专利名称：：一种氧化铝蒸发装备出口碱液浓度的在线预测方法
技术领域：
：本发明涉及复杂生产过程装备关键参数的在线预测方法，尤其是氧化铝蒸发装备出口碱液浓度的预测。
背景技术：
：蒸发工序是氧化铝生产过程中维持碱浓度平衡、排除盐分及杂质的必不可少的关键工序。对于烧结法碳分母液的蒸发，其苛碱浓度必须保证在150170g/l之间，实际生产中，操作工人依据化验的末效出口物料浓度来调节蒸发过程的工艺参数，以实现蒸发过程的在线控制，保证产量及质量。然而，各设备出口物料浓度无法在线化验、且因结疤、物料流料波动等因素的影响使得在线密度计检测不准确，由于过程减压操作及中间取样口易堵塞等原因的影响，因此很难实时在线检测物料的浓度，特别是中间生产设备的出口物料浓度。目前实际生产是通过化学分析获得末效出口物料浓度值，但一般是4小时分析一次，存在很大的滞后，不能满足实时控制的要求。目前，蒸发系统建模、仿真与软测量的研究主要集中在造纸、睛纶、氯化铵、海水淡化等生产过程，对氧化铝蒸发过程的研究还很少。研究多是单独基于机理的建模或基于数据的建模分析，由于机理建模方法是建立在一定的假设条件上的，能反映各设备工作的特点，但实际生产过程中跑、漏、堵等不确定因素的影响，使得假设条件与实际存在差距，导致预测误差较大；而基于数据的模型只能反映末效出口物料浓度与各工艺参数、设备状态之间不确定的非线性关系，无法计算中间设备蒸发能力；很难在实际生产过程不确定因素的影响下对各蒸发设备的蒸发能力进行准确的分析，阻碍了操作调节。为此，如何通过蒸发设备的可测参数，分析这些参数与出口物料浓度之间的关系，建立各设备出口物浓度合理、有效的预测模型，实现其在线检测，对实现蒸发过程优化控制、提高设备利用率、产品质量及产量具有十分重要的意义
发明内容本发明的目的提供一种氧化铝蒸发装备出口碱液浓度的在线预测方法，对蒸发设备的能力进行准确分析。4本发明的原理是首先根据物料平衡、热平衡的蒸发装备的机理模型，求出各设备出口碱液浓度，针对过程中冷凝水罐汽水混合的问题，建立的蒸发器及冷凝水罐热平衡方程如下。<formula>formulaseeoriginaldocumentpage5</formula>其中M为蒸发器总数，w/为物料闪蒸器总数；W为热利用系数；&、F^、a、c>、r^分别为原液的总流量、进iv效流量、密度、比热、温度；A)、Hw)分别表示新蒸汽流量及热焓；A、Hw分别为第/个蒸发器出口进第/+1个蒸发器的二次蒸汽热焓及流量，A^为第/个蒸发器出口进第/个预热器的二次蒸汽量；4。,第/效蒸发器对应冷凝水罐的出口冷凝水温度；Cw为水的比热；CM。,.、rw。,.、第/效蒸发器出口物料比热、温度；cpf、r^,.分别为第/效预热器出口物料比热、温度；￡,、//力为第!'个物料闪蒸器的出口乏汽量及热焓；g,、H，-为第/效蒸发器对应的冷凝水罐出口冷凝水中蒸汽含量及蒸汽热焓值；及为合格冷凝水槽内经，^为采样时间间隔，AA为采样间隔时间内冷凝水槽的液位变化。&、g3根据现场仪表的温度及压力估算得到。同时对历史数据进行预处理剔除错误或不全的数据，建立样本库；利用基于主元分析的模糊聚类方法将样本库中的操作条件样本分为4类，对各类分别建立末效出口碱液浓度的偏最小二乘预测模型；将当前工况样本加入到样本库中，并将其归类，利用所属类别的偏最小二乘预测模型预测其末效出口碱液浓度。针对机理建模方法与偏最小二乘建模方法的特点，利用基于聚类偏最小二乘回归模型预测得到的末效出口碱液浓度值对机理模型中的热利用系数因子进行修正，从而达到准确预测各蒸发设备出口碱液浓度的目的。利用该方法预测得到的末效出口碱液浓度绝对误差值有86%在±5%范围之内，能满足实际需求，且提高了中间设备出口物料浓度预测精度。图1为蒸发过程流程图2为氧化铝蒸发装备出口碱液浓度的在线预测模型结构；图3为机理模型对各主要设备出口碱液浓度的预测结果图；图4为基于偏最小二乘模型的末效出口碱液浓度预测结果图；图5为修正后机理模型的预测结果下面结合附图和具体实施方式对本发明作进一步的详细说明。具体实施方式如图2所示，本发明利用机理模型和基于聚类的末效出口碱液偏最小二乘模型分别对各设备出口碱液浓度和末效出口碱液浓度进行预测及效验，再通过对机理模型预测结果的修正，得到蒸发过程设备出口碱液浓度的预测值。