一种PTA装置醋酸消耗的软测量方法与流程

技术特征：

1.一种PTA装置醋酸消耗的软测量方法，其特征在于，包括：数据选取；数据归一化；根据神经元-胶质细胞链接原则从训练样本信息中得到隐藏层节点数；根据Hebb规则得到输入层与隐藏层之间的链接权重；根据ELM算法得到隐藏层与输出层之间的权重；对PTA关键过程变量醋酸消耗指标进行软测量。

2.根据权利要求1所述的PTA装置醋酸消耗的软测量方法，其特征在于，PTA生产中进料醋酸含量、进料流量、水回流量、NBA主回流量、NBA侧线回流量、蒸汽流量、塔顶采出量、进料温度、回流温度、塔顶温度、塔板温度、塔板温度、塔板温度、塔内压力、塔板之间可控温度点、回流罐液位、溶剂脱水塔的操作压力作为输入数据；溶剂脱水塔塔顶电导率作为输出数据。

3.根据权利要求2所述的PTA装置醋酸消耗的软测量方法，其特征在于，给定n个样本以及对应输出p是每个样本的输入属性数，m是每个样本的输出属性数。

4.根据权利要求3所述的PTA装置醋酸消耗的软测量方法，其特征在于，对数据进行归一化，其处理过程如式(1)所示：

其中对网络预测结果的反归一化过程如式(2)所得，

。

5.根据权利要求4所述的PTA装置醋酸消耗的软测量方法，其特征在于，通过神经元-胶质细胞链接原则及信息熵理论自适应得到网络隐藏层的节点数，根据式 (3)-(4)由Hebb规则获取网络输入层与隐藏层之间的权重，

其中β是Hebb学习因子；是第i个神经元中所有胶质细胞所含的能量值；

由式(5)得到两次迭代过程中网络熵值的变化，其中进行下一次迭代时，Ψ^(t)变成Ψ^(t-1)；

MI^(t)＝Ψ^(t-1)-Ψ^(t)，(Ψ⁽⁰⁾＝0) (5)

当MI^(t)＜0时，网络隐藏层中将增加一个节点；

当网络结构及输入层与隐藏层之间的权重确定后，接着通过式(6)获得隐藏层与输出层之间权重，

其中B是隐藏层各个节点的阈值，ρ是输入层各个节点与隐藏层各个节点之间的权重，φ(x)是隐藏层各个节点的激励函数。

6.根据权利要求5所述的PTA装置醋酸消耗的软测量方法，其特征在于，由式(7)得到测试样本输出层各个节点的输出值，

。