基于动态移动窗最小二乘支持向量机的常压精馏塔航煤干点软测量方法
【技术领域】
[0001] 本发明设及炼油企业常压精馈塔馈分航空煤油（W下简称航煤）质量指标干点的 检测技术领域，具体设及一种基于动态移动窗最小二乘支持向量机的常压精馈塔航煤干点 软测量方法。
【背景技术】
[0002] 通常解决工业过程的检测问题是通过研制新型的过程测量仪表，W硬件形式实现 过程参数的直接在线测量。然而，在工业生产过程中总是存在着一些重要的但是又不能实 时检测的变量，比如在测量炼油企业常压精馈塔航煤产品质量参数该样的质量指标时，目 前还没有可用的硬件传感器。对航煤产品质量参数的检测，广泛使用的主要有两种测量方 法；采样化验法，一般4到8小时采样化验一次；或者采用在线工业色谱仪分析法，在线工 业色谱仪成本昂贵、维护困难，而且引入较大的纯滞后（一般十几分钟）。因此，W上两种方 法都难W实现精馈过程航煤产品质量参数的实时检测。
[0003] 软测量技术源于对此类问题的关注。软测量技术近年来发展迅速，受到了越来越 广泛的重视，已经成为当前工业过程先进控制技术发展的主导方向之一。软测量技术克服 了传统的人工分析和分析仪表的一些不足，大大提高了产品的过程控制和优化效果，其发 展迅速，应用日趋广泛，几乎渗透到生产过程的各个领域。目前，一般常压精馈塔航煤产品 质量参数的建模方法是W静态的生产过程为前提，即假设我们测定的环境处于稳定不变的 状态，采用静态建模估计方法。可是在实际工况中，生产环境普遍都处于动态变化中，固有 的静态建模方法无法或很难适应生产过程样本数据的变化，导致时变条件下软测量软件无 法正常使用或者估计效果不佳。
【发明内容】
[0004] 根据现有技术存在的问题，本发明公开了一种基于动态移动窗最小二乘支持向量 机的常压精馈塔航煤干点软测量方法，具体技术方案是；包括W下步骤：
[0005] S1 ;利用最小二乘支持向量机方法建立航煤干点的软测量模型，采集精馈塔的历 史运行数据作为初始训练样本，所述历史运行数据为常压状态下精馈塔的温度、压力W及 其他工作状态信息，将历史运行数据作为软测量模型的输入信息，选择径向基核函数作为 软测量模型的核函数，采用改进的遗传算法进行最小二乘支持向量机软测量模型参数的优 化选择，使软测量模型输出预测的航煤干点化验数据信息；
[0006] S2 ;根据获取的新数据信息，利用S1中得到的最小二乘支持向量机航煤干点软测 量模型进行航煤干点估计计算，所述新数据信息为S1中模型训练后获取的精馈塔的温度、 压力W及其他工作状态信息；
[0007] S3 ;获取航煤干点化验值将该化验值和航煤干点预测值进行误差值计算；
[000引 S4 ;设置软测量模型误差阔值e，判断S3中计算出的误差值是否大于误差阔值 e ;
[0009] 如果误差值大于此阔值e，按照S5中的方式进行软测量模型更新；如果误差小于 此阔值e则进入S7 ;
[0010] S5 ;采用动态移动窗方法更新软测量模型：增加或者删除软测量模型中的样本信 息，采用如下方式；将样本（Xw，yw)加入移动窗原有样本（Xk，yk)中，同时将移动窗最早的 样本（X。yi)删除，即保持固定移动窗长度不变；
[0011] S6 ;计算软测量模型的特征矩阵，更新最小二乘支持向量机模型参数；
[0012] S7 ;判断获取的新数据信息是否为最后一个样本，如果为"否"，则返回S2重新获 取新数据信息按照上述方式更新软测量模型，如果为"是"则程序结束，该样本信息下的软 测量模型为确定的软测量模型。
[0013] 所述采用改进的遗传算法进行优化参数选择，采用如下方式：
[0014] S11 ;种群初试化：GA迭代次数300,子种群个数8,种群大小30,代沟0. 8,插入 率0.7,迁移率0.2,最小二乘支持向量机软测量模型参数寻优范围丫G[0.001，1000]， PG[0.001，1000];
[001引S12 ;计算适应度函数值；将最小二乘支持向量机中训练样本集作为验证样本，均 方差作为评估的性能函数，适应度函数设定为均方差倒数，即为寻找验证样本集均方差最 小值时的参数；
[0016] 适应度函数定义为：
[0019] y郝义.分别为实验化验值和验证集，n为验证集个数，丫为最小二乘支持向量机软 测量模型参数，P为径向基核函数的宽度参数，fitness为适应度值变化量；
[0020] S13 ;选择操作；将种群按个体适应度从大到小排序，采用随机遍历抽样从种群中 选择优良个体作为过渡代，根据代沟确定选择个体数，滤除适应度差的个体，保留最佳个 体；
[0021] S14 ;交叉操作和变异操作：自适应地改变交叉算子P。和变异算子Pm的大小，采 用离散重组算子的多点交叉方法进行交叉操作；在每个染色体任意两个相邻基因位之间设 一交叉点，交叉点数设为W，W为自然数，W产生父母定义的个体的所有可能；对于每个交叉 点，根据交叉概率P。，选择贡献给子代的父代；
[0022] 变异操作采用高斯变异的方法进行：把个体编码串中每个基因座设为变异点，根 据一定的变异率Pm，对于每个变异点，原来变量加上一个随机数，随机数取均值为0,方差为 0 2的正态分布随机数，组成新的变量，来替换原有基因值，即X'i=Xi+N化〇2)为变异后 的基因值；
[002引 S15 ;计算过渡代目标函数值：经过上述S14中子代代替父代形成新的个体，计算 新种群的不同个体的适应度值大小；
[0024] S16 ;重插入操作；把过渡代插入到父代，根据个体的适应度值，用适应度高的过 渡代代替适应度低的父代；
[0025] S17 ;种群间移民操作；在每代进化过程中W-定淘汰率用产生的新个体代替适 应度最差的个体，动态调整子代个体；
[0026] S18;当满足最大迭代次数或适应度值变化量小于设定值时停止迭代，即当 A fitness I《C，C为设定值，最佳适应度值对应的个体决定了软测量模型最优参数，该适 应度下的软测量模型为优化后模型。
[0027] 所述径向基核函数为：
[0028]
(3)
[0029] 其中，P是径向基核函数的宽度参数。
[0030] 所述软测量模型的特征矩阵：
[0031]
(4)
[0032] 其中；a表示拉格朗日乘子，b表示偏置量，1 = [1 ;1 ;…；1]表示单位向量。
[0033] 由于采用了上述技术方案，本发明提供的一种基于动态移动窗最小二乘支持向量 机的常压精馈塔航煤干点软测量方法，本发明采用动态移动窗方法更新软测量模型，增强 了模型对时变过程的自适应估计效果，为实现对航煤干点非线性模型的估计，给出了最小 二乘支持向量机计算方法，采用固定移动窗长度的方法，使软测量模型更新的计算变得方 便快捷。本发明能够适应常压塔时变过程的需要，进一步有效抑制了时变过程对航煤干点 预测的影响，增强了模型预测能力，提高了模型的预测精度。
【附图说明】
[0034] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下， 还可W根据该些附图获得其他的附图。
[0035] 图1为本发明中公开的常压精馈塔航煤干点软测量方法原理示意图
[0036] 图2为本发明