一种乙烯裂解炉的多工况监控方法

• 作者: 王振雷 王昕 王晓阳 田亮
• 来源期刊: 计算机与应用化学
• 学科: 工学
• 关键词: 多工况 即时学习 多模型局部建模 Greedy特征样本提取 支持向量数据描述
• 年，卷（期）: 2012,（9）
• 页码范围: 1119-1122
• 分类号: TP277
• 字数: 3930字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4160.2012.09.020

摘要

随着进料负荷、产品组分等过程参数的改变,生产过程的工况也随之改变,而传统的基于多元统计过程监控方法都是假设过程处于单一工况下,因此,将传统方法应用到多工况过程时,往往不能获得很好的监控效果.在对复杂系统进行监控时,由于过程的非线性,传统的基于线性模型的监控方法由于忽略了系统的非线性特征,监控性能也大打折扣.本文针对工业过程中的多工况和非线性监控问题,提出了一种基于即时学习(Lazy Learning)和Greedy-SVDD的多工况过程监控方法.首先使用Lazy Learning对过程进行多模型局部建模,获得局部模型输出和过程真实输出的残差,通过对残差进行监控从而去除多工况的影响.然后用能够很好地处理非线性问题的支持向量数据描述(SVDD)方法对残差建立过程监控模型.为了解决SVDD方法用大样本建模时计算复杂度非常高的问题,本文用Gredy方法提取建模数据集的特征样本用于SVDD建模.最后将上述方法应用在TE模型和乙烯裂解炉的监控上,仿真结果证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王昕	上海交通大学电工与电子技术中心	151	1094	19.0	27.0
2	王振雷	华东理工大学化工过程先进控制和优化技术教育部重点实验室	69	432	11.0	16.0
3	王晓阳	华东理工大学化工过程先进控制和优化技术教育部重点实验室	3	16	2.0	3.0
4	田亮	华东理工大学化工过程先进控制和优化技术教育部重点实验室	7	54	4.0	7.0