[發明專利]“德士古合成氣”的組分氣體的軟測量方法

有效

• 申請號: 201110051898.1
• 申請日: 2011-03-04
• 公開（公告）號: CN102184452A
• 公開（公告）日: 2011-09-14
• 發明（設計）人: 曹萃文;張凌波;顧幸生;孫漾;許偉;劉卓倩;鄧冠龍
• 申請（專利權）人: 華東理工大學
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 上海順華專利代理有限責任公司 31203
• 代理人: 陳淑章

1.一種合成氨生產中采用“急冷工藝”的德士古水煤漿加壓氣化工藝流程制備原料氣時，對“碳洗塔”頂部出口處“德士古合成氣”中CO、H₂和CO₂氣體含量的在線軟測量方法，包括如下步驟：

(1)“德士古合成氣”中CO、H₂和CO₂氣體含量軟測量模型訓練樣本的獲取：

選取采用“急冷工藝”的德士古水煤漿加壓氣化工藝流程中，M、A、Va、C、ST、Cc、Fc、Pc、Tc、Fo、Foc、Po、To、Fw、Tw、Fb、Tb、Fg、Pg、Tg、P和T為軟測量的輔助變量；選取CO_分析、H_2分析和CO_2分析分別作為三個軟測量模型訓練樣本的目標輸出變量；對22個輔助變量應用3σ準則和一階數字濾波進行錯誤數據的剔除和數據平滑，以及歸一化處理后，進行主元分析，將獲得的8個主元變量同時作為三個軟測量模型的輸入數據，最終，采用8個主元變量和各自的目標輸出變量分別組成“德士古合成氣”中CO、H₂和CO₂含量軟測量模型的訓練樣本；

(2)“德士古合成氣”中CO、H₂和CO₂氣體含量軟測量模型的建立：

采用3個結構相同的Back?Propagation(BP)神經網絡分別建立CO、H₂和CO₂氣體含量的軟測量模型，并用由步驟(1)中獲取的訓練樣本對所述BP網絡模型進行訓練；

(3)“德士古合成氣”中CO、H₂和CO₂氣體含量的軟測量值的獲得：

由步驟(1)中選取的22個輔助變量的當前值并進行歸一化，將其壓縮轉換為8個主元變量后，分別代入步驟(2)中所建立的“德士古合成氣”中CO、H₂和CO₂氣體含量的三個軟測量BP神經網絡模型中進行計算，將各自得到的網絡模型輸出值分別進行反歸一化，即得到當前的“德士古合成氣”中CO、H₂和CO₂氣體含量的軟測量值。

2.如權利要求1所述的在線軟測量方法，其特征在于，其中所述“碳洗塔”頂部出口處“德士古合成氣”中CO氣體含量的BP神經網絡模型的輸入層的節點數為8，中間層的隱層層數為1，隱層節點數為8，輸出層節點數為1。

3.如權利要求2所述的在線軟測量方法，其特征在于，其中所述“碳洗塔”頂部出口處“德士古合成氣”中CO氣體含量的BP神經網絡的輸入變量的在線測量值采用一階數字濾波技術進行平滑濾波處理。

4.如權利要求3所述的在線軟測量方法，其特征在于，其中，每4小時，采用“碳洗塔”頂部出口處“德士古合成氣”中CO氣體含量的人工分析值對CO氣體含量的BP神經網絡的軟測量模型進行在線“滾動”優化校正一次，如果誤差超限，則對CO氣體含量的BP神經網絡的軟測量模型重新進行訓練，以獲得新的參數。

5.如權利要求1所述的在線軟測量方法，其特征在于，其中所述“碳洗塔”頂部出口處“德士古合成氣”中H₂氣體含量的BP神經網絡模型的輸入層的節點數為8，中間層的隱層層數為1，隱層節點數為8，輸出層節點數為1。

6.如權利要求5所述的在線軟測量方法，其特征在于，其中所述“碳洗塔”頂部出口處“德士古合成氣”中H₂氣體含量的BP神經網絡的輸入變量的在線測量值采用一階數字濾波技術進行平滑濾波處理。

7.如權利要求6所述的在線軟測量方法，其特征在于，其中，每4小時，采用“碳洗塔”頂部出口處“德士古合成氣”中H₂氣體含量的人工分析值對H₂氣體含量的BP神經網絡的軟測量模型進行在線“滾動”優化校正一次，如果誤差超限，則對H₂氣體含量的BP神經網絡的軟測量模型重新進行訓練，以獲得新的參數。

8.如權利要求1所述的在線軟測量方法，其特征在于，其中所述“碳洗塔”頂部出口處“德士古合成氣”中CO₂氣體含量的BP神經網絡模型的輸入層的節點數為8，中間層的隱層層數為1，隱層節點數為8，輸出層節點數為1。