軟測量技術及其在蒸餾裝置上的應用.pdf

1、建立石油化工生產(chǎn)過程的質量模型是石油煉制工程領域的重要課題.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和粘度較大的變量.用神經(jīng)元網(wǎng)絡理論建立了這些側線油品的閃點和粘度共10個質量估計模型.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)關系或相關關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)點和局限性.RBF(Radial Basis Function)神經(jīng)元網(wǎng)絡是近年來剛發(fā)展起來的新型網(wǎng)絡.它的基函數(shù)具有非線性映射關系,并具有輸出-權

3、值線性關系,訓練方法快速易行.我們將它與系統(tǒng)辨識技術結合起來,采用遞推最小二乘法修正網(wǎng)絡權值,使得RBF網(wǎng)絡具有良好的自適應能力.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最小二乘遞推算法.該十個質量估計模型具有自適應能力,克服了一般神經(jīng)元網(wǎng)絡僅有"內插"功能,使它有了"外推"能力.實際應用表明該數(shù)學模型能較準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.為實現(xiàn)常減壓蒸餾過程直接質量控制奠定了良好的基