1、蒸发过程装备机理模型蒸发过程中的物料主要成分包括A1203、NaOH、Na2C03、H20。蒸发过程原理可归结为利用加热作用使物料沸腾、物料中部分水汽化出来，提高物料中其它组分的浓度。不考虑结疤、溶剂挥发等因素的影响，出口物料的八1203、NaOH、Na2C03的质量应与原液中相等。根据物料平衡、热平衡原理分别建立蒸发器、预热器、闪蒸器、冷凝水罐的机理模型。由于冷凝水罐中汽水混合现象严重，建立的蒸发器及冷凝水罐热平衡方程如下<formula>formulaseeoriginaldocumentpage6</formula>式中M为蒸发器总数，"/为物料闪蒸器总数；M为热利用系数；&、&￥、A、Cp。、7^。分别为原液的总流量、进IV效流量、密度、比热、温度；Z>。、W^分别表示新蒸汽流量及热焓；A、A,分别为第/个蒸发器出口进第/+1个蒸发器的二次蒸汽热焓及流量，Dp,为第z'个蒸发器出口进第/个预热器的二次蒸汽量；T^。,第Z'效蒸发器对应冷凝水罐的出口冷凝水温度；G为水的比热；Cw。;、rm。,.、第/效蒸发器出口物料比热、温度；cp,、r^,分别为第/效预热器出口物料比热、温度；A、/f"为第/个物料闪蒸器的出口乏汽量及热焓；&、为第f效蒸发器对应的冷凝水罐出口冷凝水中蒸汽含量及蒸汽热焓值；及为合格冷凝水槽内经，f为采样时间间隔，Z^为采样间隔时间内冷凝水槽的液位变化。g2、g3根据现场仪表的温度及压力估算得到。2、机理模型的修正及各蒸发装备出口浓度的预测S/印h基于模糊聚类方法的蒸发过程工况分类通过对现场热平衡测试及历史数据研究发现在不同工况下设备数据变化较大，为提高模型的精度先采用模糊聚类的方法将工况分类。根据蒸发过程机理分析选取28个采样点数据作为输入，分别为新蒸汽参数(压力、流量)，原液参数(总流量、温度、浓度)，各设备出口物料温度(蒸发器出口、闪蒸器出口)，蒸发器汽室压力，冷凝水罐入口温度，前三效蒸发器汽室温度，1#、3#闪蒸器出口乏汽温度。由于数据具有多重相关性，必须采用主元分析的方法去除相关性，提取累计贡献率超过97%的主成分构建新的变量空间。在新变量空间的基础上进行模糊聚类。模糊权重计算公式如下<formula>formulaseeoriginaldocumentpage7</formula>式中，v^(0《w,"l)表示第i个样本属于第k类的程度；《=|。-~为第/个聚类中心与第J'个数据点间的欧几里德距离；m为加权指数;c为聚类个数，根据现场设备运行周期及经验取4;。为聚类中心<formula>formulaseeoriginaldocumentpage7</formula>保存各个聚类中心点的位置。，及划分的子类j^.;末效出口碱液浓度偏最小二乘模型的建立对各子类A，选择其对应的因变量数据的苛碱浓度数据构成对应的因变量子类^、氧化铝浓度数据构成对应的因变量子类^,.、全碱浓度数据构成对应的因变量子类^,;对不同类的历史数据分别建立对应的偏最小二乘回归模型。偏最小二乘算法通过因子分析将自变量矩阵压縮降维，在降维的同时考虑了出料指标数据阵的作用，通过对主成分变量的合理选择，去掉含有干扰组分和干扰因素的成分变量，仅取内含有用信息量最大的主成分变量用于建立预测模型。采用交叉有效性方法检测成分对预测模型精度的边际贡献，交叉有效性定义为込"1-尸丽〃SV,(4)若込220.0975则其对模型精度的贡献小，可忽略。其中SV,是用全部样本点拟合的具有A-l个成份的方程的拟合误差平方和；采用抽样测试法时，先去除第/个向本店，用剩余样本的A个成份拟合，并计算得到第z'个样本的拟合值^一,)，对每一个,、1，2，…，"重复上述测试，定义因变量^的预测误差平方和/^MA为尸鹏^tOM:-'))2(5)采用抽样测试法来评价模型的有效性，当回归所用数据的残差均方和与测试数据的残差均方和相当时模型宜用于预测，当测试残差均方和远大于回归残差均方和时不宜用于预测。建立各子类各成分浓度的偏最小二乘模型为化2,，A,}尸">仏y，，,,，《};(5)d,A,}，，P"，,g"，《}&印丄基于模糊聚类的偏最小二乘模型预测末效出口碱液浓度对预测数据样本X^，按公式(2)计算其与各聚类中心的相似系数，按最大相相似系数将其归类，并用对应类的偏最小二乘模型预测末效出口碱液浓度};=",;r2，:r3};基于模糊聚类的偏最小二乘法模型预测末效出口物料浓度如图4所示。