一种基于有监督型SAE的尾气硫化氢浓度实时监测方法技术

本发明专利技术公开一种基于有监督型SAE的尾气硫化氢浓度实时监测方法，旨在使用有监督型SAE模型解决对硫回收装置尾气H

【技术实现步骤摘要】
一种基于有监督型SAE的尾气硫化氢浓度实时监测方法
本专利技术涉及一种软测量技术，特别涉及一种基于有监督型SAE的尾气硫化氢浓度实时监测方法。
技术介绍
在现代化工工业生产中，尾气的排放对环境会造成很大的负面影响。为了降低对大气的影响，通常石化企业在尾气排放前安装有一个硫回收装置，在降低尾气中二氧化硫和硫化氢含量的同时，回收以硫为主的工业副产品。硫回收装置主要涉及如下所示的两个化学反应来实现对硫的回收：2H2S+3O2→2SO2+2H2O2H2S+SO2→3S+2H2O通过上式可以发现，硫化氢(化学式为H2S)是主要的反应物，H2S浓度会直接影响二氧化硫(化学式为SO2)的浓度以及硫的回收。因此，实时监测H2S的浓度对于石化企业尾气排放具有重要的意义。一方面，相比于温度、压力、流量、液位等常规传感器而言，在线实时测量化学成分的浓度数据的仪表价格高昂，且须定期进行维护。另一方面，使用离线测量H2S浓度的技术手段无法做到监测的实时性。在这个背景下，软测量技术是可以解决H2S浓度在线实时监测的问题。然后，使用何种软测量本文档来自技高网...

【技术保护点】
1.一种基于有监督型SAE的尾气硫化氢浓度实时监测方法，其特征在于，包括以下步骤：首先，离线建模阶段包括如下所示步骤(1)至步骤(7)；/n步骤(1)：利用5个流量仪表实时测量硫回收装置中的流量数据，直至采集得到N个样本数据，分别记录成5个列向量x

【技术特征摘要】
1.一种基于有监督型SAE的尾气硫化氢浓度实时监测方法，其特征在于，包括以下步骤：首先，离线建模阶段包括如下所示步骤(1)至步骤(7)；
步骤(1)：利用5个流量仪表实时测量硫回收装置中的流量数据，直至采集得到N个样本数据，分别记录成5个列向量x1，x2，x3，x4，x5，并利用离线分析仪获取相同采样时刻排放尾气中硫化氢的N个浓度数据，对应记录成列向量y，其中xi由第i个流量的N个样本数据组成，i∈{1，2，3，4，5}分别对应于未进化尾气流量，两个燃烧室的空气进料流量，酸-水汽提过程的气相流量，和酸-水汽提过程的空气流量；
步骤(2)：根据如下所示公式对x1，x2，x3，x4，x5和y分别实施归一化处理，对应得到5个数据向量和一个输出向量并将数据向量组建成一个数据矩阵



其中，RN×5表示N×5维的实数矩阵，表示归一化处理后的第i个数据向量，xi(min)表示列向量xi中的最小值，xi(max)表示列向量xi中的最大值，ymin与ymax分别表示列向量y中的最小值和最大值；
步骤(3)：根据如下所示公式组建N-9个输入向量z1，z2，…，zn，其中n＝N-9；
zj＝[X(j+9)，X(j+4)，X(j+2)，X(j)]T②
上式中，X(j+9)，X(j+4)，X(j+2)，X(j)分别表示数据矩阵X中的第j+9行，第j+4行，第j+2行和第j行的行向量，j∈{1，2，…，n}，zj∈R20×1表示第j个输入向量，R20×1表示20×1维的实数向量，上标号T表示矩阵或向量的转置；
步骤(4)：搭建一个由M层自编码器串联组成的有监督型SAE，并确定隐层神经元激活函数f(u)，输出层神经元激活函数ζ(u)，和各层自编码器的隐层神经元个数h1，h2，…，hM；其中u表示函数自变量；
步骤(5)：利用BP算法依次训练有监督型SAE中第1层自编码器，第2层自编码器，直至第M层自编码器的隐层和输出层的权重系数W1，W2，…，WM和以及隐层和输出层的阈值b1，b2，…，bM和具体的实施过程如步骤(5.1)至步骤(5.5)所示；
步骤(5.1)：第1层自编码器的输入层有20个神经元，隐层有h1个神经元，输出层有1个神经元，并分别初始化隐层和输出层的权重系数和阈值；
步骤(5.2)：以z1，z2，…，zn做为第1层自编码器的输入，同时以做为第1层自编码器的输出，利用BP算法训练得到第1层自编码器的隐层和输出层的权重系数和以及隐层和输出层的阈值和后，初始化m＝1，其中分别表示输出向量中的第10个，第11个，至第N个元素，表示h1×1维的实数向量；
步骤(5.3)：第m+1层自编码器的输入层有hm个神经元，隐层有hm+1个神经元，输出层有1个神经元，并分别初始化隐层和输出...

【专利技术属性】
技术研发人员：葛英辉，朱莹，其他发明人请求不公开姓名，
申请(专利权)人：宁波大学，
类型：发明
国别省市：浙江;33