PTA生产中4-CBA含量的软测量技术

介绍了软测量技术的基本原理,并对近几年4-CBA含量的软测量建模方法进行系统综述,指出了该技术存在的问题和今后研究方向。     

洛阳PTA装置基于径基函数网络的4-CBA软测量

采用一种具有强非线性表达能力的径基函数网络方法建立洛阳PTA装置4-CBA含量软测量模型。在实际应用中,4-CBA含量软测量模型具有良好的预测精度,相对误差仅为4.3%。基于该软测量模型系统分析主要工艺操作参数对TA产品中4-CBA含量的影响,为生产操作条件的优化提供指导。     

基于改进的FasBack神经模糊系统的4-CBA软测量模型研究

提出一种基于改进的FasBack神经模糊系统的新型对羧基苯甲醛(4-CBA)软测量模型,用Leven-berg-M arquardt算法训练模型中的部分参数,经实际过程数据验证表明,提出的模型学习速度快、预测精度高、鲁棒性强,为实现精对苯二甲酸(PTA)生产过程中4-CBA含量的实时、精确控制提供了一条有效的途径。     

基于模糊CMAC神经网络的4-CBA软测量

Soft sensor is attractive in dealing with online product quality measurement by virtue of other easily measured variables. In AMOCO PTA (purified terephthalic acid) production process, the unavailability of real-time measurement of 4-CBA makes it impossible for timely adjustment and thereby influences the product quality and the plant economy benefit. In this paper, a kind of FCMAC (fuzzy cerebellar model articulation controller) method is presented to solve the online measurement problem. Different from the conventional CMAC (cerebellar model articulation controller) networks, which has inferior smoothing ability because of its table look-up based technology. Integrating fuzzy model into CMAC networks, it becomes more accurate in functional mapping without weakening its generalization ability. Numerical example and industrial application results show the method proposed here is satisfactory and feasible.     

基于双阈值AdaBoost算法的4-CBA含量软测量建模

针对PX氧化过程中4-CBA含量无法在线测量的问题,提出了一种基于双阈值更新样本权重的AdaBoost算法,该算法以BP神经网络作为弱学习器,采用轮盘赌方法根据样本权重在训练样本集中选择部分样本训练弱学习器,采用上一轮弱学习器的训练相对误差绝对值来更新所有训练样本的权重,在此基础上,用双阈值对样本误差范围进行划分,然后用不同的权重因子与原来的样本权值相乘实现样本权值的二次更新。该过程降低了含有大误差的样本的权值,增加了较大误差的样本的权值,从而减小了在下一轮训练过程中选到异常样本的概率。分别采用5种不同的方法并用实测的工业数据建立了4-CBA含量软测量模型,仿真结果表明用提出的改进AdaBoost算法建立的4-CBA含量软测量模型,其预测误差小于其他方法建立的模型误差。     

PCA-ANN方法在PTA平均粒径软测量中的应用

在精对苯二甲酸(PTA)生产过程中,影响产品粒度的因素多且复杂。采用主元分析(PCA)方法对高维输入变量进行降维处理,利用PCA与神经网络相结合(PCA-ANN)方法建立了PTA产品平均粒径的软测量模型,模型误差在5%以内,工业应用结果验证了方法的有效性。     

PX氧化反应器中水含量的影响因素和软测量

建立了PX氧化反应器的数学模型,模型能够较好地预测不同工艺条件下的水浓度。基于上述模型,对现有工艺过程进行了数值模拟,发现含水量与反应温度和单位液相体积耗氧速率具有很强的相关性。通过数据回归得到了含水量软测量模型,上述模型为现有PX氧化过程的含水量实时控制提供了理论依据。     

PX氧化反应器动态模型和4-CBA浓度的软测量

建立了PX氧化反应器的动态机理模型,模型能够较好地预测不同工艺条件下的4-CBA浓度。基于上述模型,对现有工艺过程进行了数值模拟,发现4-CBA浓度与尾气CO2浓度具有很强的相关性。通过数据回归得到了简化的4-CBA软测量模型,上述模型为现有PX氧化过程的4-CBA浓度实时控制提供了理论依据。     

PTA生产中4-CBA浓度的影响因素分析和软测量

根据济南化纤公司75 kt／a精对苯二甲酸(PTA)的生产工艺,建立了对二甲苯(PX)氧化反应器的数学模型,模型能够较好地预测不同工艺条件下的对羧基苯甲醛(4-CBA)浓度。在此模型基础上,对现有工艺过程进行了数值模拟,结果发现,4-CBA浓度与尾气CO_2浓度和单位液相体积耗氧速率具有很强的相关性。通过数据回归得到了4-CBA软测量模型,该软测量模型结果与工业运行实测结果基本一致     

