流程工業(yè)生產(chǎn)過(guò)程軟測(cè)量方法與優(yōu)化系統(tǒng)開(kāi)發(fā).pdf

1、以石化、鋼鐵為代表的流程工業(yè)生產(chǎn)過(guò)程具有非線性、時(shí)變、大滯后等特點(diǎn)，造成較難獲取與過(guò)程操作和控制密切相關(guān)的一些過(guò)程工藝參數(shù)。傳統(tǒng)的離線檢測(cè)方法耗時(shí)較長(zhǎng)，難以實(shí)現(xiàn)對(duì)產(chǎn)品質(zhì)量的實(shí)時(shí)控制，因此，如何在連續(xù)的生產(chǎn)過(guò)程中對(duì)這些過(guò)程工藝參數(shù)實(shí)現(xiàn)在線測(cè)量，對(duì)于提高流程工業(yè)企業(yè)的生產(chǎn)效率、降低能源消耗、保證產(chǎn)品質(zhì)量，具有十分重要的意義。
　　隨著流程工業(yè)企業(yè)信息化建設(shè)的推廣，企業(yè)已經(jīng)積累了大量的生產(chǎn)過(guò)程數(shù)據(jù)，這些數(shù)據(jù)中蘊(yùn)含著大量的有用信息，為實(shí)現(xiàn)

2、基于數(shù)據(jù)驅(qū)動(dòng)的軟測(cè)量奠定了數(shù)據(jù)基礎(chǔ)。本文重點(diǎn)研究基于粒子群算法(Particle swarm optimization，PSO)和最小二乘支持向量機(jī)(Least square support vector machine，LSSVM)的軟測(cè)量建模方法與應(yīng)用，并開(kāi)發(fā)實(shí)際的流程工業(yè)生產(chǎn)過(guò)程軟測(cè)量和優(yōu)化系統(tǒng)。具體研究?jī)?nèi)容包括:
　　(1)針對(duì)軟測(cè)量模型參數(shù)，提出將LSSVM模型參數(shù)的確定作為一個(gè)優(yōu)化問(wèn)題，并使用改進(jìn)的PSO算法求解該優(yōu)化

3、問(wèn)題，以得到較好的模型參數(shù);
　　(2)針對(duì)訓(xùn)練數(shù)據(jù)，提出使用聚類(lèi)思想來(lái)改進(jìn)訓(xùn)練數(shù)據(jù)的稀疏性，以提高LSSVM的預(yù)測(cè)精度和魯棒性。
　　(3)將基于PSO-LSSVM的軟測(cè)量建模方法應(yīng)用到兩個(gè)實(shí)際的流程工業(yè)生產(chǎn)過(guò)程:稀土串級(jí)萃取過(guò)程和轉(zhuǎn)爐煉鋼生產(chǎn)過(guò)程，建立了這兩個(gè)生產(chǎn)過(guò)程中難測(cè)工藝參數(shù)的軟測(cè)量模型，并利用實(shí)際的生產(chǎn)數(shù)據(jù)對(duì)模型進(jìn)行了測(cè)試，測(cè)試結(jié)果表明所建立的兩個(gè)軟測(cè)量模型均具有較高的預(yù)測(cè)精度和穩(wěn)定性。
　　(4)針對(duì)轉(zhuǎn)爐