结合改进PSO算法和LSSVM的化工异常工况超早期监测预警研究

• 作者: 张来斌 胡瑾秋 郭放
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 化工过程 异常工况 超早期监测预警 粒子群优化 最小二乘支持向量机
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 36-41
• 页数: 6页
• 分类号: TE687
• 语种: 中文
• DOI: 10.13382/j.jemi.2018.02.006

摘要

针对化工过程采样间隔短、动态性强,短期参数预测不能有效地为现场人员提供充足的操作时间,提出了结合改进粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)的异常工况超早期监测预警方法.采用最小二乘支持向量机对归一化处理后的过程数据进行训练,利用改进的粒子群优化算法对最小二乘支持向量机中的核参数和惩罚因子进行快速精确地全局寻优,得到优化的预测模型.在丙烷塔的超压异常工况超早期监测预警案例分析中,能够准确地对未来500 s内的过程数据进行预测,并比DCS系统提前40 s发出异常报警,相比于最小二乘支持向量机预测模型和标准粒子群优化的最小二乘支持向量机预测模型,所提方法有效降低了预测误差.