&印^末效出料浓度预测值的效验设iV。^i^，i^，W",分别代表原液中苛碱、氧化铝、全碱浓度；计算及={及,，及2,及3}=(y;/JV01,&/iV02，y3/iV03}，M=+及3)/2，设"e8为固定偏差量，据历史实测数据统计分析得到。效验按如下原则进行:a)若及2为R中最大值，且|^|>"贝Uy2=《i1+i3)/2+^*iV。2;b)若A为R中最大值，且M"，保持K不变；c)若及2不为R中最大值，则K-((A+i3)/2+;7"Ar。2;d)若fl^(及广及3)〉//，则K-(A+A)*^^^;y3=(^+i3)*iV。3/2&印5:基于末效出料浓度预测的机理模型的修正以最小化机理模型预测的末效出口碱液浓度与J^误差为目标对机理模型中热利用系数进行修正，修正目标函数可表示为min(AZ爐)(6)热利用系数因子设定在之间，寻求最优的热利用系数因子，使得浓度误差最小。求解最优热利用系数因子条件下的机理模型，即可得到各蒸发系统末效出口碱液浓度预测值，仿真结果表明，能预测模型具有一定的精度，能满足实际生产需求。权利要求1、一种氧化铝蒸发装备出口碱液浓度的在线预测方法，其特征在于先建立蒸发器与冷凝水罐模型<mathsid="math0001"num="0001"><math><![CDATA[<mrow><msub><mi>D</mi><mi>i</mi></msub><mrow><mo>(</mo><msub><mi>C</mi><mi>moi</mi></msub><msub><mi>T</mi><mi>moi</mi></msub><mo>-</mo><msub><mi>H</mi><mi>vi</mi></msub><mo>)</mo></mrow><mo>=</mo><mi>ss</mi><mrow><mo>(</mo><mrow><mo>(</mo><msub><mi>F</mi><mn>0</mn></msub><msub><mi>d</mi><mn>0</mn></msub><mo>-</mo><munderover><mi>Σ</mi><mrow><mi>z</mi><mo>=</mo><mi>i</mi><mo>+</mo><mn>1</mn></mrow><mi>nz</mi></munderover><msub><mi>D</mi><mi>z</mi></msub><mo>+</mo><munderover><mi>Σ</mi><mrow><mi>z</mi><mo>=</mo><mi>i</mi></mrow><mi>nf</mi></munderover><msub><mi>E</mi><mi>z</mi></msub><mo>+</mo><msub><mi>D</mi><mi>pi</mi></msub><mo>)</mo></mrow><mrow><mo>(</mo><msub><mi>C</mi><mi>moi</mi></msub><msub><mi>T</mi><mi>moi</mi></msub><mo>-</mo><msub><mi>C</mi><mi>pi</mi></msub><msub><mi>T</mi><mi>pmi</mi></msub><mo>)</mo></mrow></mrow></mrow>]]></math></maths><mathsid="math0002"num="0002"><math><![CDATA[<mrow><mo>+</mo><msub><mi>D</mi><mi>pi</mi></msub><msub><mi>H</mi><mi>vi</mi></msub><mo>-</mo><msub><mi>D</mi><mn>0</mn></msub><msub><mi>H</mi><mrow><mi>v</mi><mn>0</mn></mrow></msub><mo>+</mo><msub><mi>g</mi><mi>i</mi></msub><msub><mi>H</mi><mi>vwi</mi></msub><mo>+</mo><mrow><mo>(</mo><msub><mi>D</mi><mn>0</mn></msub><