本发明属于自动化技术领域,涉及一种新型的化工间歇过程建模与监测方法。
背景技术:
随着全球化进程的加快,我国的工业技术进入了一个全面发展的阶段。化工间歇过程在我国的工业过程中扮演着越来越重要的角色,受到了越来越多的关注。化工间歇过程中会产生大量的数据,对所有的数据进行处理是不切实际的,因此,需要提出一种方法来对这些数据进行处理,以获得能够对化工间歇过程进行建模的有效数据。
系统控制是化工间歇过程中重要的一环,系统是否稳定直接决定了产品的优劣及产量的高低。因此,对化工间歇过程进行适当的建模,来跟踪系统状态的变化是有必要的。目前有很多的学者提出了很多的建模方法,如pid建模,pca建模,pls建模等,这些模型都起到了一定的作用,但是也都有一些局限性。
技术实现要素:
本发明针对化工间歇过程提出了一种新型的建模方法,并提出了对这种模型进行监测的手段。
本发明方法的步骤包括:
步骤1.建立化工间歇过程的系统模型。具体步骤为:
1.1获取间歇过程的数据矩阵,表示为:
vm=[x1mx2m…xnm]t(m=1,2,…,m)
式中,x表示过程中获取的数据,n表示过程中数据样本的个数,m表示过程变量的个数,m表示过程中第m个过程变量,x1x2…xn分别表示第1,2,…,n个样本数据向量,v1v2…vm分别表示第1,2,…m个过程变量。t表示转置符号。
1.2对步骤1.1中的数据进行中心化处理:
式中,
xnm表示系统中第m个变量的第n个样本的原始数据,
1.3由于过程变量测量值之间的差异很大,因此,需要对数据进行无量纲化处理:
sm表示变量vm的标准差,经过无量纲化后,系统每个变量的方差都变成1。
1.4经过标准化处理后,系统的数据表示为:
xs=[x1x2…xp]t
=[v1v2…vj]
vj=[x1jx2j…xpj](j=1,2,…,j)
式中,xs表示经过标准化处理后系统的数据,v1v2…vj分别表示经过标准化处理后系统的第1,2,…,j个过程变量,x1x2…xp分别表示第1,2,…,p个样本数据向量。
1.5针对步骤1.4中标准化处理后的数据矩阵xs∈rp×j,需要求出一个综合变量t,t表示数据矩阵xs中变量v1v2…vj的线性组合。为了保证计算出来的综合变量具有唯一性,要进行归一化处理,表示为:
t=xsl=[v1v2…vj]ls.t.||l||=1
为了保证t包含最多的信息,则t的方差应该取到最大值,表示为:
式中,l表示综合变量t对应的系数矩阵。
用数学公式表示为:
1.6为了解决步骤1.5中的问题,引入系统的对象函数:
分别对l和λ求偏导,并令其为零,有:
可以得到
式中,λ表示一个拉式系数。可以看出,l是
1.7根据步骤1.5和步骤1.6可以得到
var(t)=λ
所以,要使t的方差达到最大值,l所对应的特征根λ必须要取到最大值。这里t=xl被称为主成分。
1.8将上述步骤中第一次得到的t,λ,l分别记为t1,λ1,l1,然后判断步骤1.7中的t是否收敛,若以收敛,则将步骤1.4中的数据xs替换为数据
1.9将上述获得的数据存放在矩阵中,可以表示为:
c=[t1t2…ta]
l=[l1l2…la]
式中,c表示系统的主成分矩阵,l表示系统的系数矩阵。
1.9综上所述,最终建立的模型可以表示为:
c=xal
式中,
步骤二,使用步骤一种得到的系统模型对化工间歇过程进行在线监测。具体步骤为:
2.1经过步骤一的处理,原始的数据空间被分解成两个正交的子空间,由向量[l1,l2,…la]组成的主成分子空间和由[la+1,la+2,…lj]组成的残差子空间。将新获得的测量数据投影到主成分子空间可得:
t=ltx
2.2引入系统的第一个监测指标,t2统计量:
t2统计量表示由a个主成分共同构成的一个多变量指标。通过监测t2统计量的变化可以实现对多个主成分同时进行监测,从而判断整个过程的运行状态是否正常。
2.3引入系统的另一个监测指标,q统计量:
q统计量表示过程中测量值偏离主成分模型的距离。
2.4在过程运行过程中通过监测步骤2.2和步骤2.3中的两个指标可以判断出过程是否运行在正常的操作工况下。当过程处于正常运行状态下时,通过采集的数据建立的模型可以得到受控的t2和q指标;当过程出现非常大的扰动或误操作导致过程偏离正常操作状态时,过程变量之间的相关性也会偏离正常的相关结构,继而导致异常增大的t2和q指标。
