[发明专利]一种基于集成流形学习的填料塔液泛状态在线监测方法

说明书

一种基于集成流形学习的填料塔液泛状态在线监测方法，分为离线学习与在线监测两步，(一)离线学习：通过传感器获得塔设备运行正常工况下的过程变量数据；基于等距离映射算法构建离线流形学习模型，对子训练集进行降维处理；随后建立集成流形学习模型，用多个子训练集训练同一个ISOMAP流形学习模型，最后将结果集成分析处理；最后对集成流形学习模型进行评估，确定是否满足液泛监测要求；(二)在线监测：在每一喷淋密度下，都会计算得到T²与SPE统计量；然后将T²与SPE统计量与离线模型在此喷淋密度下的T²与SPE控制线比较，实现液泛状态的在线监测。本发明提高了塔设备运行状态中液泛监测的及时性、准确性。

技术领域

本发明涉及一种基于集成流形学习的填料塔液泛状态在线监测方法，特别涉及一种化工生产中填料塔设备液泛过程数据的处理和分析方法。

背景技术

填料塔是用于气体吸收、分离等操作的一种塔设备，由于它有效率高、处理能力强、能源利用率高等特点，所以被广泛的使用。在现代化生产中，为了达到效益最大化，通常要求填料塔的效率保持在最高点附近。但在填料塔运行中，在效率最高点附近往往会发生液泛，液泛会使填料塔设备的生产效率下降，严重时甚至会让塔设备停止工作，损害塔设备。

为了更好的进行生产，就需要监测填料塔是否发生液泛。一般在填料塔内监控的参数包括风流量、塔内压差等在内的十多个参数，显然，对于收集到的过程数据，仅通过人来进行监测、处理是十分困难，而且人工处理会受到各方面的影响，这种不稳定性在工业上是不被允许的。为了更好的监测填料塔的工况，同时提高监测的可靠性，近几年，寻找高维数据内部的低维流形规律的流形学习在过程监测中得到成功应用。事实上，常用的线性降维方法如主成分分析(PCA)、多维尺度分析(MDS)等都属于广义的流形学习算法，在过程监测中也已得到成功应用。

等距离映射算法(ISOMAP)是一种非迭代的全局优化算法，它是依靠分析全局数据的信息来实现数据的非线性降维，该算法通过构造距离矩阵反映样本点之间的测地距离。由于测地距离一般能够较好地反映数据的本质流形几何特征，所以ISOMAP可以成功地找到高维数据所对应的低维输出。因此，能够求解高维数据的集成ISOMAP流形算法对于填料塔液泛监测数据的非线性结构应当会有更好的效果。

发明内容

针对已有的液泛监测方法的不足和缺陷，本发明提出一种基于集成流形学习的填料塔液泛状态在线监测方法，该方法提高了塔设备运行状态中液泛监测的及时性、准确性，利用集成流形学习技术对填料塔运行过程中的变量数据进行处理和分析，最终实现对其运行中液泛状态的在线监测。

本发明解决其技术问题所采用的技术方案是：

一种基于集成流形学习的填料塔液泛状态在线监测方法，包括以下步骤：

(一)离线学习，构建集成学习模型，过程如下：

(1)通过传感器获得塔设备运行正常工况下的过程变量数据

运行填料塔设备，并通过传感器获取不同喷淋密度下的过程数据变量；在同一喷淋密度下测量不同风频的填料塔工况，然后改变喷淋密度，测量得到多组不同喷淋密度、不同风频的填料塔工况数据；

(2)对采集到的过程变量数据进行数据预处理

测量数据不能直接用于集成流形学习的直接分析处理，需要对这些数据进行预处理，包括：选择稳定数据平均化处理、去除数据中重复作用相关变量和数据自标定处理；利用处理后的数据制作总数据集，然后经过随机取样获得一定样本的子训练集，监测样本集；

(3)基于ISOMAP构建离线流形学习模型，对子训练集进行降维处理