mo>-</mo><msub><mi>g</mi><mi>i</mi></msub><mo>)</mo></mrow><mrow><msub><mi>C</mi><mi>w</mi></msub><msub><mi>T</mi><mi>woi</mi></msub><mo>)</mo></mrow><mo>,</mo><mi>i</mi><mo>=</mo><mn>1,2</mn></mrow>]]></math></maths>Di(CmoiTmoi-Hvi)＝ss(-Di-1Hvi-1-(Di-2-gi-1)CwTwoi-1-gi-1Hvwi-1-gi-2Hvwi-2+giHvwi+DpiHvi+(Di-2+Di-1+gi-2-gi)CwTwoi(1)+(F0d0-Di+1+Ei+Dpi)(CmoiTmoi-CpiTpmi))i＝3DiHvi＝ss((F0-F0i)d0(CmoiTmoi-C0Tm0)-Di-1(Hi-1-CwTwoi))i＝4g1＝D0-tπR2Δh式中nz为蒸发器总数，nf为物料闪蒸器总数；ss为热利用系数；F0、F04、d0、Cp0、Tm0分别为原液的总流量、进IV效流量、密度、比热、温度；D0、Hv0分别表示新蒸汽流量及热焓；Di、Hvi分别为第i个蒸发器出口进第i+1个蒸发器的二次蒸汽(乏汽)热焓及流量，Dpi为第i个蒸发器出口进第i个预热器的二次蒸汽量；Twoi第i效蒸发器对应冷凝水罐的出口冷凝水温度；Cw为水的比热；Cmoi、Tmoi、第i效蒸发器出口物料比热、温度；Cpi、Tpmi分别为第i效预热器出口物料比热、温度；Ei、Hfi为第i个物料闪蒸器的出口乏汽量及热焓；gi、Hvwi为第i效蒸发器对应的冷凝水罐出口冷凝水中蒸汽含量及蒸汽热焓值；R为合格冷凝水槽内经，t为采样时间间隔，Δh为采样间隔时间内冷凝水槽的液位变化，g2、g3根据仪表的温度及压力得到；再利用基于聚类偏最小二乘回归模型的在线修正方法对机理模型中的热利用系数因子进行修正，主要包括以下步骤(1)对样本工况数据进行分析，采用基于主元分析法提取累计贡献率达到97％的主元变量构成的空间，在此空间上将数据分为4类；样本与类中心的相似性用模糊权重表示为<mathsid="math0003"num="0003"><math><![CDATA[<mrow><msub><mi>w</mi><mi>ik</mi></msub><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mn>1</mn><mo>,</mo></mtd><mtd><msub><mi>d</mi><mi>ij</mi></msub><mo>=</mo><mn>0</mn></mtd></mtr><mtr><mtd><mn>1</mn><mo>/</mo><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>c</mi></munderover><msup><mrow><mo>[</mo><msub><mi>d</mi><mi>ik</mi></msub><mo>/</mo><msub><mi>d</mi><mi>jk</mi></msub><mo>]</mo></mrow><mrow><mn>2</mn><mo>/</mo><mrow><mo>(</mo><mi>m</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></msup><mo>,</mo></mtd><mtd><msub><mi>d</mi><mi>ij</mi></msub><mo>≠</mo><mn>0</mn><mo>,</mo><mi>j</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>·</mo><mo>·</mo><mo>·</mo><mo>,</mo><mi>c</mi></mtd></mtr><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><msub><mi>d</mi><mi>ij</mi></msub><mo>=</mo><mn>0</mn><mo