申请/专利权人：宁波大学科学技术学院

申请日：2021-09-22

公开（公告）日：2022-01-11

公开（公告）号：CN113919213A

主分类号：G06F30/27(20200101)

分类号：G06F30/27(20200101);G06F30/28(20200101);G06N3/04(20060101);G01D21/02(20060101);G06F119/08(20200101);G06F119/14(20200101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.01.28#实质审查的生效;2022.01.11#公开

摘要：本发明公开一种基于SFA‑GRNN串联模型的脱丁烷塔丁烷浓度软测量方法，本发明方法建立脱丁烷塔底部产品中丁烷浓度的软测量模型时，首先使用SFA算法将原输入变量对应的数据转换成具代表性的输入特征，在降维的同时也剔除了诸多噪声信息的干扰影响；其次，本发明方法将降维后的输入特征当成GRNN模型的输入，使得SFA与GRNN之间是串联连接关系，并在此基础上计算得到丁烷浓度的软测量值。在具体的实施案例中，通过实验结果的对比验证了本发明方法在软测量脱丁烷塔底部产品丁烷浓度时的有效性与准确性。

主权项：1.一种基于SFA-GRNN串联模型的脱丁烷塔丁烷浓度软测量方法，其特征在于，包括以下步骤：步骤1：确定丁烷浓度软测量模型的输入变量，具体包括：塔顶部温度，塔顶部压力，回流流量，底部产品出口流量，第6层塔板温度，塔釜温度，和塔底部温度；并将塔底部产品中的丁烷浓度确定为丁烷浓度软测量模型的输出变量；步骤2：根据确定的输入变量与输出变量，连续采集n个样本数据后，将输入变量对应的样本数据存储为一个n×7维的数据矩阵X，并将输出变量对应的数据存储为n×1维的数据向量y；步骤3：根据如下所示公式分别对X中的列向量z1，z2，…，z7分别实施标准化处理，对应得到7个列向量并将列向量组建成矩阵 其中，Rn×7表示n×7维的实数矩阵，R表示实数集，μi与δi分别表示列向量zi中所有元素的均值与标准差，i∈{1，2，…，7}；步骤4：设置时序阶数为d后，再根据如下所示公式组建输入矩阵X0∈RN×m： 其中，RN×m表示N×m维的实数矩阵，N＝n-d+1，m＝7×d，xj∈R1×7表示矩阵中第j行的行向量，j∈{1，2，…，n}，时序阶数d为正整数；步骤5：使用SFA算法求解变换矩阵P∈Rm×K后，再将输入矩阵X0变换成输入特征矩阵S＝X0P，具体的实施过程如步骤5.1至步骤5.4所示；步骤5.1：对输入矩阵X0的协方差矩阵C＝X0TX0N-1实施奇异值分解，即C＝UΛUT；其中，U∈Rm×m表示奇异值分解的酉矩阵，对角矩阵Λ∈Rm×m对角线上的元素为奇异值；步骤5.2：根据公式Z＝X0UΛ-12计算白化矩阵Z后，再根据公式计算一阶差分矩阵其中，Z2表示白化矩阵Z中第2行至第N行的行向量组成的矩阵，Z1表示白化矩阵Z中第1行至第N-1行的行向量组成的矩阵，RN-1）×m表示N-1×m维的实数矩阵；步骤5.3：计算矩阵后，再求解特征值问题中，所有特征值λ1≤λ2≤…≤λm对应的特征向量v1，v2，…，vm；其中，k∈{1，2，…，m}；步骤5.4：将最小的K个特征值λ1，λ2，…，λK所对应的特征向量v1，v2，…，vK组建成矩阵V＝[v1，v2，…，vK]，再计算变换矩阵P＝UΛ-12V；步骤6：根据如下所示公式对输入特征矩阵S中的K个列向量s1，s2，…，sK以及数据向量y分别实施归一化处理，对应得到列向量以及输出向量 其中，γ∈{1，2，…，K}，sγmin和sγmax分别表示第γ个列向量sγ中的最小值和最大值，ymin和ymax分别表示数据向量y中的最小值和最大值；步骤7：组建输入特征矩阵并将输出向量中的第d个至第n个元素组成输出向量y0∈RN×1后，再搭建一个由输入层，模式层，求和层，和输出层组成的GRNN模型；其中，输入层神经元的个数等于K，模式层神经元的个数等于N，求和层神经元的个数等于2，输出层神经元的个数等于2，模式层神经元的参考向量为中的N个行向量，求和层神经元的权重向量等于输出向量y0；步骤8：在最新采样时刻t，分别采集7个输入变量对应的数据u1t，u2t，…，u7t，并按照如下所示公式对其进行标准化处理，得到标准化后的数据 步骤9：将组成输入数据向量再计算输入特征向量st＝xtP；步骤10：按照如下所示公式对st中的各个元素进行归一化处理，得到归一化后的输入特征向量 其中，sti与分别表示st与中的第i个元素；步骤11：调用步骤7中搭建的GRNN模型，计算脱丁烷塔底部产品中丁烷浓度的软测量值yt，具体的实施过程如步骤11.1至步骤11.4所示；步骤11.1：根据如下所示公式计算GRNN模型的模式层输出向量z∈RN×1： 其中，exp表示以自然数e为底的指数函数，za表示z∈RN×1中第a个元素，表示中的第a行的行向量，表示计算输入特征向量与行向量之间的距离，a∈{1，2，…，N}，RN×1表示N×1维的实数向量，β表示光滑因子；步骤11.2：根据如下所示公式计算GRNN模型的求和层输出向量w∈R2×1： 其中，上标号T表示矩阵或向量的转置，y0a表示输出向量y0中的第a个元素；步骤11.3：分别根据公式计算输出层输出值其中，w1和w2分别表示求和层输出向量w中的第1个元素和第2个元素；步骤11.4：根据公式计算出脱丁烷塔底部产品中丁烷浓度的软测量值yt；步骤12：返回步骤8，继续实施对最新采样时刻的脱丁烷塔底部产品中丁烷浓度的软测量。

全文数据：

权利要求：

百度查询： 宁波大学科学技术学院 一种基于SFA-GRNN串联模型的脱丁烷塔丁烷浓度软测量方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD