[发明专利]一种基于OS-ELM的复杂分离过程测量模型建立方法

说明书

本发明公开了一种基于OS‑ELM的复杂分离过程测量模型建立方法，软测量建模的步骤主要包括辅助变量的选择、数据采集与预处理、软测量模型的建立以及软测量模型的在线校正四个环节，该方法是利用与主导变量也称一次变量，有密切联系而又容易测量的辅助变量也称为二次变量，通过构造一定的数学关系来实现对主导变量的估计。软测量技术能获取一些传统仪器无法直接测量而又十分重要的过程参数，对实现生产过程的优化、关键参数的冗余测量以及运行状态的监控都有着重要的意义。

技术领域

本发明涉及复杂分离过程工艺条件优化技术领域，具体为一种基于OS-ELM的复杂分离过程测量模型建立方法。

背景技术

基于刮膜蒸发技术的复杂分离过程，突破了常规分离技术依靠沸点差分离物质的原理,是在10-4～10-2mmHg的高真空下进行操作的非平衡分离过程，在此条件下蒸发器和冷凝器间的距离小于被分离对象轻分子的平均自由程，因此可以称作Short-PathDistillation——短程蒸馏。复杂分离过程采用的刮膜蒸发器，利用刮膜器的旋转，使得物料均匀向塔壁飞散，并在塔壁上形成一层均匀的薄膜，使单位体积流量具有足够大的蒸发面积，同时对蒸发液膜进行不断地更新，液膜呈湍流流动，既可避免局部过热，又可强化其内部质量和热量传递过程，其优点是物料在加热壁面上的停留时间短，热分解的危险性小，分离过程可以连续进行，有效的缩短了分离时间，提高了分离效率，达到了节约能源的目的，但是同时也使蒸发器内物料流动过程更加复杂，并且如果通过安装传感器检测内部物料流动的参数，不可避免会出现传感器与刮膜器之间发生摩擦、碰撞等现象，造成设备耗损，所以无法进行实时测量。若对复杂分离过程中的状态变量，即分离产物得率和纯度，采用定时离线分析的方法，每隔几小时采样一次送化验室进行人工分析，通常滞后几个小时，且采样周期较长，远远不能满足在线控制的要求。

软测量技术也称为软仪表，基本思想是根据某种最优准则选择与状态变量相关性大又容易测量的过程变量构造某种软测量模型来估计状态变量，很好的解决了复杂分离过程的变量控制问题。

发明内容

本发明的目的在于提供一种基于OS-ELM的复杂分离过程测量模型建立方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于OS-ELM的复杂分离过程测量模型建立方法,包括以下步骤：

步骤一：根据复杂分离过程的先验知识初步确定待选的辅助变量集，然后根据具体机理和实际工况，按照耦合性、过程适用性、精确性、鲁棒性等原则进行选择蒸发温度、进料速度、刮膜电机转速、真空度为最佳的辅助变量；

步骤二：使用数据协调方法和人工剔除法对测量数据进行预处理；

步骤三：软测量模型的建立：在复杂分离过程中采用基于过程数据的软测量建模方法，强调的是通过辅助变量来获得对主导变量的最佳估计；

步骤四：软测量模型的在线校正：软测量模型的在线校正可包括模型参数的修正和模型结构的优化两方面，模型的参数修正具体方法有自适应法、增量法和多时标法。

优选的，所述步骤二中：系统真实模型为：为了对状态变量进行估计，通过辅助变量建立软测量模型：y_*＝f(u,y',θ,d₂)；

通过软测量模型得到主导变量的估计值并将其反馈给运行人员或控制器，从而为运行过程的优化提供指导以及实现对主导变量的冗余测量；

其中，u^*为设定值，u为控制输入，d₁为不可测扰动，d₂为可测扰动，θ为辅助变量，为不可测辅助变量，y为主导变量，y'为主导变量定时离线分析值，y^*为软测量模型输出值。

优选的，所述步骤四中采用OS-ELM算法对在线软测量模型的校正进行了优化，OS-ELM算法原理如下：