软测量技术在氯甲烷回收中的应用研究

【摘要】：氯甲烷含水量和回收率是衡量氯甲烷回收装置性能的两个重要指标。由于氯甲烷回收过程具有工艺复杂、强非线性、大时变和大时滞等特点,导致氯甲烷含水量和回收率无法在线测量,因此提出将软测量技术应用于氯甲烷回收过程的质量指标在线估计研究中。采用机理建模方法建立氯甲烷回收率在线估计模型。针对简单支持向量机增量学习算法所存在的不足,提出了一种支持向量机改进增量学习算法,并应用于氯甲烷含水量软测量建模研究中。 本文的主要研究内容包括: (1)首先介绍了软测量技术研究的背景与意义,以及软测量技术的基本思想和实现步骤,然后介绍了各种软测量建模方法,并针对其存在的缺陷介绍了研究者提出的各种改进方法,进一步对各种软测量建模方法在化工领域中的应用现状进行综述; (2)在详细分析氯甲烷回收过程压缩冷凝工艺的基础上,通过分析混合尾气中各组分的变化情况,采用机理建模方法建立了氯甲烷回收率的在线预测模型,并对模型进行了简化处理。实际应用效果表明,简化后的模型同样可准确预测氯甲烷回收率; (3)在详细了解支持向量机基本原理的基础上,针对支持向量机简单增量学习算法所存在的不足,引入了KKT(Karush-Kuhn-Tucker,简称KKT)条件。在深入分析和研究KKT条件的基础上,发现新增样本集中如果存在违反KKT条件的样本,必然会使原支持向量集发生变化,原非支持向量也有可能转化为支持向量。鉴于此种情况,提出了一种支持向量机改进增量学习算法,该算法将初始样本集和新增样本集进行KKT条件的相互验证,把支持向量集和违背KKT条件的样本集合并作为新的支持向量集进行训练,通过仿真实例验证了该算法的可行性; (4)针对氯甲烷含水量无法实现在线测量,而且干燥过程机理不明确的缺点,采用支持向量机改进增量学习算法建立了氯甲烷含水量软测量模型。通过详细分析氯甲烷干燥过程工艺选择辅助变量,然后对现场采集的样本数据进行数据预处理,最后建立了基于支持向量机改进增量学习算法的氯甲烷含水量软测量模型。实际应用效果表明,与支持向量机简单增量学习算法相比,采用该改进算法建立的软测量模型具有更佳的预测精度。 将软测量技术应用于氯甲烷回收过程的质量指标在线估计研究中,成功建立了基于机理分析的氯甲烷回收率软测量模型和基于支持向量机改进增量学习的氯甲烷含水量软测量模型。研究成果为氯甲烷含水量和回收率的质量控制提供了重要依据,也有助于提高氯甲烷生产过程的经济效益。 【关键词】：氯甲烷 含水量 回收率 软测量 支持向量机增量学习 机理建模
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：TQ222.214
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 绪论11-14
• 1.1 引言11-12
• 1.2 文章结构12-14
• 第二章 软测量技术及其在化工过程中的应用14-27
• 2.1 引言14-15
• 2.2 软测量技术15-19
• 2.2.1 辅助变量选择16-17
• 2.2.2 数据预处理17-18
• 2.2.3 软测量建模18-19
• 2.2.4 模型校正19
• 2.3 软测量技术应用现状19-26
• 2.3.1 机理建模19-20
• 2.3.2 经验建模20-25
• 2.3.3 混合建模25-26
• 2.4 小结26-27
• 第三章 基于机理分析的氯甲烷回收率软测量建模研究27-34
• 3.1 引言27
• 3.2 压缩冷凝工艺分析27-28
• 3.3 机理建模28-29
• 3.4 数据预处理29-31
• 3.5 预测结果分析31-33
• 3.6 小结33-34
• 第四章 支持向量机改进增量学习算法研究34-55
• 4.1 引言34-35
• 4.2 统计学习理论35-39
• 4.2.1 VC 维35-36
• 4.2.2 推广性的界36-37
• 4.2.3 经验风险最小化37-38
• 4.2.4 结构风险最小化38-39
• 4.3 支持向量分类机39-45
• 4.3.1 线性支持向量机40-43
• 4.3.2 非线性支持向量机43-45
• 4.4 支持向量机增量学习45-49
• 4.4.1 研究现状46-48
• 4.4.2 学习算法48-49
• 4.5 支持向量机改进增量学习49-54
• 4.5.1 KKT 条件49-52
• 4.5.2 基于KKT 条件的改进学习算法52-53
• 4.5.3 仿真实例53-54
• 4.6 小结54-55
• 第五章 基于改进 ISVM的氯甲烷含水量软测量建模研究55-69
• 5.1 引言55-56
• 5.2 氯甲烷回收工艺56-60
• 5.2.1 工艺流程56-58
• 5.2.2 主要回收设备58-60
• 5.3 氯甲烷含水量预测60-68
• 5.3.1 选取辅助变量60-61
• 5.3.2 数据预处理61-62
• 5.3.3 软测量建模62-64
• 5.3.4 结果与讨论64-68
• 5.4 小结68-69
• 第六章 总结与展望69-72
• 6.1 全文总结69-71
• 6.2 研究展望71-72
• 参考文献72-78
• 致谢78-79
• 攻读学位期间发表的学术论文目录79