组件化软测量软件包的开发与应用

以软测量软件包的研究开发与应用实施为主线,介绍组件化软测量软件包的设计原理、基本框架和特点。进而介绍该软测量软件包在某化纤厂精对苯二甲醛(PTA)生产装置的实施与实际应用效果,放任了软件的有效性和可行性。     

基于PLS快速剪枝法的RBF神经网络软测量模型建模方法和应用

提出一种从RBF神经网络隐含层的输出信息出发，通过PLS快速剪枝法，一次性剪去多余节点，生成最优规模的数学解析模型的方法。并用该方法建立了某化工企业精对苯二甲酸(PTA)晶体平均粒径的软测量模型，针对实际对象进行仿真研究，结果表明，该方法计算速度快，建立的模型精度高，适合实际工程应用的需求。     

基于最小二乘支持向量机的软测量方法在精对苯二甲酸生产中的应用

研究了一种基于改进型的最小二乘支持向量机的软测量方法在精对苯二甲酸(PTA)生产中晶体粒径大小估计中的应用。对最小二乘支持向量机采取了稀疏化与实时滚动改进,改进后的算法样本数量大大降低,同时保持了原有水平的预测能力。结果表明该方法对精对苯二甲酸的颗粒具有较高的预测能力。     

工业PTA氧化过程4-CBA浓度的模糊神经网络模型

A fuzzy neural network (FNN) model is developed to predict the 4-CBA concentration of the oxidation unit in purified terephthalic acid process. Several technologies are used to deal with the process data before modeling.First,a set of preliminary input variables is selected according to prior knowledge and experience. Secondly,a method based on the maximum correlation coefficient is proposed to detect the dead time between the process variables and response variables. Finally, the fuzzy curve method is used to reduce the unimportant input variables.The simulation results based on industrial data show that the relative error range of the FNN model is narrower than that of the American Oil Company (AMOCO) model. Furthermore, the FNN model can predict the trend of the 4-CBA concentration more accurately.     

发酵过程酵母浓度的软测量

针时发酵过程酵母浓度的测量,提出一种基于支持向量机的软测量建模方法。仿真证明,该方法比典型的RBF神经网络软测量有着明显的优势,时于实现发酵过程自动控制和优化运行有着重大的意义。     

基于仿射聚类、高斯过程和贝叶斯决策的多模型软测量建模

Presented is a multiple model soft sensing method based on Affinity Propagation(AP),Gaussian process(GP) and Bayesian committee machine(BCM).AP clustering arithmetic is used to cluster training samples according to their operating points.Then,the sub-models are estimated by Gaussian Process Regression(GPR).Finally,in order to get a global probabilistic prediction,Bayesian committee machine is used to combine the outputs of the sub-estimators.The proposed method has been applied to predict the light naphtha end point in hydrocracker fractionators.Practical applications indicate that it is useful for the online prediction of quality monitoring in chemical processes.     

A multi-model approach for soft sensor development based on feature extraction using weighted kernel fisher criterion简

Multi-model approach can significantly improve the prediction performance of soft sensors in the proc- ess with multiple operational conditions. However, traditional clustering algorithms may result in overlapping phe- nomenon in subclasses, so that edge classes and outliers cannot be effectively dealt with and the modeling result is not satisfactory. In order to solve these problems, a new feature extraction method based on weighted kernel Fisher criterion is presented to improve the clustering accuracy, in which feature mapping is adopted to bring the edge classes and outliers closer to other normal subclasses. Furthermore, the classified data are used to develop a multiple model based on support vector machine. The proposed method is applied to a bisphenol A production process for prediction of the quality index. The simulation results demonstrate its ability in improving the data classification and the prediction performance of the soft sensor.     

PTA产品中4-CBA含量超高的原因

根据PTA装置生产运行状况,从氧化反应深度和加氢反应效果2个方面分析了影响PTA中4-CBA含量的因素,并探讨降低4-CBA含量的方法。     

基于最小二乘支持向量机的复合肥装置养分含量的软测量建模

针对复合肥装置养分含量无法用常规的传感器在线测量的问题,提出了基于最小二乘支持向量机(LS-SVM)的软测量方法来在线估计养分含量.LS-SVM用等式约束代替传统的标准支持向量机中的不等式约束,求解过程从解二次规划问题变成解线性方程组,求解速度相对加快.工业实例表明LS-SVM所建模型的预测精度较高,能满足实际工业应用的需求.