一种新型的化工间歇过程建模与监测方法与流程

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，表示经过中心化处理后系统的第m个变量的第n个样本数据，

xnm表示系统中第m个变量的第n个样本的原始数据，表示变量vm的均值。

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∈r^p×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是的一个标准化特征向量，它所对应的特征值就是λ。

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替换为数据重复步骤1.4至步骤1.8，继续计算第a个主成分。i表示第i个主成分。当前a个主成分包含的过程信息达到所要求的标准时，停止循环。a表示主成分的总个数。

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，表示由模型反推得到的原始数据x的信息。e表示模型的残差信息。a表示模型中保留的主成分的个数。

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＝l^tx

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，表示经过中心化处理后系统的第m个变量的第n个样本数据，

xnm表示系统中第m个变量的第n个样本的原始数据，表示变量vm的均值。

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∈r^p×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是的一个标准化特征向量，它所对应的特征值就是λ。

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替换为数据重复步骤1.4至步骤1.8，继续计算第a个主成分。i表示第i个主成分。当前a个主成分包含的过程信息达到所要求的标准时，停止循环。a表示主成分的总个数。

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，表示由模型反推得到的原始数据x的信息。e表示模型的残差信息。a表示模型中保留的主成分的个数。

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＝l^tx

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。