苯(PX)有各种不同的工艺，采用模拟移动床吸附分离方法从混合二甲苯中分离PX是目前生产PX的主要途径。混合二甲苯是由对二甲苯、间二甲苯(Metaxylene，简称MX)、邻二甲苯(Orthoxylene，简称OX)和乙苯(Ethylbenzene，简称EB)等组成的混合物，各组分密度接近且沸点相差较小，难以用传统的精馏方法进行分离。建立在模拟移动床(SimulatedMovingBed，简称SMB)基础上的吸附分离法是最主要的分离方法。所谓模拟移动床，对吸附剂来说是不动的固定床，而周期性地改变物料进出吸附塔的位置，而且物料进出口位置的移动是沿着塔内流体通过床层的方向，这就模拟了固体吸附剂的逆向流动，以此达到固液相相对移动的目的。以某炼油厂PX装置为例，吸附分离部分由两个串连的吸附塔组成，每个塔中的床层通过集合管与进料、解吸剂、抽出液、抽余液和反洗液5股物料相连。当含有4种C8芳烃同分异构体的混合对二甲苯进入吸附塔后，由于吸附剂对4种C8芳烃吸附强度的差异，吸附能力较强的对二甲苯会缓慢的从吸附剂中脱附出来。将其作为抽出液，经过提纯后可以生产出纯度大于99.2％的合格产品，回收率可达96％。其原理如图1所示。纯度是PX重要的质量指标，但在实际生产中，PX的纯度不能在线直接测量，而往往是通过离线光谱分析获得。但离线分析滞后时间长(数小时)，且分析采样次数少(两次或三次/天)，因此远远不能满足实时控制的要求。而由于模拟移动床过程的复杂性，建立一个精度高的纯机理模型来预测产品的纯度非常困难。为了实时预测产品的纯度，建立一个软测量模型是一个很好的选择。在对二甲苯吸附分离中，由于受到操作条件及装置中其它部分如异构化、二甲苯精馏的影响，使得其工况会经常发生变化，因此常规的软测量模型可能会发生模型失效的情况。为此，研究人员提出了一种基于时间差分递推PLS和自适应模型校正的PX吸附分离纯度软测量建模方法。
技术实现思路
本专利技术要克服现有技术的上述缺点，提供一种基于时间差分递推PLS和自适应模型校正的PX吸附分离纯度软测量建模方法。针对PX吸附分离过程中普遍存在的时变特性和非线性，本方法首先采用当前时刻输入输出变量与之前某一时刻输入输出变量的差值作为建模样本建立时间差分偏最小二乘(Timedifferencepartialleastsquares,TDPLS)模型。TDPLS模型不仅可以充分保留线性PLS模型的良好特性，而且提高了模型对过程非线性的逼近精度。此外，由于TDPLS建模采用输入输出数据的时间差分值，因此，生产过程中的漂移等缓慢变化也不会对模型预测精度造成明显影响。然后，针对PX吸附分离过程长时间运行工况点发生变化导致模型失效的问题，采用滑动窗递推算法来有效地跟踪过程的动态特性。为了克服普通滑动窗递推算法模型由于校正频率高、计算量大而导致的模型实时性差的缺点，本方法采用了一种自适应校正策略：首先根据过程的初始特性设置模型置信限，该置信限可以随着过程特性的动态变化及模型预测结果而自适应更新。如果模型预测误差大于该置信限，启动模型校正，并更新置信限，否则保持模型参数不变，即模型校正是根据模型性能评估结果，选择性启动。基于大量实际PX生产过程工业数据的验证结果表明，所提出的方法可以有效地减少计算量、充分利用过程信息、提高预测精度、快速准确地反映过程特性。为使本专利技术的目的、技术方案和优点更加清晰，下面就对本专利技术的技术方案作进一步描述。基于时间差分递推PLS和自适应模型校正的PX吸附分离纯度软测量建模方法，包括如下步骤：1.采集数据及数据预处理；(1)确定辅助变量：根据工艺分析，影响PX纯度的主要因素是吸附塔中4个区的区域流量，以及塔温、塔压等，而区域流量是由外部5股物流的流量决定的。通过对工艺机理的深入分析，最终选取脱附剂与进料比、反洗与进料比、抽出液量与抽余液比、泵回量与进料比、操作温度、操作压力、吸附塔底压力作为软测量模型的辅助变量，模型主导变量为PX纯度。(2)采集数据样本，确定训练样本长度N，即每次建模时的训练样本个数为20，构建建模样本集[X1(t),y1(t)]，对该样本集分别按照(1)式和(2)式计算辅助变量和主导变量PX纯度的时间差分ΔX(t)和Δy(t)，ΔX(t)＝X1(t)-X1(t-i)(1)Δy(t)＝y1(t)-y1(t-i)(2)式中X1(t)和y1(t)分别为辅助变量和主导变量PX纯度的当前值；X1(t-i)和y1(t-i)分别是辅助变量和主导变量PX纯度i时刻之前的值。(3)对计算得到的ΔX(t)和Δy(t)样本数据按照(3)式和(4)式求取这N-1个样本的均值和方差，并按照(5)式进行标准化处理，得到标准化的训练样本集[X(t),y(t)]，设辅助变量的个数为M，则和σx均为M维的向量；主导变量为PX的纯度，为标量，和σy为标量。公式(5)对数据进行标准化处理，其中X的标准化处理公式表示相同维数的向量除，经过公式(5)的标准化处理后，得到的数据X(t)和y(t)的均值为0，方差为1。2.根据样本集[X(t),y(t)]建立时间差分PLS软测量模型；PLS算法可以用以下NIPALS递推公式来实现(1)E0＝X(t)，F0＝y(t)，h＝0；(2)h＝h+1，uh＝Fh-1；(3)(4)对wh作归一化处理，即令wh＝wh/||wh||；(5)(6)(7)对qh作归一化处理，即令qh＝qh/||qh||；(8)(9)检查uh的收敛性，若收敛，则转(10)，否则转(3)；(10)(11)(12)(13)检查h是否达到给定值a，若没有转第(2)步，否则转(14)；(14)结束。根据以上算法，可以计算出模型的回归系数其中，W为M×a维矩阵，W＝[w1,w2,...,wa]；为M×a维矩阵，B为a×a维对角阵，B＝diag(b1,b2,…,ba)；Q为1×a维矩阵；a为隐含变量的个数，可以根据经验和试验确定。根据可以得到y(t)的PLS模型预测值即经过标准化处理后PX纯度的预测值。3.反标准化处理；步骤2中得到的模型为标准化处理后得到的软测量模型预测值，这个值不能直接用来进行预测，需要进行反标准化处理，处理后得到的时间差分软测量模型公式为，其中e＝σy/diag(σx)4.求主导变量PX纯度的预测值；根据可以得到主导变量PX纯度的预测值。5.设置模型的初始置信限；根据式(9)计算模型的标准偏差δe，并将它作为模型的初始置信限。式中，N为建模样本长度，a为模型的隐含变量数，yi为PX纯度的第i个测量值，为其相应的模型预测值。6.均值和方差的在线校正；(1)每当一个新样本[xnew,ynew]到来时，滑动窗口向前滑动一步，将新样本加入建模样本集[X1(t),y1(t)]，并丢弃最老的样本，按照(1)式和(2)式计算新样本的时间差分值Δxnew(t)，Δynew(t)；(2)根据式(10)和(11)递推校正建模样本集的均值和方差；其中和分别表示第i个本文档来自技高网...

