[发明专利]一种基于有监督型SAE的尾气硫化氢浓度实时监测方法

权利要求书

1.一种基于有监督型SAE的尾气硫化氢浓度实时监测方法，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(7)；

步骤(1)：利用5个流量仪表实时测量硫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排放尾气中硫化氢的N个浓度数据，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}分别对应于未进化尾气流量，两个燃烧室的空气进料流量，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)：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(4)：搭建一个由M层自编码器串联组成的有监督型SAE，并确定隐层神经元激活函数f(u)，输出层神经元激活函数ζ(u)，和各层自编码器的隐层神经元个数h₁，h₂，…，h_M；其中u表示函数自变量；

步骤(5)：利用BP算法依次训练有监督型SAE中第1层自编码器，第2层自编码器，直至第M层自编码器的隐层和输出层的权重系数W₁，W₂，…，W_M和以及隐层和输出层的阈值b₁，b₂，…，b_M和具体的实施过程如步骤(5.1)至步骤(5.5)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1个神经元，并分别初始化隐层和输出层的权重系数和阈值；

步骤(5.2)：以z₁，z₂，…，z_n做为第1层自编码器的输入，同时以做为第1层自编码器的输出，利用BP算法训练得到第1层自编码器的隐层和输出层的权重系数和以及隐层和输出层的阈值和后，初始化m＝1，其中分别表示输出向量中的第10个，第11个，至第N个元素，表示h₁×1维的实数向量；

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1个神经元，并分别初始化隐层和输出层的权重系数和阈值；

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层自编码器的隐层和输出层的权重系数和以及隐层和输出层的阈值和其中表示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的权重系数W₁，W₂，…，W_M和以及阈值b₁，b₂，…，b_M和

步骤(6)：根据公式计算出第m层自编码器的输出估计值并将这些输出估计值组成估计值向量重复步骤(6)直至得到各层自编码器的估计值向量其中上标号T表示矩阵或向量的转置；

步骤(7)：将估计值向量组成估计值矩阵后，计算最小二乘回归系数向量其中列向量

上述实施步骤完成了对尾气H₂S浓度的软测量建模，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H₂S浓度的实时监测，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，和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为有监督型SAE的输入，利用步骤(5.5)中保留的权重系数和阈值，依次计算得到第1层自编码器，第2层自编码器，直至第M层自编码器的输出估计值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，再根据公式计算第1层自编码器的输出估计值y_t(1)，并初始化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，再根据公式第m层自编码器的输出估计值

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个输出估计值并将之组建成一个估计值向量

步骤(11)：根据公式计算出后，再根据计算t采样时刻的尾气硫化氢浓度的监测值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尾气硫化氢的浓度在线监测。