[发明专利]基于混合整数规划的间苯二胺精馏塔软测量系统的辅助变量选择方法

说明书

本发明公开了一种基于混合整数规划的间苯二胺精馏塔软测量系统的辅助变量选择方法。收集与精馏塔塔底间苯二胺浓度可能相关的p个原始辅助变量，采集n组由原始辅助变量和间苯二胺浓度组成的样本集，并归一化处理，获取标准化样本集；利用BIC准则评判变量选择效果，建立混合整数规划模型来确定最佳辅助变量子集，并得到对应的最佳线性回归模型，从而实现间苯二胺精馏塔产品组成的软测量。本发明基于BIC准则能表征模型泛化能力的优点，结合分支定界搜索算法能有效解决混合整数规划问题，可以搜索获得最佳辅助变量子集进行线性回归建模，减小模型复杂度，并提高软测量系统的预测效果。

技术领域

本发明涉及化学工程和系统工程领域中间苯二胺精馏塔软测量的辅助变量选择方法。具体而言，是利用混合整数规划实现间苯二胺精馏塔软测量系统的辅助变量选择。

背景技术

随着生产技术的发展，石油化工等现代工业生产对产品质量的要求越来越高，因此需要对与产品质量密切相关的过程参数(如精馏塔产品成分、干点、浓度及塔板效率等)进行实时检测。但由于经济或技术等原因，这类重要过程参数往往难以或无法用传统的传感器直接检测，只能通过采用工业色谱仪进行在线测量或者实验室离线分析得到。遗憾的是，在线分析仪表的成本太高，而实验室离线分析结果存在较大的滞后，用这样滞后的结果来指导生产，必然导致产品质量下降。为了解决这个问题，逐渐形成了软测量建模方法及其应用技术，并得到了广泛的引用。

软测量根据某种最优准则，选择与被估计变量(称为主导变量)相关的一组易测量变量(称为辅助变量)，构造以辅助变量为输入、主导变量为输出的数学模型，从而实现对重要过程参数的在线估计。

虽然软测量技术的核心是建模，但只有选择出与主导变量密切相关的辅助变量，才能建立一个有效的软测量模型。辅助变量选择就是在软测量数学模型的基础之上，从一系列预先给定的自变量集合中，确定一个在某种准则下对因变量最好描述的自变量子集。这是软测量技术的第一步，也是非常关键的一步，是软测量技术成功的基石。现代工业过程都有海量的数据，但我们对工业对象了解的局限性，很容易将这些数据都包含到预测模型中。一旦模型中选入了本来与因变量相关程度很低，甚至是无关的自变量，不仅会干扰模型对于变量间关系的理解，使模型变得不易解释，而且会使得模型参数估计变得困难，模型预测效果也会下降。此外在经济上还大大增加了收集和存储信息的成本。而通过辅助变量选择，可以克服以上问题。因此，研究如何从候选辅助变量集中找到与主导变量关联程度高，包含丰富的主导变量信息且精简的变量子集，在软测量建模中有重要的意义。

发明内容

本发明的目的是提供一种基于混合整数规划的间苯二胺精馏塔软测量系统的辅助变量选择方法，该方法能选出最优的辅助变量子集，用于回归建模，不仅能简化间苯二胺精馏塔软测量模型的复杂度，增强模型的解释性，而且能提高模型的预测性能。

本发明的技术方案如下：

一种基于混合整数规划的间苯二胺精馏塔软测量系统的辅助变量选择方法包含如下步骤：

步骤一、收集与精馏塔塔底间苯二胺浓度可能相关的p个原始辅助变量，采集n组由原始辅助变量和间苯二胺浓度组成的样本集，并归一化处理，获取标准化样本集；

步骤二、利用混合整数规划方法确定最佳辅助变量子集，并得到对应的最佳线性回归模型Q；

步骤三、最佳辅助变量子集在步骤二中对应的最佳线性回归模型Q即为间苯二胺精馏塔软测量模型。

所述的利用混合整数规划方法确定最佳辅助变量子集，并得到对应的最佳线性回归模型Q，按如下步骤进行：

1)初始化选择变量个数k＝1；

2)当选择变量个数指定为k时，通过最小化线性回归模型的残差平方和，将变量选择问题描述成混合整数规划问题M(k)，利用CPLEX求解器求解问题M(k)得到模型的回归系数a(k)、b(k)和模型中包含的k个辅助变量z(k)，求解过程按下式进行：