【技术保护点】
1.一种基于时间差分递推PLS和自适应模型校正的PX吸附分离纯度软测量建模方法，包括如下步骤：(1)采集数据及数据预处理；1)确定辅助变量：根据工艺分析，影响PX纯度的主要因素是吸附塔中4个区的区域流量，以及塔温、塔压，而区域流量是由外部5股物流的流量决定的；通过对工艺机理的深入分析，最终选取脱附剂与进料比、反洗与进料比、抽出液量与抽余液比、泵回量与进料比、操作温度、操作压力、吸附塔底压力作为软测量模型的辅助变量，模型主导变量为PX纯度；2)采集数据样本，确定训练样本长度N，即每次建模时的训练样本个数为20，构建建模样本集[X1(t),y1(t)]，对该样本集分别按照(1)式和(2)式计算辅助变量和主导变量PX纯度的时间差分ΔX(t)和Δy(t)，ΔX(t)＝X1(t)‑X1(t‑i)              (1)Δy(t)＝y1(t)‑y1(t‑i)                   (2)式中X1(t)和y1(t)分别为辅助变量和主导变量PX纯度的当前值；X1(t‑i)和y1(t‑i)分别是辅助变量和主导变量PX纯度i时刻之前的值；3)对计算得到的ΔX(t)和Δy(t)样本数据按照(3)式和(4)式求取这N‑1个样本的均值和方差，并按照(5)式进行标准化处理，得到标准化的训练样本集[X(t),y(t)]，...

【技术特征摘要】
1.一种基于时间差分递推PLS和自适应模型校正的PX吸附分离纯度软测量建模方法，包括如下步骤：(1)采集数据及数据预处理；1)确定辅助变量：根据工艺分析，影响PX纯度的主要因素是吸附塔中4个区的区域流量，以及塔温、塔压，而区域流量是由外部5股物流的流量决定的；通过对工艺机理的深入分析，最终选取脱附剂与进料比、反洗与进料比、抽出液量与抽余液比、泵回量与进料比、操作温度、操作压力、吸附塔底压力作为软测量模型的辅助变量，模型主导变量为PX纯度；2)采集数据样本，确定训练样本长度N，即每次建模时的训练样本个数为20，构建建模样本集[X1(t),y1(t)]，对该样本集分别按照(1)式和(2)式计算辅助变量和主导变量PX纯度的时间差分ΔX(t)和Δy(t)，ΔX(t)＝X1(t)-X1(t-i)(1)Δy(t)＝y1(t)-y1(t-i)(2)式中X1(t)和y1(t)分别为辅助变量和主导变量PX纯度的当前值；X1(t-i)和y1(t-i)分别是辅助变量和主导变量PX纯度i时刻之前的值；3)对计算得到的ΔX(t)和Δy(t)样本数据按照(3)式和(4)式求取这N-1个样本的均值和方差，并按照(5)式进行标准化处理，得到标准化的训练样本集[X(t),y(t)]，设辅助变量的个数为M，则和σx均为M维的向量；主导变量为PX的纯度，为标量，和σy为标量；公式(5)对数据进行标准化处理，其中X的标准化处理公式表示相同维数的向量除，经过公式(5)的标准化处理后，得到的数据X(t)和y(t)的均值为0，方差为1；(2)根据样本集[X(t),y(t)]建立时间差分PLS软测量模型；PLS算法可以用以下NIPALS递推公式来实现1)E0＝X(t)，F0＝y(t)，h＝0；2)h＝h+1，uh＝Fh-1；3)4)对wh作归一化处理，即令wh＝wh/||wh||；5)6)7)对qh作归一化处理，即令qh＝qh/||qh||；8)9)检查uh的收敛性，若收敛，则转第10)步，否则转第3)步；10)11)12)13)检...

【专利技术属性】
技术研发人员：傅永峰，栗伟，陈迎迎，徐欧官，蔡铁峰，张聚，刘勤贤，
申请(专利权)人：浙江工业大学之江学院，
类型：发明
国别省市：浙江,33