一種基于混合建模技術(shù)的MIMO軟測(cè)量建模方法.pdf

《一種基于混合建模技術(shù)的MIMO軟測(cè)量建模方法.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、檢測(cè)與儀表化工自動(dòng)化及儀表，2010，37(9)：37～41ControlandInstrumentsinChemicalIndustry一種基于混合建模技術(shù)的MIMO軟測(cè)量建模方法傅永峰，陳祥華，徐歐官(浙江工業(yè)大學(xué)之江學(xué)院，杭州310024)摘要：針對(duì)復(fù)合肥產(chǎn)品中幾種養(yǎng)分含量需要同時(shí)預(yù)報(bào)的一類(lèi)多輸A．／多輸出(MIMO)軟測(cè)量建模問(wèn)題，提出一種基于混合建模方法的復(fù)合肥養(yǎng)分含量MIMO軟測(cè)量模型。該混合模型首先對(duì)幾個(gè)不能實(shí)時(shí)測(cè)量的關(guān)鍵輔助變量采用基于限定記憶部分最小二乘算法的數(shù)據(jù)驅(qū)動(dòng)建模方法建立自適應(yīng)軟測(cè)量模型，然后采用簡(jiǎn)化機(jī)理模型實(shí)時(shí)計(jì)算

2、三種養(yǎng)分含量。基于實(shí)際工業(yè)過(guò)程數(shù)據(jù)的仿真結(jié)果表明，所建模型運(yùn)算速度快、預(yù)測(cè)精度高，可以滿(mǎn)足復(fù)合肥養(yǎng)分含量在線預(yù)報(bào)的要求。關(guān)鍵詞：軟測(cè)量；混合建模；部分最小二乘；簡(jiǎn)化機(jī)理建模；復(fù)合肥養(yǎng)分含量中圖分類(lèi)號(hào)："IT273文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-3932(2010)09-0037-051引言在化工過(guò)程中，有很多變量不能被在線檢測(cè)，而軟測(cè)量技術(shù)則是實(shí)現(xiàn)此類(lèi)變量實(shí)時(shí)估計(jì)的一種非常有效的方法。它克服了人工分析及使用在線分析儀表的諸多不足，是實(shí)現(xiàn)在線質(zhì)量控制及先進(jìn)控制、優(yōu)化控制的前提和基礎(chǔ)H’21。常用的軟測(cè)量建模方法有機(jī)理建模【3’、數(shù)據(jù)驅(qū)動(dòng)建模和

3、混合建模方法M1。數(shù)據(jù)驅(qū)動(dòng)建模方法又包括部分最小二乘(PI_．S)回歸方法”J、人工神經(jīng)網(wǎng)絡(luò)方法【61和支持向量機(jī)回歸方法o“。機(jī)理建模方法和數(shù)據(jù)驅(qū)動(dòng)建模方法各有其優(yōu)點(diǎn)和不足。機(jī)理建模方法能夠從本質(zhì)上反映工業(yè)過(guò)程的規(guī)律，可解釋性強(qiáng)、外推性好。但是建模過(guò)程非常復(fù)雜，對(duì)于一些復(fù)雜過(guò)程而言，能得到的機(jī)理模型一般也是經(jīng)過(guò)若干簡(jiǎn)化后的模型。數(shù)據(jù)驅(qū)動(dòng)建模方法根據(jù)過(guò)程的輸入輸出數(shù)據(jù)直接建模，幾乎無(wú)需過(guò)程對(duì)象的先驗(yàn)知識(shí)。但是，這種建模方法通常學(xué)習(xí)速度慢，且容易造成過(guò)擬合現(xiàn)象。此外，用這種方法建立的模型不具有可解釋性。混合建模方法則把簡(jiǎn)化機(jī)理建模方法和數(shù)據(jù)驅(qū)動(dòng)

4、建模方法結(jié)合起來(lái)，互為補(bǔ)充。簡(jiǎn)化機(jī)理模型提供的先驗(yàn)知識(shí)，可以為基于數(shù)據(jù)驅(qū)動(dòng)的模型節(jié)省訓(xùn)練樣本；同時(shí)基于數(shù)據(jù)驅(qū)動(dòng)的模型又能補(bǔ)償簡(jiǎn)化機(jī)理模型的未建模特性。因此，混合建模方法現(xiàn)已被廣泛地應(yīng)用并且取得了很好的效果舊叫引。在目前的軟測(cè)量建模研究中，多輸Ⅳ單輸出(MISO)的情況研究較多，多輸／V多輸出(MIMO)的情況則研究較少?1。但是，在很多工業(yè)過(guò)程中都存在幾個(gè)變量同時(shí)需要檢測(cè)和控制的情況。在復(fù)合肥生產(chǎn)過(guò)程中，有三個(gè)質(zhì)量變量：氮含量、P：0，含量和K：0含量。保證產(chǎn)品質(zhì)量的手段就是控制這三種質(zhì)量指標(biāo)在一定的范圍內(nèi)，如果復(fù)合肥產(chǎn)品中養(yǎng)分氮、五氧化二磷

