[发明专利]一种蒸发过程出料苛性碱浓度测量装置精度补偿方法

权利要求书

1.一种蒸发过程出料苛性碱浓度测量装置精度补偿方法，其特征在于，包括以下步骤：

步骤一：数据采集：采集蒸发过程碱液折光度、温度、苛性碱浓度仪表值及化验值的过程数据；

步骤二：数据预处理：对步骤一采集的过程数据进行滑动平均滤波处理、时序匹配、归一化处理，获得经过预处理的过程数据；

步骤三：将经过预处理的过程数据输入苛性碱浓度测量装置精度补偿模型，获得补偿值；

步骤四：将苛性碱浓度仪表值与补偿值相加，实现苛性碱浓度的在线补偿；

还包括构建苛性碱浓度测量装置精度补偿模型，并训练模型参数；

构建苛性碱浓度测量装置精度补偿模型包括如下步骤：

将所选取的历史折光度、历史温度数据作为输入数据，历史浓度仪表值和历史化验值的误差作为输出数据，采用深度学习算法，构建深度学习精度补偿模型，所述输入数据和所述输出数据均经过步骤二的数据预处理；

深度学习算法采用双层LSTM网络和一层全连接层建立苛性碱浓度测量装置精度补偿模型。

2.根据权利要求1所述的补偿方法，其特征在于：

步骤二中采用的滑动平均滤波处理中，设置滑动滤波窗口长度，即滑动平均滤波点数为N，滤波算式为：

式中，X(t)为滤波后t时刻的值，X′(t)为原数据t时刻的值，N为滑动滤波窗口长度。

3.根据权利要求1所述的补偿方法，其特征在于：步骤二中采用的时序匹配处理中，将2小时的过程数据按优化控制周期40分钟分成3份，每份取40分钟过程数据的均值，对应上一次采样的化验数据；

其中，时序匹配公式为：

式中，X(i)为滤波后第i时刻的值，X(k)为匹配第k点化验值的过程数据。

4.根据权利要求1所述的补偿方法，其特征在于：步骤二中采用的归一化处理，对苛性碱浓度测量装置精度补偿模型所用的输入输出变量状态均进行归一化处理：

其中，对于某一变量数据的历史数据X＝[x₁,…,x_n]，x_n表示第n个点该变量状态；x_max表示该变量在所有历史数据中的最大值；x_min表示该变量在所有历史数据中的最小值；

其中，输入变量为经过预处理的过程数据，输出变量为补偿值。

5.根据权利要求1所述的补偿方法，其特征在于：

还包括：使用均方根误差、平均绝对误差、平均绝对百分比误差对所述苛性碱浓度测量装置精度补偿模型进行评价：

所述均方根误差的计算公式为：

所述平均绝对误差的计算公式为：

所述平均绝对百分比误差的计算公式为：

其中，y_i为第i组样本的化验值，为第i组样本的补偿后的苛性碱浓度值。