[发明专利]“德士古合成气”的组分气体的软测量方法

权利要求书

1.一种合成氨生产中采用“急冷工艺”的德士古水煤浆加压气化工艺流程制备原料气时，对“碳洗塔”顶部出口处“德士古合成气”中CO、H₂和CO₂气体含量的在线软测量方法，包括如下步骤：

(1)“德士古合成气”中CO、H₂和CO₂气体含量软测量模型训练样本的获取：

选取采用“急冷工艺”的德士古水煤浆加压气化工艺流程中，M、A、Va、C、ST、Cc、Fc、Pc、Tc、Fo、Foc、Po、To、Fw、Tw、Fb、Tb、Fg、Pg、Tg、P和T为软测量的辅助变量；选取CO_分析、H_2分析和CO_2分析分别作为三个软测量模型训练样本的目标输出变量；对22个辅助变量应用3σ准则和一阶数字滤波进行错误数据的剔除和数据平滑，以及归一化处理后，进行主元分析，将获得的8个主元变量同时作为三个软测量模型的输入数据，最终，采用8个主元变量和各自的目标输出变量分别组成“德士古合成气”中CO、H₂和CO₂含量软测量模型的训练样本；

(2)“德士古合成气”中CO、H₂和CO₂气体含量软测量模型的建立：

采用3个结构相同的Back Propagation(BP)神经网络分别建立CO、H₂和CO₂气体含量的软测量模型，并用由步骤(1)中获取的训练样本对所述BP网络模型进行训练；

(3)“德士古合成气”中CO、H₂和CO₂气体含量的软测量值的获得：

由步骤(1)中选取的22个辅助变量的当前值并进行归一化，将其压缩转换为8个主元变量后，分别代入步骤(2)中所建立的“德士古合成气”中CO、H₂和CO₂气体含量的三个软测量BP神经网络模型中进行计算，将各自得到的网络模型输出值分别进行反归一化，即得到当前的“德士古合成气”中CO、H₂和CO₂气体含量的软测量值。

2.如权利要求1所述的在线软测量方法，其特征在于，其中所述“碳洗塔”顶部出口处“德士古合成气”中CO气体含量的BP神经网络模型的输入层的节点数为8，中间层的隐层层数为1，隐层节点数为8，输出层节点数为1。

3.如权利要求2所述的在线软测量方法，其特征在于，其中所述“碳洗塔”顶部出口处“德士古合成气”中CO气体含量的BP神经网络的输入变量的在线测量值采用一阶数字滤波技术进行平滑滤波处理。

4.如权利要求3所述的在线软测量方法，其特征在于，其中，每4小时，采用“碳洗塔”顶部出口处“德士古合成气”中CO气体含量的人工分析值对CO气体含量的BP神经网络的软测量模型进行在线“滚动”优化校正一次，如果误差超限，则对CO气体含量的BP神经网络的软测量模型重新进行训练，以获得新的参数。

5.如权利要求1所述的在线软测量方法，其特征在于，其中所述“碳洗塔”顶部出口处“德士古合成气”中H₂气体含量的BP神经网络模型的输入层的节点数为8，中间层的隐层层数为1，隐层节点数为8，输出层节点数为1。

6.如权利要求5所述的在线软测量方法，其特征在于，其中所述“碳洗塔”顶部出口处“德士古合成气”中H₂气体含量的BP神经网络的输入变量的在线测量值采用一阶数字滤波技术进行平滑滤波处理。

7.如权利要求6所述的在线软测量方法，其特征在于，其中，每4小时，采用“碳洗塔”顶部出口处“德士古合成气”中H₂气体含量的人工分析值对H₂气体含量的BP神经网络的软测量模型进行在线“滚动”优化校正一次，如果误差超限，则对H₂气体含量的BP神经网络的软测量模型重新进行训练，以获得新的参数。

8.如权利要求1所述的在线软测量方法，其特征在于，其中所述“碳洗塔”顶部出口处“德士古合成气”中CO₂气体含量的BP神经网络模型的输入层的节点数为8，中间层的隐层层数为1，隐层节点数为8，输出层节点数为1。