基于雙層智能結(jié)構(gòu)的多模型軟測量方法研究.pdf

1、隨著經(jīng)濟的發(fā)展和大型石化企業(yè)信息化程度的同益增高，先進(jìn)控制技術(shù)作為實現(xiàn)高質(zhì)量產(chǎn)品的穩(wěn)定均衡生產(chǎn)的有效手段得到了愈來愈廣的應(yīng)用。軟測量作為一種解決產(chǎn)品質(zhì)量等關(guān)鍵性生產(chǎn)參數(shù)的在線實時測量問題，有效提高生產(chǎn)效益、保證產(chǎn)品質(zhì)量的有力手段得到了廣泛關(guān)注和重視。 本文針對單一模型難以全面描述復(fù)雜系統(tǒng)全局特性的問題，考慮到復(fù)雜系統(tǒng)的多工作點情況，首先提出了一種以模糊C均值聚類作為分類基礎(chǔ)層，以多RBF網(wǎng)絡(luò)和LS-SVM作為各分類數(shù)據(jù)模型層，在

2、線運行時將各模型的預(yù)測輸出通過實際數(shù)據(jù)在各模型的隸屬度進(jìn)行加權(quán)求和以獲得被估計參數(shù)的軟測量值的雙層智能結(jié)構(gòu)的多模型軟測量建模方法；其次針對最小二乘支持向量機在建模時存在的模型參數(shù)難以選擇和稀疏性問題，先用粒子群優(yōu)化算法來選擇最小二乘支持向量的模型參數(shù)，又引入矢量基的選擇判據(jù)，使最小二乘支持向量機的解具有稀疏性，提出了一種基于粒子群優(yōu)化的矢量基LS-SVM的建模方法；最后將提出方法根據(jù)工業(yè)背景的不同情形分別應(yīng)用于乙烯精餾系統(tǒng)中塔釜乙烯濃度