[发明专利]聚苯醚生产过程的快速状态估计方法

说明书

本发明公开了一种聚苯醚生产过程的快速状态估计方法，包括以下步骤：建立由苯酚和甲醇烷基化作用生成聚苯醚过程的线性高维系统动态模型，根据系统特性将高维的系统状态向量分成低维状态块，运用变分贝叶斯理论和卡尔曼滤波原理对状态块进行状态估计。本发明可以在保持较高的状态估计精度的同时有效的降低计算代价，实现高维系统在估计精度和计算代价时的权衡。

技术领域

本发明涉及复杂过程状态估计与监测技术领域，具体涉及一种聚苯醚生产过程的快速状态估计方法。

背景技术

由苯酚和甲醇的烷基化作用生成聚苯醚的过程涉及众多的状态变量，属于复杂工业过程的领域，因此该过程可以被描述为高维系统，而对聚苯醚生产过程的状态估计就可以转化为对这个高维系统的状态估计。现有技术中有使用卡尔曼滤波对高维系统的状态进行估计的，卡尔曼滤波可以在最小均方误差意义上提供最优估计，但是卡尔曼滤波器实际应用到高维系统时需要付出的计算代价非常高。为了降低计算代价，也有提出了集合卡尔曼滤波的方法，虽然可以在一定程度上降低计算代价，但是降低的效果有限。同时，估计精度的高低取决于样本集合的大小，当样本集合足够大时状态估计的精度才可以达到令人满意的效果，但是样本集合大的同时计算的代价就相对较高；而当样本集合较小时计算代价虽然可以在一定程度上降低，但此时状态估计的精度又很难达到令人满意的效果。目前也没有良好的状态估计方法可以实现高维系统在估计精度和计算代价时的权衡。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中的不足，提出一种可以在保证对苯酚和甲醇的烷基化作用生成聚苯醚的这一过程的状态进行高精度估计的同时降低计算代价，实现状态估计精度与计算代价权衡的聚苯醚生产过程的快速状态估计方法。

为解决上述技术问题，本发明提供了一种聚苯醚生产过程的快速状态估计方法，包括以下步骤：

步骤1：建立由苯酚和甲醇烷基化作用生成聚苯醚过程的线性高维系统动态模型，

步骤2：根据系统特性将高维的系统状态向量分成d_s个状态块，每一个状态块的维数为s_i；

步骤3：设定系统初始状态值初始协方差矩阵P_0|0、n时刻系统的测量值y_n、过程噪声协方差矩阵Q_n、分块数d_s、每一时刻的总迭代次数L和总的采样次数steps，初始化时间索引n＝1；

步骤4：根据变分贝叶斯理论和卡尔曼滤波原理计算每一个状态块的状态预测值和每一个状态块的协方差的预测值；

步骤5：更新每一个状态块的协方差的预测值，初始化迭代次数l＝1；

步骤6：更新每一个状态块的状态预测值；

步骤7：判断当前的迭代次数l是否满足l＝L，若是则执行步骤8；若否则令l＝l+1，并跳转执行步骤6；

步骤8：输出n时刻每一个状态块的估计值；

步骤9：输出n时刻系统状态的估计值和n时刻系统状态的协方差矩阵；

步骤10：判断时刻n是否满足n＝steps，若否则令n＝n+1，并跳转执行步骤4；若是则结束输出，得到聚苯醚生产过程的状态估计。

进一步地，所述步骤1中建立的线性高维系统动态模型为：

x_n+1＝F_nx_n+w_n，

y_n＝H_nx_n+v_n；