基于KPCA的连续重整催化剂结焦碳含量软测量模型

• 作者: 汤杰国 王玉乔 程光旭
• 来源期刊: 高校化学工程学报
• 学科: 工学
• 关键词: 软测量模型 结焦 核主成分分析 神经网络 连续催化重整
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 化工系统工程
• 页码范围: 852-857
• 页数: 6页
• 分类号: TP183
• 字数: 4344字
• 语种: 中文
• DOI: 10.3321/j.issn:1003-9015.2009.05.022

摘要

对连续催化重整工艺机理进行分析,找出影响反应器中催化剂结焦的主要参数,作为软测量模型的输入变量;引入核主成分分析(Kernel Principle Component Analysis, KPCA)方法提取输入变量的非线性特征,根据累积贡献率选取KPCA主元作为神经网络的辅助变量,建立重整反应器中催化剂结焦碳含量神经网络软测量模型;并与未引入KPCA的神经网络软测量模型进行比较,结果表明,基于KPCA的神经网络具有较好的拟合精度和泛化能力,是一种优良的软测量建模方法.将该模型应用于连续催化重整装置,并引入在线校正技术,实时监测催化剂结焦碳含量,为调整反应器及后续再生装置的操作参数提供依据,从而实现重整装置长周期安全运行.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程光旭	西安交通大学能源与动力工程学院	102	1102	18.0	28.0
2	汤杰国		12	29	4.0	5.0
3	王玉乔	西安交通大学能源与动力工程学院	3	15	2.0	3.0