软测量若干关键技术的研究及其在石油化工过程中的应用

摘要

石油化工过程中大量与产品质量相关的变量都难以在线测量,软测量技术是解决这一问题的有效途径,也是过程控制发展的一个重要方向.该文从软测量的理论研究及其在实际过程中的应用两个方面出发,着重研究了如下几个问题:(1)针对复杂过程,如何提高软测量技术预测估计的精度.包括:应用软计算方法,建立精度高、鲁棒性佳的软测量模型的研究;辅助变量选择的研究;简单有效的数据预处理方法的研究;(2)如何解决具有多工况的复杂石油化工过程的软测量建模问题;(3)如何建立更适合动态系统的软测量模型等. 该文的主要工作和创新包括以下内容:● 提出了一种基于软计算的智能软测量模型——基于粗集的模糊神经网络软测量模型(RSNFN, Rough Set based Neuro-Fuzzy Network).● 针对具有多工况的复杂过程的软测量问题,提出了应用局部神经网络——基于广义基函数的CMAC超闭球结构(HCMAC,Hyperball CMAC)来建立软测量模型.● 针对动态系统软测量建模问题,提出了一种动态多神经网络建模方法(DMNN, Dynamic Multiple Neural Network).● 提出了应用粗集理论选择软测量辅助变量.对主导变量采用模糊c均值聚类方法分类,在此基础上,采用一种监督式的连续属性离散化方法——基于粗集理论和布尔逻辑的离散化方法(Ngyuen法),对候选辅助变量做连续属性离散化.● 针对软测量技术对数据预处理任务的要求,以MMD聚类分析方法为基础,分别研究了软测量建模数据的过失误差侦破,和软仪表在线应用时的误差处理.● 应用面向对象、多线程并行处理、动态链接等软件开发技术,开发了基于嵌入式系统的软仪表,实现了软仪表的硬件化,最终形成了通用的、开放的软仪表产品.