论文部分内容阅读
随着现代科技的飞速发展,以化工、生物、核电等为代表的各工业领域对生产过程中变量值测量的精确性和可靠性有了更高的要求。软测量技术经历了从线性到非线性、从离线修正到在线校正的过程,加上其高精度、低成本等优势,受到了越来越多学者们的关注。为解决工业过程软测量中的变量维数高、数据相互耦合、非线性强等问题,本文提出了基于主曲线的软测量方法,并以实际工业数据进行仿真验证,得到了较好的预测效果。总的来说,全文的研究工作和成果主要包括以下几个方面:(1)鉴于工业过程中经常遇到变量维数高、数据相互耦合、非线性强的研究对象,首先提出了相关性增强的主曲线回归模型,采用相关系数加权法增强自变量矩阵X与因变量矩阵Y之间的相关性,间接实现X与Y的极大相关。通过对自变量和因变量数据矩阵的修正后,在利用主曲线法提取隐变量信息的同时,考虑到了自变量与因变量之间的相关性,而且在隐变量空间中也进行了非线性拟合,因此可以很好地提取出对象的非线性特征。(2)为了验证提出的基于主曲线的非线性回归模型的准确性,将此模型分别用于氯乙烯生产过程中的精馏单元和核反应堆功率控制系统中,来实现对头塔塔底产品含水量和反应堆核功率的软测量,并与用传统偏最小二乘方法、多项式偏最小二乘方法和BP神经网络方法建立的非线性模型进行预测效果的比较。比较结果表明,基于主曲线非线性回归模型的软测量方法可以对待测主导变量实现更为准确的预测。(3)针对核电工业过程中存在着大量的单回路和串级回路控制系统以及核电运行的特殊重要性,设计了一个控制系统仿真工具,来实现对核电站中各控制子系统的仿真实验。该仿真工具实现了系统组态配置、动态趋势图绘制等功能,并在核电中的蒸汽排放控制系统和稳压器液位控制系统中得到了模拟验证,使用起来直观方便,具有推广和应用价值。