收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

德士古气化炉炉温软测量建模

毕伟  
【摘要】:煤的气化在以煤为主要原料的综合性化工企业中是非常重要的一个环节。德士古煤气化炉为流程后续系统提供合成气作为原料,它的稳定运行是后续系统可靠运行的保证。但是对气化炉炉膛温度的测量一直是一个难题,因为测量气化炉炉温的测温元件必须能适应强气流、强腐蚀、高温度,这种元件可选择余地不多,可靠性也不高。为找到一种可靠的温度测量技术应用,以克服在测温元件遭到损坏时,对整个工艺过程产生的不良影响,这已经成为一项重要的研究内容。 软测量技术就是应用计算机技术,使用软件代替传感器的作用,实现在线测量工艺参数的目的。近年来,软测量技术已被作为一种非常有价值的常用的替代传统测量手段的重要方法,在化学工业过程中,有很多变量都适用于软测量技术。本文通过结合某公司60万吨/年醋酸造气工艺技术改造项目,将软测量技术用于测量德士古气化炉炉温上,为此项目找到合适的气化炉炉温软测量方法。 本文主要研究了支持向量机(SVM)的算法,并分别采用BP神经网络、标准支持向量机(SVM)和最小二乘支持向量机(LS-SVM)建立了气化炉炉温软测量模型,作了对比研究。结果表明,前两者的模型预测误差落在控制范围内的比例不到85%,而最小二乘支持向量机方法的预测精度更高,算法的泛化性更强,模型预测误差落在控制范围内的比例可上升到了97.0%。可见,基于最小二乘支持向量机方法的软测量模型泛化能力较强。 文章还通过支持向量机与神经网络方法的对比,得出支持向量机算法比神经网络算法对训练数据的依赖性小,最后从软测量模型建立的方法,支持向量机核函数参数的选择以及支持向量机算法的优化等方面着手,对本课题的改进方向进行进一步的探讨。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陈如清;俞金寿;;非线性同伦LM算法及在软测量建模中的应用[J];华东理工大学学报(自然科学版);2008年01期
2 刘毅;陈坤;王海清;李平;;选择性递推LSSVR及其在过程建模中的应用[J];高校化学工程学报;2008年06期
3 杨妍;陈如清;俞金寿;;基于混沌最小二乘支持向量机的软测量建模[J];华东理工大学学报(自然科学版);2009年06期
4 陈帅;朱建宁;潘俊;侍洪波;;最小二乘支持向量机的参数优化及其应用[J];华东理工大学学报(自然科学版);2008年02期
5 杨凌;宋军;金强;;一种引入混沌机制的新型Elman神经网络及其应用[J];计算机应用;2009年02期
6 ;[J];;年期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
11 ;[J];;年期
12 ;[J];;年期
13 ;[J];;年期
14 ;[J];;年期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前3条
1 孙岩;彭亦功;;基于支持向量机和粒子群优化算法的软测量建模[A];中国仪器仪表学会2008学术年会第二届智能检测控制技术及仪表装置发展研讨会论文集[C];2008年
2 陈帅;侍洪波;朱建宁;;基于LS-SVM的德士古炉温软测量建模[A];2007年中国智能自动化会议论文集[C];2007年
3 袁安平;张湜;姜珉;陈可泉;;支持向量机在丁二酸发酵过程建模中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
中国博士学位论文全文数据库 前1条
1 陈进东;基于模糊在线支持向量回归的建模与预测控制研究[D];江南大学;2013年
中国硕士学位论文全文数据库 前9条
1 李昂;基于SVM的常压塔石脑油干点软测量建模研究[D];哈尔滨工业大学;2008年
2 骆中华;基于数据驱动的软测量建模技术及其工业应用[D];浙江大学;2006年
3 袁沈坚;酮苯脱蜡回收系统的建模与优化[D];华东理工大学;2011年
4 梁磊;明胶生产胶液浓度的软测量建模及优化[D];兰州理工大学;2013年
5 万元;多喷嘴对置式水煤浆气化炉控制系统设计与炉温软测量技术[D];华东理工大学;2011年
6 梁杰;基于数据的软测量建模方法研究及应用[D];杭州电子科技大学;2009年
7 李杰;水煤浆气化炉炉温智能软测量建模应用研究[D];华东理工大学;2012年
8 潘红芳;极限学习机的研究及其在醋酸精馏软测量建模中的应用[D];华东理工大学;2014年
9 徐铭泽;正链RNA遗传算法研究[D];浙江大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978