[发明专利]一种PTA装置醋酸消耗的软测量方法

说明书

本发明涉及一种精对苯二甲酸(PTA)装置醋酸消耗的软测量方法，包括数据选取；数据归一化；根据神经元‑胶质细胞链接原则从训练样本信息中得到隐藏层节点数；根据Hebb规则得到输入层与隐藏层之间的链接权重；根据极限学习机(ELM)算法得到隐藏层与输出层之间的权重；对PTA关键过程变量醋酸消耗指标进行软测量。本发明运用自组织ELM网络预测模型的优越的、稳定的泛化性能对PTA生产装置中醋酸消耗的软测量，可准确可靠地估计工业生产中关键过程变量，从而有助于提高复杂工业过程的生产效率。

技术领域

本发明涉及软测量技术领域，具体而言，涉及一种精对苯二甲酸(PTA)装置醋酸消耗的软测量方法。

背景技术

PTA作为聚酯化工生产中的重要原材料之一，涉及国民经济的各个方面，有着非常广泛的应用，有效地控制PTA生产装置能耗将会极大地提高国民经济，因此对PTA的研究有着重大的现实意义。PTA溶剂系统作为PTA生产的重要系统，其分为PTA溶剂脱水塔、再蒸馏器及回流槽三个部分。因为醋酸的消耗是显示一个PTA生产技术是否有效的重要指标，因此为了能够减少醋酸的消耗，需要优化PTA溶剂系统。对工业生产中的醋酸消耗很难直接通过仪器进行测量，需要通过软测量方法间接的获得醋酸消耗的估计值，因此，进行软测量的模型的泛化性能及稳定性对PTA生产技术的发展就显得尤为重要。通过可靠地对醋酸消耗进行软测量，就可以改进PTA生产装置，通过较少的醋酸消耗获得更多的产出，从而能够提高PTA生产技术，降低生产成本，提高经济效益。

对工业生产中关键过程变量的软测量常使用神经网络进行建模，其中比较常用的有的基于误差反传(BP)算法的单层神经网络、径向基对称网络(RBF)及最近的基于极限学习机(ELM)算法的单层神经网络。基于BP算法的单层网络由于BP算法容易陷于局部最优解，虽然通过对BP算法进行改进，比如加入动量因子可以缓解BP算法局部最优的问题，但是也无法保证不会陷入局部最优，因此存在着很大的稳定性问题。对于RBF网络，通过对数据进行高维映射，从而较基于BP算法的传统网络在泛化性能上有着很大的提升，但是在迭代求解隐层与输出层之间的权重时需要消耗大量的训练时间，同时由于RBF网络的预测结果对初始聚类中心的选取比较敏感，所以也导致因初始聚类选取不佳而引起的泛化性能下降的问题。

最近基于ELM算法的单层网络由于其结构的简单性及较快的训练速度引起了人们的注意，但是，传统的ELM算法仍存在一些不足，比如隐藏层节点需要人为设定，这使得传统ELM算法很难应用在复杂的实时工业生产中。ELM算法是黄广斌在2004年提出来的一种针对单隐层网络结构的快速训练算法。ELM算法不需要对网络参数进行迭代的学习，而是通过摩尔-彭若斯广义逆直接获得，其广泛应用于数据挖掘、机器学习、图像识别及模式识别等领域。虽然ELM算法有着很好的泛化性能及快速的训练速度等优点，但是它仍存在一些不足，例如：隐藏层中的节点数需要人为根据经验确定，而不是根据样本信息自动确定，因此就会因隐藏层节点数的错误设定而导致性能下降等问题。

发明内容

为了能够解决现有方法在PTA工业过程对醋酸消耗软测量中存在的问题，本发明提出了一种用于PTA装置醋酸消耗的自组织ELM网络预测模型软测量方法。

一种PTA装置醋酸消耗的软测量方法，其特征在于，包括：数据选取；数据归一化；根据神经元-胶质细胞链接原则从训练样本信息中得到隐藏层节点数；根据Hebb规则得到输入层与隐藏层之间的链接权重；根据ELM算法得到隐藏层与输出层之间的权重；对PTA关键过程变量醋酸消耗进行软测量。

优选的，上述PTA装置醋酸消耗的软测量方法，其特征在于，PTA生产中进料醋酸含量、进料流量、水回流量、NBA主回流量、NBA侧线回流量、蒸汽流量、塔顶采出量、进料温度、回流温度、塔顶温度、塔板温度、塔板温度、塔板温度、塔内压力、塔板之间可控温度点、回流罐液位、溶剂脱水塔的操作压力作为输入；溶剂脱水塔塔顶电导率作为输出。

优选的，上述PTA装置醋酸消耗的软测量方法，其特征在于，给定n个样本以及对应输出p是每个样本的输入属性数，m是每个样本的输出属性数。