DE-ELM在水煤气组分浓度软测量建模中的应用

• 作者: 黄清宝 黄远红
• 来源期刊: 自动化仪表
• 学科: 工学
• 关键词: 安全 软测量 神经网络 模型 优化控制 迭代 极限学习机
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 感知技术及应用
• 页码范围: 77-81
• 页数: 5页
• 分类号: TH81|TP391.9
• 字数: 4060字
• 语种: 中文
• DOI: 10.16086/j.cnki.issn1000-0380.201702020

摘要

水煤气组分(H2、CO、N2、CO2、O2)浓度是合成氨煤制气最关键的工艺参数之一,其与生产过程安全、稳定和成本控制密切相关.由于实时在线测量设备成本极高、维护困难、技术难度大,一般企业仍采用人工分析化验法.针对人工分析化验的方法造成的测量数据准确度差、滞后时间长、人为影响因素大,不利于煤制气生产过程的操控等问题,提出利用差分进化算法优化极限学习机(DE-ELM)神经网络系统,建立水煤气组分浓度的软测量模型,测量水煤气组分各浓度.将改进的方法与逆向神经网络(BP)、广义回归神经网络(GRNN)、极限学习机(ELM)的水煤气组分浓度软测量模型进行对比分析.对比结果显示,基于DE-ELM的水煤气组分浓度软测量模型精度更高、泛化性能更好,所测数据与实际生产数据吻合度更高,能更好地满足合成氨造气炉生产过程的实时调控要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄清宝	广西大学电气工程学院	32	152	7.0	10.0
2	黄远红	广西大学电气工程学院	3	4	1.0	1.0