论文部分内容阅读
渗透气快气浓度、渗透气流量和尾气快气浓度是气体膜分离过程的关键性能参数,其在线检测是气体膜分离过程优化控制研究的重要内容。而这些参数往往无法或难以直接进行精确的在线测量。目前,主要还是人工法,需要采样的次数多,工作量大,还具有一定的时变性,测量精度受人和环境的影响难以得到保证。当误差较大时,就不能对过程优化和实时控制提供有效的指导。针对上述问题,本论文结合当前复杂工业过程优化控制研究和智能检测研究热点,基于软测量智能建模方法和现场数据,首先应用PCA (Principal Component Analysis,主元分析)方法分析了气体膜分离过程辅助变量对主导变量的不同影响程度,简化了软测量智能建模过程；然后,对气体膜分离过程不同工艺流程分别进行了智能建模与性能参数预测的适用性研究。主要研究内容：基于PCA-RBFNN (Radial Basis Function Neural Network,径向基函数神经网络)和PCA-LSSVM (Least Square Support Vector Machine,最小二乘支持向量机)的炼厂气氢回收膜分离过程单级流程的性能参数预测研究；基于PCA-LSSVM的炼厂气氢回收膜分离过程两级流程和基于BPNN (Back Propagation Neural Network,误差反向传播神经网络)及PSO (Particle Swarm Optimization,粒子群算法)-BPNN的天然气脱C02膜分离过程两级流程的性能参数预测研究；基于LSSVM的炼厂气氢回收膜分离过程三级流程和基于LSSVM的天然气脱C02膜分离过程两级流程的性能参数在线预测研究。本论文基于MATLAB软件平台和现场数据,通过建立的离线／在线模型对气体膜分离过程单级流程、两级流程和多级流程的性能参数分别进行了预测。仿真结果表明,结合气体膜分离过程设计的软测量智能模型能有效预测气体膜分离过程的关键性能参数,为气体膜分离过程的实时控制和优化控制奠定了基础。