您可以在本站搜索以下学术论文文献来了解更多相关内容

基于ELM新方法的LF终点温度软测量混合模型    田慧欣;毛志忠;王嘉铮;

软测量技术和约束控制在精馏塔优化控制中的应用    翟军勇,费树岷,张湜

转炉静态机理模型与节能降耗    陈俊东;张彩军;冯聚和;

PLS回归软测量方法在催化重整稳定油组分估计中的应用    刘瑞兰,苏宏业,褚健

基于混合核函数PCR方法的工业过程软测量建模    王华忠,俞金寿

一种基于支持向量机增量学习的软测量建模方法    张英,苏宏业,褚健

基于软测量技术的C_5石油树脂粘度的在线检测    陈雷;徐文艳;王豪;

基于最小二乘支持向量机的软测量方法在精对苯二甲酸生产中的应用    王清培;刘瑞兰;

宜宾市酸雨pH值预测的偏最小二乘回归分析    梅自良,王斌,王建平,杜长江,俸强

基于微粒群优化算法和支持向量机的软测量建模    卜艳萍;俞金寿;

草甘膦及副产氯甲烷回收新工艺研究    任不凡

基于支持向量机的农村劳动力转移预测    唐晓芬;赵秉新;

人群运动与密度估计技术研究    王尔丹

最小二乘支持向量机的研究与应用    冯学军;

基于CPSO和SVM的混沌时间序列预测    郭良栋;田江;丛晓东;

建筑物沉降预测的改进Verhulst模型研究    周德强;冯建中;

Temperature Drift Modeling of FOG based on LS-WSVM    王立平;孔小梅;付梦印;王美玲;张甲文;姜明;

基于LS-SVM的光刻过程R2R预测控制方法    王亮;胡静涛;

基于核函数的学习算法    田盛丰

支持向量机增量学习算法研究    李凯,黄厚宽

基于最小二乘支持向量机的航材备件需求建模    薛彦轶;刘晓东;

基于核偏最小二乘的简约最小二乘支持向量机及其应用研究    宋海鹰;桂卫华;阳春华;

基于最小二乘支持向量机的Hammerstein-Wiener模型辨识    宋海鹰;桂卫华;阳春华;

Inverse System Control of Nonlinear Systems Using LS-SVM    

A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition    

A CDMA Signal Receiver based on LS-SVM    

LS-SVM based Stable Generalized Predictive Control    

一种新的提前一步预测控制算法    阎纲;梁昔明;龙祖强;李翔;

基于模糊支持向量机的赖氨酸发酵软测量    孙玉坤;王博;丁慎平;

GA based LS-SVM Classifier for Waste Water Treatment Process    

有监督的等距映射和k近邻分类结合用于集员辨识    柴伟;孙先仿;乔俊飞;

