基于KPCA和混合核LS-SVM的航煤参数软测量研究

论文摘要

在炼油企业精馏装置中,由于受现有的检测技术和工艺条件的制约,常压塔航空煤油的质量指标参数干点和闪点,很难在线检测,如何实现航空煤油质量参数的在线实时测量是过程控制领域的热点和难点之一。针对航空煤油质量指标难以在线检测的问题,以某石化公司精馏装置为研究对象,首先,在掌握了原油精馏原理的基础上,初步选择了23个过程可测变量作为建模所需的辅助变量。其次,通过该公司的DCS系统读取所需的过程可测变量,干点和闪点数据采集通过实验室化验收集,这些数据构成了建模所需的样本集。考虑噪声对采集数据的影响,提出采用Savitzky-Golay滤波方法对原始数据进行平滑和滤波,该算法在去除大部分噪声的同时,比常用的平滑滤波更好的保存了原始数据的真实信息。因采集的原始数据向量之间可能存在相关性,含有过多的冗余信息,提出利用核主元分析（Kernel Principal Component Analysis, KPCA）对输入数据进行特征提取和降维处理,消除其共线性。最后,提出了一种基于遗传算法优化的MKLS-SVM建模方法,用采集的工业过程样本数据,建立了航煤干点和闪点的多输入多输出的软测量模型。仿真结果表明,在对数据进行Savitzky-Golay滤波基础上,使用KPCA-MKLS-SVM建立的软测量模型具有良好的学习和泛化能力,能够满足航煤干点和闪点的软测量建模要求。

论文目录

• 摘要
• Abstract
• 引言
• 1 软测量技术综述
• 1.1 软测量技术原理
• 1.2 软测量技术内容
• 1.3 软测量技术建模方法
• 1.3.1 机理建模
• 1.3.2 基于状态估计的建模方法
• 1.3.3 基于回归分析的建模方法
• 1.3.4 基于人工智能的软测量建模
• 1.3.5 基于统计学习理论的方法
• 2 工程背景分析
• 2.1 工程背景
• 2.1.1 原油精馏工艺流程
• 2.1.2 原油精馏工艺特点
• 2.2 航空煤油干点和闪点及测量方法
• 3 数据的预处理方法研究
• 3.1 辅助变量的选择
• 3.2 现场数据的采集
• 3.3 数据的预处理
• 3.3.1 异常值检测
• 3.3.2 数据平滑
• 3.3.3 数据变换
• 4 混合核最小二乘支持向量机研究
• 4.1 机器学习原理
• 4.1.1 经验风险最小化（Empirical Risk Minimization,ERM）
• 4.1.2 机器学习的复杂性与推广能力
• 4.2 统计学习理论
• 4.2.1 VC维
• 4.2.2 推广性的界
• 4.2.3 结构风险最小化
• 4.3 支持向量机
• 4.3.1 支持向量机分类
• 4.3.2 支持向量机回归
• 4.4 MKLS-SVM算法研究
• 4.4.1 核函数的实质
• 4.4.2 参数选取
• 4.4.3 最小支持向量机（LS-SVM）
• 4.4.4 混合核函数最小二乘支持向量机（MKLS-SVM）
• 4.4.5 SINC函数仿真实验
• 5 航空煤油干点和闪点软测量建模研究
• 5.1 非线性特征提取
• 5.1.1 主元分析法
• 5.1.2 核主元分析法（KPCA）
• 5.1.3 KPCA与PCA分析结果比较
• 5.2 实值多种群自适应遗传算法
• 5.2.1 遗传算法概述
• 5.2.2 改进的遗传算法
• 5.3 MKLS-SVM航煤干点和闪点MIMO软测量模型
• 5.4 软测量模型性能分析
• 5.5 软测量模型校正
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