基于数据填补的精馏过程软测量方法研究

发布时间：2020-10-13 18:30

　　 炼油精馏过程中经常存在某些无法在线测量的重要质量变量,其指标含义对生产的调控具有指导意义,但是目前缺乏实时测量方法,人工采样化验又会有很大的滞后,同时人为因素常会引进某些不确定性。全文针对炼油精馏过程航空煤油质量指标实时监测问题,对航空煤油质量指标进行软测量方法的研究,具体研究内容如下:工业精馏数据集的样本数较少,且因为各种干扰等影响易发生数据点缺失的问题。针对随机缺失情况和连续缺失两种情况分别进行实验,提出了基于极限学习机的精馏过程数据填补方法。仿真实验结果表明,该方法能够尽量还原原始数据中携带的有效信息,为样本缺失情况下的软测量建模提供了研究基础。针对原始数据中自变量间存在多重相关性等问题,提出一种改进的基于集成系数的LASSO变量选择方法(EC-LASSO):利用集成系数对变量的重要性进行排序再逐个加入模型,选出使均方根误差达到最小的变量子集。该方法在不影响精度的情况下能够得到更为稀疏的模型。并且通过两组仿真实验对本文提出的方法进行仿真验证,进一步说明了该方法的有效性,可以指导建模变量的选择。以标准最小二乘支持向量机为基础,与变量选择方法相结合,选择高斯核与多项式核,结合二者优点构成多核最小二乘支持向量机对经过选择的变量进行软测量模型的建立。经过仿真验证,多核最小二乘支持向量机能够得到更为精准的预测结果。同时使用西门子公司的WinCC软件搭建监测界面,利用OPC与Matlab之间实现了实时通讯功能,达到了在线显示软测量预测结果的目的。
【学位单位】：大连理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TQ028.31
【文章目录】：
摘要
Abstract
1 绪论
    1.1 工程背景及意义
    1.2 精馏过程工艺介绍
    1.3 国内外研究现状
        1.3.1 不完备数据集填补的研究现状
        1.3.2 软测量变量选择算法研究现状
        1.3.3 最小二乘支持向量机建模方法研究现状
    1.4 论文主要内容及结构
2 基于ELM的不完备数据集填补方法研究
    2.1 引言
    2.2 基本方法介绍
        2.2.1 基于整合移动平均自回归模型(ARIMA)的数据填补方法
        2.2.2 基于K最近邻节点算法(KNN)的数据填补方法
        2.2.3 基于极限学习机(ELM)的数据填补方法
    2.3 仿真实验及结果分析
        2.3.1 评价指标介绍
        2.3.2 随机缺失情况下填补效果分析
        2.3.3 连续缺失情况下数据填补效果分析
    2.4 本章小结
3 基于EC-LASSO的变量选择方法研究
    3.1 引言
    3.2 评价指标介绍
    3.3 集成学习基础
    3.4 基于集成系数的LASSO(EC-LASSO)变量选择方法
        3.4.1 LASSO基本原理
        3.4.2 最小角(LAR)算法
        3.4.3 基于EC-LASSO的变量选择方法
    3.5 仿真实验及结果分析
        3.5.1 小麦质量变量仿真实验结果分析
        3.5.2 精馏过程质量变量仿真实验结果分析
    3.6 本章小结
4 基于EC-LASSO和多核LSSVM的精馏过程软测量方法
    4.1 最小二乘支持向量机(LSSVM)原理
    4.2 多核的最小二乘支持向量机
    4.3 基于PSO的参数寻优方法
    4.4 基于EC-LASSO和多核LSSVM的精馏过程软测量方法仿真结果
    4.5 基于WinCC的人机交互设计实现
        4.5.1 基于WinCC的软测量平台搭建
        4.5.2 基于OPC的 MATLAB通讯实现
    4.6 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文及专利情况
致谢

【参考文献】

相关期刊论文 前3条

1 杨军;赵宇;丁文兴;;抽样调查中缺失数据的插补方法[J];数理统计与管理;2008年05期

2 胡长松,贾延刚,夏伯楷;软测量技术现状与发展[J];石油仪器;2003年03期

3 金勇进;处理缺失数据中辅助信息的利用[J];统计研究;1998年01期

相关博士学位论文 前1条

1 李修亮;软测量建模方法研究与应用[D];浙江大学;2009年

相关硕士学位论文 前1条

1 曹茂松;精馏过程航煤干点的软测量应用研究[D];大连理工大学;2005年

本文编号：2839541