[發明專利]一種工業硫磺回收裝置尾氣二氧化硫含量實時預測方法

有效

• 申請號: 202010630128.1
• 申請日: 2020-06-23
• 公開（公告）號: CN111915005B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 葛英輝;朱瑩;請求不公布姓名
• 申請（專利權）人: 寧波大學
• 主分類號: G06N3/084
• 分類號: G06N3/084;G01N33/00;G06N3/0455
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種工業硫磺回收裝置尾氣二氧化硫含量實時預測方法，其特征在于，包括以下步驟：

首先，離線建模階段包括如下所示步驟(1)至步驟(8)；

步驟(1)：在工業硫磺回收裝置正常運行時，利用5個流量儀表實時測量工業硫磺回收裝置中的流量數據，直至采集得到N個樣本數據，分別記錄成5個列向量x₁，x₂，x₃，x₄，x₅，并利用離線分析儀獲取相同采樣時刻尾氣SO₂含量的N個樣本數據，對應記錄成列向量y，其中x_i由第i個流量的N個樣本數據組成，i∈{1，2，3，4，5}分別對應于單乙醇胺氣體流量，兩個進氣管道內的空氣流量，酸-水汽提過程的氣相流量，和酸-水汽提過程的空氣流量；

步驟(2)：根據如下所示公式對x₁，x₂，x₃，x₄，x₅和y分別實施歸一化處理，對應得到5個數據向量和一個輸出向量并將數據向量組建成一個數據矩陣

其中，R^N×5表示N×5維的實數矩陣，表示歸一化處理后的第i個數據向量，x_i(min)表示列向量x_i中的最小值，x_i(max)表示列向量x_i中的最大值，y_min與y_max分別表示列向量y中的最小值和最大值；

步驟(3)：搭建一個由M層自編碼器串聯組成的棧式自編碼器，并確定各層自編碼器的隱層神經元個數h₁，h₂，…，h_M、隱層神經元激活函數f(u)和輸出層神經元激活函數ζ(u)；其中u表示函數自變量；

步驟(4)：根據如下所示公式組建N-9個輸入向量z₁，z₂，…，z_n，其中n＝N-9；

z_j＝[X(j+9)，X(j+4)，X(j+2)，X(j)]^T????②

上式中，X(j+9)，X(j+4)，X(j+2)，X(j)分別表示數據矩陣X中的第j+9行，第j+4行，第j+2行和第j行的行向量，j∈{1，2，…，n}，z_j∈R^20×1表示第j個輸入向量，R^20×1表示20×1維的實數向量，上標號T表示矩陣或向量的轉置；

步驟(5)：利用BP算法依次訓練步驟(3)中搭建的棧式自編碼器第1層自編碼器，第2層自編碼器，直至第M層自編碼器的隱層神經元權重系數矩陣W₁，W₂，…，W_M和閾值向量b₁，b₂，…，b_M，具體的實施過程如下所示；

步驟(5.1)：第1層自編碼器的輸入層有20個神經元，隱層有h₁個神經元，輸出層有20個神經元，并分別初始化隱層神經元和輸出層神經元的權重系數矩陣和閾值向量；

步驟(5.2)：以z₁，z₂，…，z_n做為第1層自編碼器的輸入，同時以z₁，z₂，…，z_n做為第1層自編碼器的輸出，利用BP算法訓練得到第1層自編碼器的隱層神經元層權重系數矩陣和閾值向量后，初始化m＝1；

步驟(5.3)：第m+1層自編碼器的輸入層有h_m個神經元，隱層有h_m+1個神經元，輸出層有20個神經元，并分別初始化隱層神經元和輸出層神經元的權重系數矩陣和閾值向量；

步驟(5.4)：以第m層自編碼器隱層的輸出向量g₁(m)，g₂(m)，…，g_n(m)做為第m+1層自編碼器的輸入，同時以z₁，z₂，…，z_n做為第m層自編碼器的輸出，再次利用BP算法訓練得到第m+1層自編碼器的隱層神經元的權重系數矩陣和閾值向量其中表示h_m×h_m+1維的實數矩陣，表示h_m+1×1維的實數向量，g₁(m)，g₂(m)，…，g_n(m)的計算方式如下所示：

上式中，j∈{1，2，…，n}；

步驟(5.5)：判斷是否滿足m+1＜M；若是，則設置m＝m+1后返回步驟(5.3)；若否，則訓練結束，保留棧式自編碼器所有隱層神經元的權重系數矩陣W₁，W₂，…，W_M和閾值向量b₁，b₂，…，b_M；

步驟(6)：在步驟(5)訓練好的棧式自編碼器的基礎上，新增一層只包含一個神經元的輸出層，并確定相應的激活函數γ(u)以及初始化該神經元的權重系數與閾值；

步驟(7)：以第M層自編碼器隱層的輸出向量g₁(M)，g₂(M)，…，g_n(M)做為步驟(6)中輸出層神經元的輸入，同時以做為輸出，利用BP算法訓練得到步驟(6)中輸出層神經元的權重系數W_o和閾值b_o；其中分別表示輸出向量中的第10個，第11個，至第N個元素；

上述實施步驟完成了對工業硫磺回收裝置尾氣SO₂含量的軟測量建模，接下來就是利用在線實時測量的5個流量數據，實現對尾氣SO₂含量的實時軟測量，具體實施步驟如下所示；

步驟(8)：在最新采樣時刻t，對5個流量儀表測量到的數據v₁(t)，v₂(t)，v₃(t)，v₄(t)，v₅(t)進行歸一化處理，得到歸一化后的數據具體的歸一化方式如下所示：

上式中，i∈{1，2，3，4，5}；

步驟(9)：根據a_t＝[v(t)，v(t-5)，v(t-7)，v(t-9)]^T組建最新采樣時刻的輸入向量a_t，其中，行向量v(t-5)，v(t-7)，v(t-9)分別表示t-5采樣時刻，t-7采樣時刻，t-9采樣時刻的測量數據經歸一化處理后的數據組建的行向量；

步驟(10)：以輸入向量a_t為棧式自編碼器的輸入，通過步驟(5.5)中保留的權重系數矩陣W₁，W₂，…，W_M和閾值向量b₁，b₂，…，b_M，依次計算得到第1層自編碼器隱層，第2層自編碼器隱層，直至第M層自編碼器隱層的輸出向量c₁，c₂，…，c_M，具體的實施過程如下所示；

步驟(10.1)：根據公式c₁＝f(W₁^Ta_t+b₁)計算第1層自編碼器隱層的輸出向量c₁，再初始化m＝2；

步驟(10.2)：根據公式計算第m層自編碼器隱層的輸出向量c_m；

步驟(10.3)：判斷是否滿足m＜M；若是，則設置m＝m+1后，返回步驟(10.2)；若否，則得到第M層自編碼器隱層神經元的輸出向量c_M；

步驟(11)：根據公式計算出后，再根據計算t采樣時刻的SO₂含量的預測值y_t；

步驟(12)：返回步驟(8)，繼續實施對下一個最新采樣時刻的SO₂含量的實時預測。