本发明提出了一种新型的化工间歇过程建模和监测方法,该方法通过采集化工过程中的数据,对数据进行处理后得到包含过程信息最多的数据,然后用处理后的数据建立过程模型,最后提出了针对该模型的监测方法来保证化工间歇过程的稳定运行。
利用本发明能很好的跟踪反应器的过程状态变化,在一定程度上弥补了模型的不确定性,改善了系统的性能。
具体实施方式
以垃圾处理气化炉为例:
垃圾处理气化炉是一种常见的化工间歇反应过程,起反应过程中包含很多过程变量,可以有效地使用本发明提出的模型。
步骤1.建立垃圾处理气化炉反应过程的系统模型。具体步骤为:
1.1获取垃圾处理过程的测量数据,表示为:
vm=[x1mx2m…xnm]t(m=1,2,…,m)
式中,x表示过程中获取的数据阵,n表示过程中数据样本的个数,m表示过程变量的个数,m表示过程中第m个过程变量,x1x2…xn分别表示第1,2,…,n个样本数据向量,v1v2…vm分别表示第1,2,…m个过程变量。t表示转置符号。
1.2对步骤1.1中的数据进行中心化处理:
式中,
xnm表示系统中第m个变量的第n个样本的原始数据,
1.3由于过程变量测量值之间的差异很大,因此,需要对数据进行无量纲化处理:
sm表示变量vm的标准差,经过无量纲化后,系统每个变量的方差都变成1。
1.4经过标准化处理后,系统的数据表示为:
xs=[x1x2…xp]t
=[v1v2…vj]
vj=[x1jx2j…xpj](j=1,2,…,j)
式中,xs表示经过标准化处理后系统的数据,v1v2…vj分别表示经过标准化处理后系统的第1,2,…,j个过程变量,x1x2…xp分别表示第1,2,…,p个样本数据向量。
1.5针对步骤1.4中标准化处理后的数据矩阵xs∈rp×j,需要求出一个综合变量t,t表示数据矩阵xs中变量v1v2…vj的线性组合。为了保证计算出来的综合变量具有唯一性,要进行归一化处理,表示为:
t=xsl=[v1v2…vj]ls.t.||l||=1
为了保证t包含最多的信息,则t的方差应该取到最大值,表示为:
式中,l表示综合变量t对应的系数矩阵。
用数学公式表示为:
1.6为了解决步骤1.5中的问题,引入系统的对象函数:
分别对l和λ求偏导,并令其为零,有:
可以得到
式中,λ表示一个拉式系数。可以看出,l是
1.7根据步骤1.5和步骤1.6可以得到
var(t)=λ
所以,要使t的方差达到最大值,l所对应的特征根λ必须要取到最大值。这里t=xl被称为主成分。
1.8将上述步骤中第一次得到的t,λ,l分别记为t1,λ1,l1,然后判断步骤1.7中的t是否收敛,若以收敛,则将步骤1.4中的数据xs替换为数据
1.9将上述获得的数据存放在矩阵中,可以表示为:
c=[t1t2…ta]
l=[l1l2…la]
式中,c表示系统的主成分矩阵,l表示系统的系数矩阵。
1.9综上所述,最终建立的模型可以表示为:
c=xal
式中,
步骤二,使用步骤一种得到的系统模型对垃圾处理过程进行在线监测。具体步骤为:
2.1经过步骤一的处理,原始的数据空间被分解成两个正交的子空间,由向量[l1,l2,…la]组成的主成分子空间和由[la+1,la+2,…lj]组成的残差子空间。将新获得的测量数据投影到主成分子空间可得:
t=ltx
2.2引入系统的第一个监测指标,t2统计量:
t2统计量表示由a个主成分共同构成的一个多变量指标。通过监测t2统计量的变化可以实现对多个主成分同时进行监测,从而判断整个过程的运行状态是否正常。
2.3引入系统的另一个监测指标,q统计量:
q统计量表示过程中测量值偏离主成分模型的距离。
2.4在垃圾处理过程中通过监测步骤2.2和步骤2.3中的两个指标可以判断出过程是否运行在正常的操作工况下。当过程处于正常运行状态下时,通过采集的数据建立的模型可以得到受控的t2和q指标;当过程出现非常大的扰动或误操作导致过程偏离正常操作状态时,过程变量之间的相关性也会偏离正常的相关结构,继而导致异常增大的t2和q指标。