仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2010年
3期
481-487
,共7页
杨敏%胡斌%费正顺%郑平友%梁军
楊敏%鬍斌%費正順%鄭平友%樑軍
양민%호빈%비정순%정평우%량군
乙烯气相聚合%动态主元分析%RBF神经网络%软测量
乙烯氣相聚閤%動態主元分析%RBF神經網絡%軟測量
을희기상취합%동태주원분석%RBF신경망락%연측량
gas phase ethylene polymerization%DPCA%RBF neural network%soft-sensing
工业流化床乙烯气相聚合反应是一个复杂的生产过程,具有高维、非线性、动态性和强噪声特点,质量变量难以直接测量.为解决关键质量变量在线软测量问题,首先采用动态主元分析(DPCA)的方法对过程变量提取主元,消除了过程变量之间的相关性、噪声并体现了建模数据的动态特性;其次对提取出的主元变量采用径向基函数网络(RBF)建模的方法,建立主元变量和质量变量之间的网络结构.对纯函数数据以及工业现场数据分别进行PCA-RBF模型及DPCA-RBF模型的仿真研究,研究结果表明,当建模数据存在非线性、动态性、噪声以及相关性等特性时,DPCA-RBF建模方法比PCA-RBF及单纯的RBF建模方法更优越.因此,DPCA-RBF建模方法较适合运用在工业实时变量的软测量中.
工業流化床乙烯氣相聚閤反應是一箇複雜的生產過程,具有高維、非線性、動態性和彊譟聲特點,質量變量難以直接測量.為解決關鍵質量變量在線軟測量問題,首先採用動態主元分析(DPCA)的方法對過程變量提取主元,消除瞭過程變量之間的相關性、譟聲併體現瞭建模數據的動態特性;其次對提取齣的主元變量採用徑嚮基函數網絡(RBF)建模的方法,建立主元變量和質量變量之間的網絡結構.對純函數數據以及工業現場數據分彆進行PCA-RBF模型及DPCA-RBF模型的倣真研究,研究結果錶明,噹建模數據存在非線性、動態性、譟聲以及相關性等特性時,DPCA-RBF建模方法比PCA-RBF及單純的RBF建模方法更優越.因此,DPCA-RBF建模方法較適閤運用在工業實時變量的軟測量中.
공업류화상을희기상취합반응시일개복잡적생산과정,구유고유、비선성、동태성화강조성특점,질량변량난이직접측량.위해결관건질량변량재선연측량문제,수선채용동태주원분석(DPCA)적방법대과정변량제취주원,소제료과정변량지간적상관성、조성병체현료건모수거적동태특성;기차대제취출적주원변량채용경향기함수망락(RBF)건모적방법,건립주원변량화질량변량지간적망락결구.대순함수수거이급공업현장수거분별진행PCA-RBF모형급DPCA-RBF모형적방진연구,연구결과표명,당건모수거존재비선성、동태성、조성이급상관성등특성시,DPCA-RBF건모방법비PCA-RBF급단순적RBF건모방법경우월.인차,DPCA-RBF건모방법교괄합운용재공업실시변량적연측량중.
Gas phase ethylene polymerization in fluidized bed reactor is a complicated process,involving the characteristics of high dimension,nonlinear,dynamic and strong noise,and it's hard to measure the quality variables.To solve the problem of soft-sensing of the key quality variables on line,we first use DPCA to extract the principal component variables from the process variables aiming at eliminating noise and pertinence,reveal the dynamic identity between process variables,and then use RBF modeling method to establish the network topology between principal component variables and quality variables.We adopt PCA-RBF model and DPCA-RBF model on the function data and industrial real-time data respectively,and find that the modeling method of DPCA-RBF is better than the methods of PCA-RBF and RBF when nonlinear,dynamic,noise,and pertinence exist in the modeling data.Thereby,DPCA-RBF modeling method is more suitable for the soft-sensing of industrial real-time variables.