基于差分進化算法的PTA過程平均粒徑的動態軟測量
信息技術與網絡安全 2期
郭儲磊
(南京郵電大學 自動化學院，江蘇 南京210000)
摘要： 摘 要： 針對工業過程中由于時延問題造成軟測量模型預測精度不高的問題，給出了一種通過差分進化算法估計時延的動態軟測量方法。通過偏最小二乘法建立合適的適應度函數，將軟測量系統的時延參數估計問題轉化為一個多維非線性優化問題，然后利用差分進化算法的全局搜索能力求解該優化問題。針對PTA精制過程中的PTA平均粒徑大小建模研究，結果表明，時延參數估計的引入大大提高了軟測量模型的預測精度，證實了所提方法的有效性和可行性。
中圖分類號： TP274
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2022.02.008
引用格式： 郭儲磊. 基于差分進化算法的PTA過程平均粒徑的動態軟測量[J].信息技術與網絡安全，2022，41(2)：46-52.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2022.02.008
引用格式： 郭儲磊. 基于差分進化算法的PTA過程平均粒徑的動態軟測量[J].信息技術與網絡安全，2022，41(2)：46-52.
Dynamic soft sensor of average particle size in PTA process based on differential evolution algorithm
Guo Chulei
(Automatic College，Nanjing University of Posts and Telecommunications，Nanjing 210000，China)
Abstract： Aiming at the problem that the prediction accuracy of soft sensor model is not high due to the delay problem in industrial process, a dynamic soft sensor method using differential evolution algorithm to estimate the delay is proposed. The problem of time delay estimation of soft measurement system is transformed into a multi-dimensional nonlinear optimization problem by establishing a suitable fitness function by partial least square method, and then the global search ability of differential evolution algorithm is used to solve the optimization problem. Aiming at the modeling of PTA mean particle size in PTA refining process, the results show that the introduction of delay parameter estimation greatly improves the prediction accuracy of soft sensor model, and the validity and feasibility of the proposed method are verified.
Key words : soft sensor; differential evolution; time delay estimation; partial least squares
0 引言
許多關鍵質量變量難以及時測量，一直是現代工業過程監控和優化的主要問題[1-4]。在線硬件設備或離線實驗室分析儀通常用于測量工業過程中的質量變量。然而，它們往往受到技術或經濟上的限制，如環境惡劣、定期維護、成本昂貴、時間延遲大等。此外，對于一些響應時間較短的過程，不能滿足過程優化和控制的實時性要求。為了解決這些問題，建立了軟傳感器對質量變量進行實時估計，通過這些易于測量的輔助變量建立數學預測模型[5]。
在實際的工業生產流程中，時滯效應在系統中是常見的，比如由于系統的儲蓄單元引起的容積時延，或者信號傳輸過程中的純時延等。過程時延對于軟測量建模的預測精度會產生很大的影響。因此，時延參數的估計是控制理論和系統辨識領域的研究熱點和難點[6-8]。
本文詳細內容請下載：http://www.xxav2194.com/resource/share/2000003950
作者信息：
郭儲磊
(南京郵電大學 自動化學院，江蘇 南京210000)
此內容為AET網站原創，未經授權禁止轉載。