>;</mo><mi>i</mi><mo>≠</mo><mi>j</mi></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math></maths>其中wik，0≤wik≤1表示第i个样本属于第k类的程度；dij＝||ci-xj||为第i个聚类中心与第j个样本点间的欧几里德距离；m为加权指数；c为聚类个数；cj为聚类中心，<mathsid="math0004"num="0004"><math><![CDATA[<mrow><msub><mi>c</mi><mi>j</mi></msub><mo>=</mo><msubsup><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><msup><mrow><mo>(</mo><msub><mi>w</mi><mi>kj</mi></msub><mo>)</mo></mrow><mi>m</mi></msup><msub><mi>x</mi><mi>k</mi></msub><mo>/</mo><msubsup><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></msubsup><msup><mrow><mo>(</mo><msub><mi>w</mi><mi>kj</mi></msub><mo>)</mo></mrow><mi>m</mi></msup></mrow>]]></math>id="icf0004"file="A2009100434060003C1.tif"wi="54"he="6"top="37"left="91"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>；保存各个聚类中心点的位置ci及划分的子类Xsi；(2)对每个子类Xsi选择其对应苛碱浓度数据构成对应的因变量子类Ys1i、氧化铝浓度数据构成对应的因变量子类Ys2i、全碱浓度数据构成对应的因变量子类Ys3i；分别建立3种浓度的偏最小二乘模型；(3)对预测数据样本Xnew，判断其与各聚类中心的相似系数，计算Xnew与各个聚类中心ci的相似度矩阵wnew，按最小隶属度值将其归类，并用对应类的偏最小二乘模型预测末效出口苛碱、氧化铝、全碱浓度Ynew＝{Y1，Y2，Y3}；(4)末效出料浓度预测值的效验设N0＝{N01，N02，N03}，分别代表原液中苛碱、氧化铝、全碱浓度；计算R＝{R1，R2，R3}＝{Y1/N01，Y2/N02，Y3/N03}，计算R2与R1，R3之差的平均值ΔR＝R2-(R1+R3)/2，设γ，ε，μ，η∈为偏差变量根据历史实测数据分析得到，效验按如下原则进行a)若R2为R中最大值，且|ΔR|＞ε，则Y2＝((R1+R3)/2+γ)*N02；b)若R2为R中最大值，且|ΔR|≤ε，保持Y2不变；c)若R2不为R中最大值，则Y2＝((R1+R3)/2+η)*N02；d)若abs(R1-R3)＞μ，则Y1＝(R1+R3)*N01/2；Y3＝(R1+R3)*N03/2(5)以最小化机理模型预测末效出口碱液浓度与Ynew误差为目标，以建立的蒸发装备机理模型为约束，寻求最优的热利用系数因子，热利用系数因子设定在之间，用来平衡蒸发设备的不可测热量损失及结疤不确定因素的影响，最优条件下求解机理模型即可得到各设备出口碱液浓度预测值。全文摘要一种氧化铝蒸发装备出口碱液浓度预测的在线预测方法，本发明在分析了蒸发过程工艺、运行状态及影响各设备出口物料浓度的相关因素后，建立了基于物料平衡、能量平衡原理的蒸发过程设备机理模型；在对历史工况数据分类的基础上建立了基于模糊聚类的末效出口碱液浓度的偏最小二乘模型。本发明利用基于末效出口碱液浓度预测模型对机理模型中关键参数进行在线修正，预测各主要单元设备的出口物料浓度。利用该模型，有效地解决了各设备出口物料浓度难以在线检测的问题，对整个蒸发过程的运行及优化指导具有重要意义。文档编号G06F17/50GK101551829SQ20091004340公开日2009年10月7日申请日期2009年5月15日优先权日2009年5月15日发明者朱红求,柴琴琴,桂卫华,胡志坤,阳春华申请人:中南大学