基于關聯(lián)向量機建模方法及化工軟測量應用研究.pdf

1、軟測量技術作為一種在線檢測技術，被廣泛應用于化工過程重要質量指標在線估計研究中，其核心內容是建模方法的研究。人工智能技術被廣泛應用于軟測量建模方法研究，常用的主要有人工神經(jīng)網(wǎng)絡(ANN)、支持向量機(SVM)和關聯(lián)向量機(RVM)等。雖然與ANN、SVM相比，RVM具有核函數(shù)選擇方便、計算量小、模型稀疏程度高等優(yōu)點，但存在著預測精度有待提高、僅適用于單輸出對象等局限。本文對常規(guī)關聯(lián)向量機進行了改進，提出了兩種改進的關聯(lián)向量機建模方法，并

2、將其應用于甲醇制烯烴(MTO)生產(chǎn)過程烯烴收率軟測量研究中。主要工作如下:
　　(1)在詳細敘述軟測量技術實施步驟的基礎上，首先比較了各種基于人工智能技術的軟測量建模方法研究發(fā)展現(xiàn)狀，然后著重對RVM的改進策略及其軟測量應用現(xiàn)狀進行了總結分析;
　　(2)為了提高RVM模型的預測精度，適應強非線性、多工況特性的實際工況需求，提出了一種基于魚群算法(AFSA)優(yōu)化BP神經(jīng)網(wǎng)絡(BPNN)的改進關聯(lián)向量機建模方法，采用AFSA對

3、BPNN初始參數(shù)進行優(yōu)化選擇，加快BP網(wǎng)絡的收斂速度從而達到全局最優(yōu);然后采用優(yōu)化后的BPNN來構建多個關聯(lián)向量機子模型，進行非線性融合，以提高模型的非線性預測能力。并用一個非線性函數(shù)作為測試對象，對所提出建模方法進行了性能測試，測試結果驗證了該建模方法的有效性;
　　(3)為解決RVM在多輸入-多輸出過程對象中的應用問題，提出了一種基于混合核函數(shù)的改進關聯(lián)向量機建模方法，將多輸出關聯(lián)向量機(MVRVM)替代傳統(tǒng)的RVM，并采用A

4、FSA對組合核相關參數(shù)進行自優(yōu)化選取，有效避免人為直接設置的主觀性，最后采用一公開數(shù)據(jù)集對模型進行了性能測試;
　　(4)以DMTO工藝反應再生階段為應用研究對象，將提出的所改進關聯(lián)向量機建模方法應用于烯烴收率軟測量研究中，仿真結果表明:采用基于AFSA-BPNN的MRVM模型非線性融合軟測量建模，具有良好的非線性預測能力，較單一模型具有更高的預測精度;基于魚群算法優(yōu)化組合核參數(shù)的MVRVM軟測量模型，則能成功實現(xiàn)乙烯和丙烯雙烯烴