化工过程软测量技术研究及应用.pdf

化工过程软测量技术的研究及应用 摘要 准确可靠的装置测量数据是实现工业过程优化、控制的前提条件。然而，在 实际过程中某些变量无法或难以用仪表直接检测分析；同时有些已测量数据可 能存在较大的测量误差。这就需要使用软测量(soft—sensing)技术来获得过 程中末测数据，并校正不准确的测量数据。 本文综合分析软测量技术进展，对软测量技术领域中的过失误差侦破、数 据校正、软测量建模等主要问题进行了深入研究。 1、深入研究了神经网络在软测量技术中的应用问题，探讨了样本构造、训 练模式选择等因素对训练结果的影响。并通过工业实例探讨了人工神经网络在 实际过程中的应用。结果表明，对于软测量而言，神经网络是一个快速、有效 的工具，它避免了过程反复迭代、求逆等繁杂计算，并不需要精确的过程模型， 特别适用于在线应用。 2、提出了整合数据校正的多过失误差侦破新方法。本文从输入模式、样本 构造、推广性能等方面深入地讨论了人工神经网络在过失误差侦破中的应用问 题，针对传统输入输出模式在多过失误差侦破问题中的局限性，提出了整合数 据校正的多过失误差新方法，该方法运用神经网络用于数据校正时产生的等值 映射，构建迭代序列来消除过失误差，通过校正值与测量值的比较对过失误差 进行定位，实例考核结果表明，该方法误预报率低，且计算过程简单，适于在 线运行。 3、提出了用于动态过程数据校正的增强型反馈网络。研究了反馈型神经网 络的原理、算法以及基于此类网络的非线性动态数据校正策略。并结合动态过 程特性，提出了用于动态过程数据校正的增强型反馈网络，通过增强输入模式， 使反馈网络模拟的动态过程更接近与真实过程，从而提高了校正精度。 4、探讨了PCR法、径向基函数网络用于软测量建模的可行性。研究结果表 明，PCR法通过对主元贡献率的求取，有效的解决了线性回归时由于数据共线性 而导致病态协方差矩阵不可逆问题，并在进行建模的同时进行了辅助变量的选 择，但由于它模拟的结果为线性模型，在处理非线性问题时精度不高；RBF网络 则通过非线性层能对非线性问题很好的模拟，且其训练过程计算简单，收敛速 度较快，适用于时变过程，并具有很强的鲁棒性。 5、对动态过程的软测量建模进行了初步探讨。RBF网络由于运行时单向传 播，没有反馈，只能实现从输入空间到输出空间非线性静态映射而不具有动态 信息处理能力，相比之下，反馈网络通过记忆过程历史信息，能对动态过程很 好的模拟。 关键词：软测量；误差侦破；数据校正；神经网络 ABSTRACT and of icatiOR TechnoIogy StudyAppI Soft。。Sensing nChemicafProcess ABSTRAOT a rolein也e andcontrolofchemical Soif-sensingplaysveryimportant operation of informationiSthefoundation processoperation Computer plants．Reliable themost of Process CIPS， Integrated importantcomponent System(ciPs)．As mainmeans