5、、氧化鉀的含量低于一定指標(biāo)，則生產(chǎn)的復(fù)合肥產(chǎn)品不合格，需返工重新加工，從而增加生產(chǎn)成本；而如果復(fù)合肥產(chǎn)品中養(yǎng)分氮、五氧化二磷、氧化鉀含量太高，也會(huì)增加成本。為了保證復(fù)合肥產(chǎn)品合格及節(jié)能降耗，一般工業(yè)要求復(fù)合肥成品中養(yǎng)分含量必須保持在一定范圍以?xún)?nèi)，因此復(fù)合肥產(chǎn)品的養(yǎng)分含量實(shí)時(shí)控制非常霞要。但在實(shí)際生產(chǎn)中，復(fù)合肥產(chǎn)品中三種養(yǎng)分含量均無(wú)法在線測(cè)量，而是每日采樣三次由實(shí)驗(yàn)室離線分析獲得，但離線分析滯后數(shù)小時(shí)，且分析采樣次數(shù)少，遠(yuǎn)遠(yuǎn)不能滿(mǎn)足實(shí)時(shí)控制的要求。為了實(shí)現(xiàn)在線質(zhì)量控制，就要得到這三種質(zhì)量指標(biāo)的在線實(shí)時(shí)估計(jì)值，建立軟測(cè)量模型是一種非常好的方法。由

6、于這三種質(zhì)囂指標(biāo)之間存在較強(qiáng)的耦合和關(guān)聯(lián)，因此不適合采用以往的先分別建立三種質(zhì)量指標(biāo)的MISO軟測(cè)量模型，然后再組合成一個(gè)MIMO模型的方法。在這種情況下，建立三種質(zhì)量指標(biāo)的MIMO軟測(cè)量模型來(lái)同時(shí)預(yù)測(cè)，將使得模型不僅結(jié)構(gòu)簡(jiǎn)單而且具有更好的魯棒性㈦。本文采用數(shù)據(jù)驅(qū)動(dòng)建模和簡(jiǎn)化機(jī)理建模混合的建模思想來(lái)建立上述復(fù)合肥三種養(yǎng)分含量的MIMO軟測(cè)量模型。首先，采用基于限定記憶最小二乘算收稿日期：2010-07-09(修改稿)基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(60972138)·38·化工自動(dòng)化及儀表第37卷法(LM．PLS)的數(shù)據(jù)驅(qū)動(dòng)建模方法為一些

7、不能在線測(cè)量的關(guān)鍵輔助變量建立軟測(cè)量模型，然后，采用簡(jiǎn)化機(jī)理模型在線估計(jì)三種主導(dǎo)變量。LM-PLS算法不僅具有傳統(tǒng)PLS算法在克服變量間相關(guān)性和噪聲干擾方面的優(yōu)勢(shì)，且可以在線及時(shí)更新并有效跟蹤系統(tǒng)的時(shí)變特性，同時(shí)還可以克服樣本的飽和性‘13l。而簡(jiǎn)化機(jī)理模型則具有先驗(yàn)性和預(yù)估性，可以為數(shù)據(jù)驅(qū)動(dòng)模型節(jié)省訓(xùn)練樣本。基于實(shí)際工業(yè)過(guò)程數(shù)據(jù)的仿真結(jié)果表明模型預(yù)測(cè)效果良好，模型預(yù)測(cè)結(jié)果與化驗(yàn)室分析結(jié)果趨勢(shì)比較吻合，預(yù)測(cè)精度高。2限定記憶PLS算法PLS算法與傳統(tǒng)的MLR(MultipleLinearRegres—sion)、PCA(PrincipalCo

8、mponentAnalysis)等算法相比，具有更好的魯棒性。這里的魯棒性是指當(dāng)有新的樣本數(shù)據(jù)加入時(shí)，模型的參數(shù)不會(huì)變化得很劇烈，因此它是建立軟測(cè)量模型的一種非常重