【技术实现步骤摘要】
基于即时学习和孪生支持向量回归机的硫回收过程自适应软测量方法
[0001]本专利技术涉及一种硫回收过程软测量方法，特别是涉及一种基于即时学习和孪生支持向量回归机的硫回收过程自适应软测量方法。
技术介绍
[0002]硫回收装置(Sulfur Recovery Unit，SRU)是重要的炼油加工装置。它能在酸性气体释放到大气中之前去除环境污染物，同时回收有价值的副产品单质硫。硫回收过程需要实时监测尾气中酸性气体H2S和SO2的浓度，然而这两种气体对硬件仪表的腐蚀性很强，致使仪表被频繁地维护或更换，使硫回收装置自动控制回路无法工作，SRU运行性能恶化，因此，工程中可以使用软测量技术解决这一问题。
[0003]软测量是基于现有的测量数据，估计或预测工业过程中某些物理量或产品质量的方法和算法，可以克服某些物理量不能在所需的时间内精确测量的限制。软测量技术通过建立数学模型，使用那些易于测量的辅助变量来预测难以测量的主导变量。
[0004]数据驱动的软测量建模方法已经广泛用于具有复杂流程的工业系统，依据过程数据建立难测参数的测量模型，开发具有高预测性能的软传感器。然而，目前应用于硫回收装置的循环回声状态网络等软测量模型多采用全局建模方法，即基于所采集的历史样本离线训练建立模型，模型一旦训练完成，其结构和参数即被固定下来，长时间的实际在线应用过程中，其预测性能会随着工况状态的变化而下降，该现象被称为概念漂移，其产生原因一般是工业中元器件老化或生产环境变化导致模型输入输出的关系改变，其通常难以预知与量化。由于工艺特性的...
【技术保护点】
【技术特征摘要】
1.一种基于即时学习和孪生支持向量回归机的硫回收过程自适应软测量方法，其特征在于，包括以下步骤：(1)获取硫回收过程历史数据集，对上述数据进行预处理：剔除异常数据后对辅助变量进行数据归一化处理；(2)根据步骤(1)获得预处理的硫回收过程历史数据集，进行数据分割：选取数据集前M个样本作为硫回收过程历史数据库{X
i
,Y
i
}＝{x
i1
,x
i2
,
…
,x
i5
,y
i1
,y
i2
}，i＝1，2，
…
，M，并在数据集的剩余样本中均匀选取N个样本作为硫回收过程查询样本集X
q
,Y
q
}＝{x
q1
,x
q2
,
…
,x
q5
,y
q1
,y
q2
}，q＝1，2，
…
，N，其中x
i1
和x
q1
代表MEA区气体流量数据；x
i2
和x
q2
代表MEA区第一空气流量数据；x
i3
和x
q3
代表MEA区第二空气流量数据；x
i4
和x
q4
代表SWS区气体流量数据；x
i5
和x
q5
代表SWS区空气流量数据；y
i1
和y
q1
代表H2S浓度数据；y
i2
和y
q2
代表SO2浓度数据；(3)从步骤(2)得到的硫回收过程查询样本集中获取查询点X
q
后，通过获取查询点的次数判断是否已有训练好的TSVR局部模型，如果是第一次获取查询点X
q
进行预测，则说明没有已训练好的TSVR局部模型，进入步骤(4)，否则，跳到步骤(9)；(4)利用基于欧氏距离与JS散度融合的相似度度量准则计算硫回收过程历史数据库中的每个输入数据X
i
与查询点X
q
之间的相似度度量(5)将硫回收过程历史数据库中的输入数据x
i
与步骤(4)计算得到的相似度度量合并得到(6)利用步骤(5)中得到的根据数值大小进行降序排列并选出前w个样本作为TSVR局部模型的训练集，其中，Ω
w
为局部模型训练集，表示硫回收过程历史数据集中的样本X1与X
q
的相似度度量；(7)根据如步骤(9)所述的TSVR局部模型演化策略，将阈值更新为步骤(6)计算得到的(8)建立孪生支持向量回归机TSVR局部模型，设置TSVR的两个惩罚系数和ε值，选择高斯核作为核函数并设置高斯核宽度，由步骤(6)获得的TSVR局部模型训练集进行训练，并输入X
q
进行预测，获得预测值跳到步骤(10)；(9)建立基于相似度度量阈值的TSVR局部模型演化策略：计算当前查询点与上一次TSVR局部模型演化时使用的查询点的相似度度量计算方法与步骤(4)相同；判断不等式条件是否满足，若满足条件，说明当前工况稳定，直接使用训练好的TSVR局部模型获得预测值，并进入步骤(10)；若不满足条件，说明工况发生改...
【专利技术属性】
技术研发人员：张登峰，丁祥龙，张泉灵，常璐璐，王村松，周通，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。