[发明专利]一种工业硫磺回收装置尾气二氧化硫含量实时预测方法

权利要求书

1.一种工业硫磺回收装置尾气二氧化硫含量实时预测方法，其特征在于，包括以下步骤：

首先，离线建模阶段包括如下所示步骤(1)至步骤(8)；

步骤(1)：在工业硫磺回收装置正常运行时，利用5个流量仪表实时测量工业硫磺回收装置中的流量数据，直至采集得到N个样本数据，分别记录成5个列向量x₁，x₂，x₃，x₄，x₅，并利用离线分析仪获取相同采样时刻尾气SO₂含量的N个样本数据，对应记录成列向量y，其中x_i由第i个流量的N个样本数据组成，i∈{1，2，3，4，5}分别对应于单乙醇胺气体流量，两个进气管道内的空气流量，酸-水汽提过程的气相流量，和酸-水汽提过程的空气流量；

步骤(2)：根据如下所示公式对x₁，x₂，x₃，x₄，x₅和y分别实施归一化处理，对应得到5个数据向量和一个输出向量并将数据向量组建成一个数据矩阵

其中，R^N×5表示N×5维的实数矩阵，表示归一化处理后的第i个数据向量，x_i(min)表示列向量x_i中的最小值，x_i(max)表示列向量x_i中的最大值，y_min与y_max分别表示列向量y中的最小值和最大值；

步骤(3)：搭建一个由M层自编码器串联组成的栈式自编码器，并确定各层自编码器的隐层神经元个数h₁，h₂，…，h_M、隐层神经元激活函数f(u)和输出层神经元激活函数ζ(u)；其中u表示函数自变量；

步骤(4)：根据如下所示公式组建N-9个输入向量z₁，z₂，…，z_n，其中n＝N-9；

z_j＝[X(j+9)，X(j+4)，X(j+2)，X(j)]^T    ②

上式中，X(j+9)，X(j+4)，X(j+2)，X(j)分别表示数据矩阵X中的第j+9行，第j+4行，第j+2行和第j行的行向量，j∈{1，2，…，n}，z_j∈R^20×1表示第j个输入向量，R^20×1表示20×1维的实数向量，上标号T表示矩阵或向量的转置；

步骤(5)：利用BP算法依次训练步骤(3)中搭建的栈式自编码器第1层自编码器，第2层自编码器，直至第M层自编码器的隐层神经元权重系数矩阵W₁，W₂，…，W_M和阈值向量b₁，b₂，…，b_M，具体的实施过程如下所示；

步骤(5.1)：第1层自编码器的输入层有20个神经元，隐层有h₁个神经元，输出层有20个神经元，并分别初始化隐层神经元和输出层神经元的权重系数矩阵和阈值向量；

步骤(5.2)：以z₁，z₂，…，z_n做为第1层自编码器的输入，同时以z₁，z₂，…，z_n做为第1层自编码器的输出，利用BP算法训练得到第1层自编码器的隐层神经元层权重系数矩阵和阈值向量后，初始化m＝1；

步骤(5.3)：第m+1层自编码器的输入层有h_m个神经元，隐层有h_m+1个神经元，输出层有20个神经元，并分别初始化隐层神经元和输出层神经元的权重系数矩阵和阈值向量；

步骤(5.4)：以第m层自编码器隐层的输出向量g₁(m)，g₂(m)，…，g_n(m)做为第m+1层自编码器的输入，同时以z₁，z₂，…，z_n做为第m层自编码器的输出，再次利用BP算法训练得到第m+1层自编码器的隐层神经元的权重系数矩阵和阈值向量其中表示h_m×h_m+1维的实数矩阵，表示h_m+1×1维的实数向量，g₁(m)，g₂(m)，…，g_n(m)的计算方式如下所示：

上式中，j∈{1，2，…，n}；

步骤(5.5)：判断是否满足m+1＜M；若是，则设置m＝m+1后返回步骤(5.3)；若否，则训练结束，保留栈式自编码器所有隐层神经元的权重系数矩阵W₁，W₂，…，W_M和阈值向量b₁，b₂，…，b_M；

步骤(6)：在步骤(5)训练好的栈式自编码器的基础上，新增一层只包含一个神经元的输出层，并确定相应的激活函数γ(u)以及初始化该神经元的权重系数与阈值；

步骤(7)：以第M层自编码器隐层的输出向量g₁(M)，g₂(M)，…，g_n(M)做为步骤(6)中输出层神经元的输入，同时以做为输出，利用BP算法训练得到步骤(6)中输出层神经元的权重系数W_o和阈值b_o；其中分别表示输出向量中的第10个，第11个，至第N个元素；

上述实施步骤完成了对工业硫磺回收装置尾气SO₂含量的软测量建模，接下来就是利用在线实时测量的5个流量数据，实现对尾气SO₂含量的实时软测量，具体实施步骤如下所示；

步骤(8)：在最新采样时刻t，对5个流量仪表测量到的数据v₁(t)，v₂(t)，v₃(t)，v₄(t)，v₅(t)进行归一化处理，得到归一化后的数据具体的归一化方式如下所示：

上式中，i∈{1，2，3，4，5}；

步骤(9)：根据a_t＝[v(t)，v(t-5)，v(t-7)，v(t-9)]^T组建最新采样时刻的输入向量a_t，其中，行向量v(t-5)，v(t-7)，v(t-9)分别表示t-5采样时刻，t-7采样时刻，t-9采样时刻的测量数据经归一化处理后的数据组建的行向量；

步骤(10)：以输入向量a_t为栈式自编码器的输入，通过步骤(5.5)中保留的权重系数矩阵W₁，W₂，…，W_M和阈值向量b₁，b₂，…，b_M，依次计算得到第1层自编码器隐层，第2层自编码器隐层，直至第M层自编码器隐层的输出向量c₁，c₂，…，c_M，具体的实施过程如下所示；

步骤(10.1)：根据公式c₁＝f(W₁^Ta_t+b₁)计算第1层自编码器隐层的输出向量c₁，再初始化m＝2；

步骤(10.2)：根据公式计算第m层自编码器隐层的输出向量c_m；

步骤(10.3)：判断是否满足m＜M；若是，则设置m＝m+1后，返回步骤(10.2)；若否，则得到第M层自编码器隐层神经元的输出向量c_M；

步骤(11)：根据公式计算出后，再根据计算t采样时刻的SO₂含量的预测值y_t；

步骤(12)：返回步骤(8)，继续实施对下一个最新采样时刻的SO₂含量的实时预测。