-
题名WBRPLSR方法及其在化工软测量中的应用
被引量：5
- 1
-
-
作者
成忠
陈德钊
-
机构
浙江大学化学工程系
-
出处
《化工学报》
EI
CAS
CSCD
北大核心
2005年第2期291-295,共5页
-
基金
国家自然科学基金项目 (20276063).~~
-
文摘
及时测定化工过程变量, 对确保生产过程稳定、有效控制产品质量具有重要意义. 基于实时样本数据,采用偏最小二乘方法, 以分块递归的方式, 为过程变量建立软测量模型. 在分析时序数据特性的基础上, 引入加权策略, 并提出选定相关参数的方法步骤, 推导构建了加权分块递归偏最小二乘回归方法 (WBRPLSR). 将该法实际应用于某公司PTA装置溶剂脱水塔, 为塔釡排出液 H2O含量建立软测量模型, 效果良好. 与已有方法相比, 它提高了建模效率, 改进了预测性能.
-
关键词
加权分块递归
偏最小二乘回归
PTA装置
化工过程建模
软测量
-
Keywords
Algorithms
Dehydration
Least squares approximations
Mathematical models
Recursive functions
Regression analysis
Time series analysis
-
分类号
TQ021.8
[化学工程]
-
-
题名基于工厂数据的注意力LSTM网络辨识方法
被引量：9
- 2
-
-
作者
王雅欣
徐宝昌
徐朝农
董秀娟
许立伟
-
机构
中国石油大学(北京)信息科学与工程学院
中国石油北京天然气管道有限公司
-
出处
《化工学报》
EI
CAS
CSCD
北大核心
2020年第12期5664-5671,共8页
-
基金
中国石油天然气集团有限公司-中国石油大学(北京)战略合作科技专项(ZLZX2020-03)。
-
文摘
化工企业控制系统日益复杂,辨识被控对象模型是自动控制和优化设计的首要任务。针对化工过程多数辨识实验需要对过程施加测试信号,可能导致生产中断或引发安全事故的问题,利用长短时记忆(long short-term memory,LSTM)网络对含高维度、强耦合、非线性等特点的工厂时序数据具有的强适应性的特点,提出一种结合注意力机制思想的LSTM非线性动态模型辨识算法。该算法在LSTM模型基础上考虑输入变量对目标变量的重要性,为输入序列中影响输出结果的关键特征分配更多注意力,提高了LSTM模型的泛化能力。基于工厂日常运行数据构建LSTM网络模型可作为被辨识对象的数字化虚拟装置,利用人工测试信号在虚拟装置上离线辨识局部线性模型。在Tennessee-Eastman(TE)过程上的辨识实验验证了本文方法的有效性。
-
关键词
化工过程建模
系统辨识
非线性动态模型
长短时记忆
数字化虚拟装置
-
Keywords
chemical process modeling
system identification
nonlinear dynamic model
LSTM
digital virtual device
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
