[發明專利]基于時間差分遞推PLS和自適應模型校正的PX吸附分離純度軟測量建模方法在審
| 申請號: | 201811317130.2 | 申請日: | 2018-11-07 |
| 公開(公告)號: | CN109522514A | 公開(公告)日: | 2019-03-26 |
| 發明(設計)人: | 傅永峰;栗偉;陳迎迎;徐歐官;蔡鐵峰;張聚;劉勤賢 | 申請(專利權)人: | 浙江工業大學之江學院 |
| 主分類號: | G06F17/17 | 分類號: | G06F17/17;G06F17/18;G01N33/44 |
| 代理公司: | 杭州天正專利事務所有限公司 33201 | 代理人: | 王兵;黃美娟 |
| 地址: | 312030 浙*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 時間差 軟測量建模 自適應模型 分離純度 遞推 吸附 置信 校正 預測 模型預測結果 標準化處理 均方根誤差 軟測量模型 數據預處理 有效地減少 自適應更新 采集數據 過程特性 過程信息 在線校正 主導變量 計算量 新樣本 方差 | ||
一種基于時間差分遞推PLS和自適應模型校正的PX吸附分離純度軟測量建模方法,包括:(1)采集數據及數據預處理;(2)建立時間差分PLS軟測量模型;(3)反標準化處理;(4)求主導變量PX純度的預測值;(5)設置模型的初始置信限;(6)均值和方差的在線校正;(7)根據式(12)和(13)計算新樣本的預測值;(8)計算均方根誤差RMSE;(9)根據模型預測結果,自適應更新模型的置信限。本發明能有效地減少計算量,充分利用過程信息,提高PX純度預測精度,快速準確的反映過程特性。
技術領域
本發明涉及一種基于時間差分遞推PLS和自適應模型校正的PX吸附分離純度軟測量建模方法。
背景技術
隨著我國聚酯行業的迅速發展,國內對二甲苯(PX)的需求量急劇增加。工業生產對二甲苯(PX)有各種不同的工藝,采用模擬移動床吸附分離方法從混合二甲苯中分離PX是目前生產PX的主要途徑。
混合二甲苯是由對二甲苯、間二甲苯(Metaxylene,簡稱MX)、鄰二甲苯(Orthoxylene,簡稱OX)和乙苯(Ethylbenzene,簡稱EB)等組成的混合物,各組分密度接近且沸點相差較小,難以用傳統的精餾方法進行分離。建立在模擬移動床(Simulated MovingBed,簡稱SMB)基礎上的吸附分離法是最主要的分離方法。所謂模擬移動床,對吸附劑來說是不動的固定床,而周期性地改變物料進出吸附塔的位置,而且物料進出口位置的移動是沿著塔內流體通過床層的方向,這就模擬了固體吸附劑的逆向流動,以此達到固液相相對移動的目的。
以某煉油廠PX裝置為例,吸附分離部分由兩個串連的吸附塔組成,每個塔中的床層通過集合管與進料、解吸劑、抽出液、抽余液和反洗液5股物料相連。當含有4種C8芳烴同分異構體的混合對二甲苯進入吸附塔后,由于吸附劑對4種C8芳烴吸附強度的差異,吸附能力較強的對二甲苯會緩慢的從吸附劑中脫附出來。將其作為抽出液,經過提純后可以生產出純度大于99.2%的合格產品,回收率可達96%。其原理如圖1所示。
純度是PX重要的質量指標,但在實際生產中,PX的純度不能在線直接測量,而往往是通過離線光譜分析獲得。但離線分析滯后時間長(數小時),且分析采樣次數少(兩次或三次/天),因此遠遠不能滿足實時控制的要求。而由于模擬移動床過程的復雜性,建立一個精度高的純機理模型來預測產品的純度非常困難。為了實時預測產品的純度,建立一個軟測量模型是一個很好的選擇。
在對二甲苯吸附分離中,由于受到操作條件及裝置中其它部分如異構化、二甲苯精餾的影響,使得其工況會經常發生變化,因此常規的軟測量模型可能會發生模型失效的情況。為此,研究人員提出了一種基于時間差分遞推PLS和自適應模型校正的PX吸附分離純度軟測量建模方法。
發明內容
本發明要克服現有技術的上述缺點,提供一種基于時間差分遞推PLS和自適應模型校正的PX吸附分離純度軟測量建模方法。
針對PX吸附分離過程中普遍存在的時變特性和非線性,本方法首先采用當前時刻輸入輸出變量與之前某一時刻輸入輸出變量的差值作為建模樣本建立時間差分偏最小二乘(Time difference partial least squares,TDPLS)模型。TDPLS模型不僅可以充分保留線性PLS模型的良好特性,而且提高了模型對過程非線性的逼近精度。此外,由于TDPLS建模采用輸入輸出數據的時間差分值,因此,生產過程中的漂移等緩慢變化也不會對模型預測精度造成明顯影響。然后,針對PX吸附分離過程長時間運行工況點發生變化導致模型失效的問題,采用滑動窗遞推算法來有效地跟蹤過程的動態特性。為了克服普通滑動窗遞推算法模型由于校正頻率高、計算量大而導致的模型實時性差的缺點,本方法采用了一種自適應校正策略:首先根據過程的初始特性設置模型置信限,該置信限可以隨著過程特性的動態變化及模型預測結果而自適應更新。如果模型預測誤差大于該置信限,啟動模型校正,并更新置信限,否則保持模型參數不變,即模型校正是根據模型性能評估結果,選擇性啟動。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于浙江工業大學之江學院,未經浙江工業大學之江學院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811317130.2/2.html,轉載請聲明來源鉆瓜專利網。





