[发明专利]一种裂解反应炉温度的主成分分析建模方法

说明书

本发明公开了一种裂解反应炉温度的主成分分析建模方法。本发明通过采集过程对象的输入输出数据，结合神经网络模型，使用改进的主成分分析方法建模，结合改进的遗传算法算子优化神经网络模型的网络层和参数，而得到裂解反应炉温度预测方法。通过本发明建立的模型具有较高的精确性，能很好地描述过程对象的动态特性。

技术领域

本发明属于自动化工业过程控制领域，涉及到一种裂解反应炉温度的主成分分析建模方法。

背景技术

在实际工业过程中，由于许多复杂的实际过程对象的物理或化学特性并不为人所知，使得系统建模是先进控制技术中非常重要的一个环节。如裂解反应炉是生产乙烯等重要化工原料的一种生产设备，乙烯等重要化工原料的生产技术更是一个国家化工能力的体现。裂解反应炉在生产时温度的控制十分重要，裂解反应的温度直接控制着裂解反应物生产，影响着裂解生成物的质量与数量。一个好的裂解反应炉温度的建模对工业生产至关重要。

发明内容

本发明的目的是针对裂解炉温度对象的建模过程比较困难这一问题，通过数据采集、模型建立、优化等手段，提供了一种裂解炉温度的主成分分析算法与神经网络结构参数优化建模方法。

本发明通过采集过程对象的输入输出数据，结合改进的神经网络模型，使用改进的遗传算法优化神经网络的网络层和参数。

本发明方法的步骤包括：

步骤1、采集过程的实时运行数据，建立过程对象神经网络模型，具体步骤如下：

1-1.根据建立模型，综合主成分分析方法，得到给定子集p的最优解如下形式：

其中，S为数据的协方差矩阵，S²协方差矩阵的平方，S_P中选定S中p个变量组成的p×p子阵。为求矩阵的逆矩阵，tr()求括号中矩阵的迹。

将其转换为最小化问题表示为J₁，形式如下：

J₁＝1/f₁

1-2.将输入输出数据与预测输出之间的映射关系，即模型结构表示为如下形式：

其中，x(k)＝[y(k-1),…,y(k-n),u(k-1),…,u(k-m)]是被控对象观测输入，y(k-1),…,y(k-n)分别是k-1，…,k-n时刻被控对象输出。u(k-1),…,u(k-m)分别是k-1，…,k-m时刻选取的干扰。n和m分别是输出和输入的最大阶次，f表示模型的映射关系。

1-3.引入隐藏神经元，模型预测输出表示为如下形式：

其中，]是连接隐藏神经元到输出层的权值，n_h是隐藏节点的个数。φ_i(||x(k)||)是隐层中第i个神经元输出，形式如下：

||x(k)-c_i||是x(k)与c_i之间的欧几里德距离，||x(k)||为x(k)的模，与σ_i∈R分别是高斯函数的中心向量和宽度，exp是指数函数。

1-4.给出N₁个训练数据样本,Y₁＝[y₁(1),…,y₁(N₁)]，U＝[u(1),…,u(N₁)]，可以通过递归方法计算权重系数：