石油树脂粘度的软测量研究

《石油树脂粘度的软测量研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学硕士学位论文摘要石油树脂粘度的软测量研究摘要针对石油树脂粘度难以在线检测的问题，本文以中国石油兰州石油化工公司石油树脂装置400单元为具体研究对象和切入点，建立了产品粘度软测量模型。本文通过对石油树脂生产工艺流程的机理分析，结合粘度受外界影响因素以及工艺现场的情况，确定石油树脂粘度软测量模型的辅助变量。对现场采集的过程数据形成的样本集，应用数理统计方法对数据进行预处理：剔除异常数据、消除随机误差以及归一化；在具体分析了多种建模方法的基础上，提出了核主元分析结合最小二乘支持向量机软测量建模方

2、法。利用核主元分析对软测量的输入数据进行数据压缩，提取非线性主元，然后用最小二乘支持向量机进行建模，降低模型复杂度，提高模型泛化能力，通过交叉验证方法对支持向量机的参数进行选择。将其应用于石油树脂粘度的软测量建模，结果表明：该方法具有跟踪性能好，精度高等优点，与实际生产中使用的方法相比，预测精度明显提高，是一种有效的软测量建模方法。I上海交通大学硕士学位论文摘要将该模型与用偏最小二乘方法、RBF神经网络、最小二乘支持向量机、主元分析结合最小二乘支持向量机方法构造的软测量模型进行比较，结果表明：该模型的

3、精度明显高于用上述方法构造的模型。本文还为该模型增加了校正环节：输出校正及参数校正，使得模型的精度及泛化能力进一步提高，模型具有更好的实用价值。关键词：石油树脂，软测量，核主元分析，最小二乘支持向量机II上海交通大学硕士学位论文ABSTRACTSTUDYONSOFTSENSOROFVISCOSITYFORPETROLEUMRESINABSTRACTAsoftsensorisconstructedbytheresearchofequipment400unitofpetroleumresinofCNPCL

4、ANZHOUCHEMICALCOMPANY,tosolvetheproblemthattheviscosityofpetroleumresincannotbedetectedon-line.Basedonmechanism-analysisofcraftworkflow,combiningwiththefactorsthataffectviscosityofpetroleumresinandtheoperatingconditions,secondaryvariablesusedforviscosit

5、yofpetroleumresinsoftsensoraredetermined.Onsampledatacollectedfromrealplant,thepretreatmentsareconductedbylapse-error-way,random-error-wayandunitary-waywithdatastatistictheory;Onthebasisofanalysisofseveralmethodsformodeling,asoftsensorbasedonkernelprinc

6、ipalcomponentanalysis(KPCA)andleastsquaresupportvectormachine(LSSVM)isproposed.KPCAisemployedtocompressdataforextractingthenonlinearcomponent,thenLSSVMisusedtodevelopregressionmodel.Bydoingso,thecomplexityofcalculationwillIII上海交通大学硕士学位论文ABSTRACTbereduce

7、dandthegeneralizationabilityimproved.CrossvalidationmethodisusedtochooseproperparametersofLSSVMmethod.Softsensorisappliedtopredictviscosityofpetroleumresin.Resultsindicatethatthismethodcanprovidegoodapproximationandhighprecision.Theprecisionofprediction

8、isimproved,comparedtothemethodusedcurrentlyinplant.Itisprovedtobeanefficientmodelingmethod.Themodelproposedherepossesseshigherprecisioncomparedtoothermodelswhicharebuiltbythemethodsofpartialleastsquaresregression(PLS),RBFneuralne