偏最小二乘回归理论的研究及软测量应用

摘要

在石油化工生产中，存在很多无法在线测量的重要指标变量，例如炼油企业精馏产品的纯度、干点以及精馏塔塔板效率等。软测量为解决这类问题提供了有效途径。本文对偏最小二乘回归和基于样条变换的非线性偏最小二乘回归理论进行了分析和研究，应用该方法建立了常压精馏塔航空煤油干点的软测量模型，并针对工程实施中的辅助变量选择和模型校正等问题进行了研究和仿真。 论文首先阐述了工程背景、软测量技术及工程实现方法。重点对基于变换的非线性偏最小二乘回归理论进行了研究和分析；针对在非线性建模中的精度、识别噪声点的能力和工程应用等方面进行了研究和仿真建模分析；通过对仿真案例和交叉有效性原则的研究提出了回归建模过程自变量分段个数和主元数的选取原则。并且研究了基于主元分析的辅助变量选择方法，提出了基于偏最小二乘回归的辅助变量的选择方法，采用两种方法分别对常压精馏塔航空煤油干点的辅助变量进行了选择比较。利用研究获得的辅助变量和航煤干点的现场操作数据，分别在正常数目和小数目样本两种条件下，采用基于样条变换的非线性偏最小二乘回归方法建立了航空煤油干点的软测量模型。为研究和分析该方法的特性，分别应用RBF神经网络和最小二乘支持向量机方法对同样的两组样本集进行了软测量建模；而后，对三种软测量建模方法的仿真结果进行了分析和比较；仿真结果表明，基于样条变换的非线性偏最小二乘回归方法建立的软测量模型精度较高，泛化能力强，且适用于样本较少，噪声点较多情况。最后针对基于样条变换的非线性偏最小二乘回归的软测量建模方案提出了模型在线校正等措施。 本文工作对软测量技术的工程实施提供了一种新的非线性建模方法，为炼油企业精馏装置实施先进控制打下了良好的基础。

目录

文摘

英文文摘

声明

引言

1工程背景及软测量技术概述

1.1工程背景

1.1.1精馏工艺流程概述

1.1.2航空煤油的干点

1.1.3数据的采集

1.2软测量思想

1.3软测量建模方法

1.3.1基于传统方法的软测量模型

1.3.2基于回归分析的软测量模型

1.3.3基于智能方法的软测量模型

1.4软测量工程实现

1.4.1辅助变量的选择

1.4.2数据的预处理

1.4.3软测量模型的建立

1.4.4软测量模型的校正

2偏最小二乘回归和样条函数理论

2.1偏最小二乘回归理论

2.1.1基本原理

2.1.2计算方法

2.1.3成分数的选取

2.2样条函数理论

2.2.1样条函数

2.2.2 B样条函数

3基于样条变换的非线性偏最小二乘回归研究

3.1基于样条变换的非线性偏最小二乘回归理论

3.1.1基本原理

3.1.2计算方法

3.2仿真研究

3.2.1精度分析

3.2.2噪声点的识别

3.2.3工程仿真

3.3分段数和成分数的选取

3.3.1分段数的选取原则

3.3.2成分数的选取原则

4辅助变量的选择

4.1主元分析辅助变量选择方法

4.1.1主元分析原理

4.1.2辅助变量选择方法

4.2偏最小二乘回归辅助变量选择方法

4.3航煤干点辅助变量的选择

4.3.1主元分析方法选择辅助变量

4.3.2偏最小二乘回归方法选择辅助变量

5航煤干点的软测量实现

5.1数据的预处理

5.2软测量模型的建立

5.2.1基于样条变换的非线性偏最小二乘回归建模

5.2.2 RBF神经网络建模

5.2.3最小二乘支持向量机建模

5.2.4三种建模方法的比较

5.3软测量模型的校正

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