基于独立元相似度的高含硫天然气净化脱硫过程检测方法
【专利摘要】本发明公开了一种基于独立元相似度的高含硫天然气净化脱硫过程检测方法，该方法按如下步骤进行：约简原始特征，确定表征高含硫天然气净化脱硫生产过程工况特征的根本影响因素：初选M个表征高含硫天然气净化脱硫生产过程工况的原始特征组成原变量组X，筛选出在主元方向投影最大的m个独立元，剔除贡献度较小的变量；将所述原变量组X的样本数据重新组合后，形成新样本数据；从新样本数据中选取样本数据作为训练样本，建立高含硫天然气净化脱硫生产过程工况分类模型，模型输出值对应的高含硫天然气净化脱硫生产过程工况类型即为诊断结果。它能够降低模型复杂度，降低维度，提高模型精度，找出影响高含硫天然气净化异常工况的根本原因。
【专利说明】基于独立元相似度的高含硫天然气净化脱硫过程检测方法
【技术领域】
[0001] 本发明属于高含硫天然气脱硫生产过程故障检测与诊断技术，设及一种基于独立 元相似度的高含硫天然气净化脱硫过程检测方法。
【背景技术】
[0002] 高含硫天然气净化脱硫工业流程复杂，过程工艺参数众多，受温度、压力、流量、设 备老化和原料气处理量等不确定因素影响，是典型的复杂非线性动态特性化工系统。高含 硫天然气净化脱硫过程主要包括W下部分：主吸收塔MDEA溶液吸收酸性组分&S和C〇2,水 解反应器脱除（COS)，再生塔MDEA溶液的循环再生W及换热过程，具体工艺流过程如图1所 示。一旦系统发生异常，如何及时检测故障发生，并追溯工艺操作参数导致故障发生原因， 从而为系统故障排查和恢复提供决策，对指导实际工业生产具有重要的现实意义。
[0003] 原料气处理量负荷波动、脱硫单元吸收塔发泡、硫横回收装置硫收率下降是高含 硫天然气过程常见的=种异常工况。目前高含硫天然气异常工况检测与诊断主要依赖现场 生产经验，异常工况发生机理描述的不够透彻，缺乏对高含硫天然气异常工况的检测与诊 断机制。
[0004] 支持向量机是一种通用而有效的分类方法，在故障检测与诊断领域得到广泛应 用。然而表征高含硫天然气高含硫天然气工况的特征参数众多且彼此相关性强、不服从高 斯分布，为此需要数据降维技术提取工况的关键参数。
[0005] 核独立元分析在故障诊断中是一种常见的特征分析方法，该种方法是利用非线性 映射〇和W将原始随机向量空间和映射到高维空间和，使得数据在特征空间中成为线性 数据，再在特征空间中利用独立成分分析法对变换后的数据提取独立元，实现降维目的。
【发明内容】
[0006] 本发明的目的在于克服现有技术的不足，提供一种基于独立元相似度的高含硫天 然气净化脱硫过程检测方法，它能够降低模型复杂度，降低维度，提高模型精度，找出影响 高含硫天然气净化异常工况的根本原因。
[0007] 本发明的目的是该样实现的：
[000引一种基于独立元相似度的高含硫天然气净化脱硫过程检测方法，该方法按如下步 骤进行：
[0009] 步骤1 ;约简原始特征，确定表征高含硫天然气净化脱硫生产过程工况特征的根 本影响因素：
[0010] 初步选择M个表征高含硫天然气净化脱硫生产过程工况的原始特征组成原变量 组X, X = (X。X2…，X。…，Xm),其中，X。X2,…，X。…，Xm为工艺过程参数，采集n组样本，得 到Xmx。样本矩阵，利用核独立分量分析计算所述原始变量组X的独立元，将所有独立元按独 立元在主元空间特征值由大到小排列，筛选出在主元方向投影最大的m个独立元，各独立 元在主元空间特征值须大于或等于预设的某一阔值C，筛选出的m个独立元对应了所有原 始特征的最少独立元Bj，j = 1，2,…，m ;
[0011] 步骤2 ;按i = 1，2,…，M的顺序，依次考察原变量组X中每个变量对高含硫天然 气净化脱硫生产过程工况的贡献度：
[0012] 2. 1将原变量组X中的变量xi置零，得到一个新的变量组，即待测邻点义0)， 义('.)=(X,，乂2，...，义…()，馬-P...，义.V/).
[0013] 2. 2利用核独立元分析法计算所述待测邻点义在主元方向投影最大的m个独 立元S/('.), j = 1，2,…，m ;
[0014] 2. 3计算所述变量Xi置零前后第j个主元的相似性测度cos j(i)，j = 1，2,…，m ;
[0015]
【权利要求】
1. 一种基于独立元相似度的高含硫天然气净化脱硫过程检测方法，其特征在于该方法 按如下步骤进行： 步骤1:约简原始特征，确定表征高含硫天然气净化脱硫生产过程工况特征的根本影 响因素： 初步选择M个表征高含硫天然气净化脱硫生产过程工况的原始特征组成原变量组X，X=(X1,Xf，Xi,…，xM)，其中，X1,X2,…，Xi,…，Xm为工艺过程参数，采集n组样本，得到XMXn 样本矩阵，利用核独立分量分析计算所述原始变量组X的独立元，将所有独立元按独立元 在主元空间特征值由大到小排列，筛选出在主元方向投影最大的m个独立元，各独立元在 主元空间特征值须大于或等于预设的某一阈值c，筛选出的m个独立元对应了所有原始特 征的最少独立元Bj，j= 1，2,".，m; 步骤2 :按i= 1，2,…，M的顺序，依次考察原变量组X中每个变量对高含硫天然气净 化脱硫生产过程工况的贡献度： 2. 1将原变量组X中的变量Xi置零，得到一个新的变量组，即待测邻点义(/)， 邱) = (x" 义2广、XmAxm,- ,?). 9 2. 2利用核独立元分析法计算所述待测邻点又￠/)在主元方向投影最大的m个独立元 召,.(,)，j= 1，2,…，m; 2. 3计算所述变量Xi置零前后第j个主元的相似性测度cos^i)，j= 1，2,…，m:
2. 4计算所述变量Xi置零前后在前m个独立元投影总的相似度di，该相似度Cli与变量Xi对表征高含硫天然气净化脱硫生产过程工况的贡献度成正比：
步骤3:设定贡献度阈值Ad，剔除小于贡献度阈值Ad的Cli对应的变量Xi，剩 下的变量组成表征高含硫天然气净化脱硫生产过程工况特征的根本影响因素！， 步骤：4 :将所述原变量组的n个样本数据按照最简变量组重新组合后，形成新的n个 样本数据；从新的n个样本数据中选取P个样本数据作为训练样本，利用支持向量机建立高 含硫天然气净化脱硫生产过程工况分类模型，模型输出值对应的高含硫天然气净化脱硫生 产过程工况类型即为诊断结果。
【文档编号】G06F19/00GK104504271SQ201410827060
【公开日】2015年4月8日 申请日期:2014年12月25日 优先权日:2014年12月25日
【发明者】邱奎, 李景哲, 苏盈盈, 张莉娅, 辜小花, 李太福 申请人:重庆科技学院