半监督支持向量机学习算法研究    赵莹

单点氨基酸多态性与疾病相关关系的预测及其机制研究    李书艳

电能质量扰动相关问题研究    张明

基于统计学习的模式识别几个问题及其应用研究    王晓明

污水生化处理的智能建模与优化控制策略应用研究    杨红

基于进化算法的复杂化工过程智能建模方法及其应用    许伟

双甘膦催化氧化制草甘膦过程研究    周曙光

时间序列数据挖掘在生物医学中的应用研究    吴少智

支持向量回归机代理模型设计优化及应用研究    向国齐

空间数据分析的神经计算方法    桑永胜

基于颜色和纹理特征的竹条分级方法研究    曾传华

基于支持向量机的人民币序列号识别方法的研究    田文娟

基于3S的土地督察信息系统研究    孟培培

基于支持向量机的时间序列预测    姜成玉

支持向量机在金融市场预测中的应用    李海清

基于在线聚类和最小二乘支持向量机的模糊建模方法研究    李光远

微生物发酵过程的建模与优化控制研究    王巧立

基于OCSVM和主动学习的DDOS攻击分布式检测系统    刘松

基于支持向量机的杂草识别研究    曲昆鹏

基于支持向量机的发酵过程建模研究    韩艳

支持向量机增量学习算法研究    李凯,黄厚宽

若干液体粘度经验关联式的推演及评价    刘洪勤

多神经网络在软测量仪表中的应用    潘立登,朱宇宁

基于小波分析的纸浆Kappa值分类模型软测量    张健,李艳,黄道平,朱学峰,史步海

基于支持向量机的软测量技术及其应用    谭超

LF炉精炼过程钢水温度预报技术    武拥军,姜周华,姜茂发

PCA-DRBFN模型在精馏塔精苯干点估计中的应用    常玉清,王小刚,王福利

基于支持向量机的生物发酵过程软测量建模    常玉清,王福利,王小刚,吕哲

温度对诺西肽发酵过程影响的建模与仿真    张大鹏;王福利;何建勇;何大阔;

基于递阶T-S模糊系统的软测量建模方法    袁平;毛志忠;王福利;

软测量技术若干问题的研究及工业应用    刘瑞兰

催化裂化主分馏塔数学模型    李鹏

基于软测量技术的模糊烧结终点控制研究    刘玉长,桂卫华,周孑民

软测量技术现状与发展    胡长松,贾延刚,夏伯楷

基于最小二乘法的糖液过饱和度软测量    刘红艳;何小阳;曾科;母三民;

软测量技术在PET熔体黏度测量上的应用    张健;

软测量建模软件的设计与开发    侯岩松;颉刚;张敏;刘亚儒;

基于FBP网络的打浆度软测量技术的研究及应用    李艳;梁术清;刘海燕;

PTA生产中4-CBA含量的软测量技术    马亚锋;

增强偏最小二乘回归算法在近红外光谱法啤酒度数软测量建模中的应用    谭超;吴同;

先进控制系统    俞金寿

高温金属流体的测量与控制系统    胡燕瑜,桂卫华,唐朝晖

灌渠斗口水流量软测量专家系统    卢胜利;曹家麟;

基于粒子群SMO算法的火电厂热工参数软测量    翟永杰;乔弘;李海丽;韩璞;刘柱云;

基于RVM和PCA的微生物发酵过程软测量建模研究    沈跃;刘国海;刘慧;

城市污水处理出水水质预测预报的一种多步记忆软测量建模    冯丽辉;彭云峰;郭秀萍;

基于正交粒子群优化算法的丙烯腈收率软测量建模    吕琴梅;陈国初;俞金寿;

一种新的集成模型在焦炉火道温度软测量中的应用    陈泰任;曹卫华;吴敏;雷琪;

基于LS-SVM的氧化铝粉流量软测量建模    鲁春燕;李炜;刘微容;

常减压装置常压塔塔顶汽油干点的软测量    金思毅;李悦卿;夏茂森;

谷氨酸发酵过程菌体浓度的监测方法研究    孙蕾;王贵成;王海军;

冲击加热中钢坯温度的软测量研究    康萍;白美卿;

新技术提升过程测控能力    徐用懋 熊智华

石油化工自动化：进步挺大 差距不小    “十一五”规划编制组

全程质量数控技术确保注射液安全性    秦琴

中铝河南分公司软测量项目投入运行    王从政

江苏大学获三项国家科技成果奖    张明平　姜木金

兰州石化橡胶单体转化率在线检测技术国内领先    记者何平 通讯员雷荣孝

软测量技术若干问题的研究及工业应用    刘瑞兰

发酵过程生物量软测量建模专家系统研究    安莉

炼油精馏过程软测量与综合优化控制的研究    李琦

铜精炼炉操作优化与智能控制应用研究    鄂加强

真空净油机喷雾蒸发及软测量技术研究    李川

软测量建模方法研究与应用    李修亮

制浆蒸煮过程纸浆卡伯值软测量技术研究与应用    李艳

支持向量机回归算法与应用研究    李海生

点燃式发动机火花塞离子电流特性及其应用的研究    李建文

土壤/推土板界面粘附系统的数值模拟    李因武

基于小波神经网络的软测量技术的研究    叶臣

石油树脂粘度的软测量研究    陶玲

软测量技术在工作面煤与瓦斯突出预测中的应用研究    阎馨

基于神经网络优化理论的软测量技术及应用研究    王岩

污水处理软测量技术应用及生产管理信息系统的开发    刘加森

砂状氧化铝连续碳酸化分解过程实时监控系统    张毅

醇酮装置初级脱烷塔的过程控制算法研究    吴连印

软测量技术在稀土萃取中的应用研究    赵正虎

污水处理出水水质软测量预测预报系统开发    彭云峰

基于神经网络的软测量技术在丙烯精馏塔的应用研究    陆宁