【技術實現步驟摘要】
本專利技術屬于化工過程軟測量建模和應用領域，特別涉及一種基于非線性半監督回歸模型的硫磺回收裝置軟測量方法。
技術介紹
1、硫磺回收裝置是一種重要的化工工業生產過程，在該裝置中，如何實時地得到裝置尾氣中硫化氫和二氧化硫的含量值，對于硫磺回收裝置的質量監測與優化控制是非常重要的一個指標，直接影響到整個裝置的經濟效益和指標。但是，針對該裝置的關鍵質量變量：硫化氫和二氧化硫的含量值測量問題，目前缺乏直接有效的在線測量手段，通常需要借助昂貴的分析儀器或者人工化驗方式，間接地得到它們的測量值。近年來，數據驅動的軟測量技術為化工過程中難以測量的變量估計提供了一種新的手段，通過裝置中其它容易測量的變量來實時地估計硫化氫和二氧化硫的含量值。線性回歸是一種非常常用的軟測量模型，已經得到了廣泛的應用，但是，受限于模型的線性約束和建模樣本數量，導致了其應用效果受到很大的影響，在很多場合難以滿足實際應用的需求。本專利技術在基本線性回歸模型的架構基礎上，引入非線性形式的徑向基函數，并通過核函數技巧將線性回歸模型推廣為非線性的形式。同時，在模型的優化函數中引入拉普拉斯正則化，融合大量的無標簽樣本數據，有效緩解了非線性回歸模型的過擬合風險，同時也提升了其在硫磺回收裝置中的軟測量估計效果。
技術實現思路
1、本專利技術的目的在于針對硫磺回收裝置中關鍵變量軟測量性能的不足，提供一種基于非線性半監督回歸模型的硫磺回收裝置軟測量方法。
2、本專利技術的目的是通過以下技術方案來實現的：
3、一種基于
4、(1)利用常規測量儀表收集硫磺回收裝置中的變量數據，主要包括溫度、壓力、流量等容易測量的變量，分析這些測量變量與目標變量(即氧化氫和二氧化硫含量)之間的相關性，選取合適的變量和數據樣本，組成建模用的訓練數據樣本集：x∈rn×m，其中，n為樣本數據集的個數，m為過程變量個數。
5、(2)為了獲取兩個目標變量：氧化氫和二氧化硫的含量數據，我們一方面通過分析儀器對其進行測定，同時通過現場人工抽樣和離線化驗分析的手段對其進行校正，確保目標變量測量的準確性。相比其它容易測量的過程變量，兩個目標變量相對來說難以獲取，因此采集的樣本數會少的多，記為y∈rn，作為軟測量模型輸出訓練樣本集，其中，n為該數據集的樣本個數。
6、(3)分別對硫磺回收裝置中收集到的各個數據變量進行預處理，去除明顯的離群點和錯誤數據，并且通過歸一化方法使得各個過程變量和目標變量的均值為零，方差為1，得到統一量綱尺度下的標準化訓練數據集。
7、(4)針對量綱尺度標準化之后的輸入和輸出數據，將其按照時間軸進行配對，分為有標簽數據集{x∈rn×m,y∈rn×r}，和無標簽數據集x∈r(n-n)×m，由于變量數據采集方式的難以程度不一樣，一般情況下，無標簽數據集的容量要遠大于有標簽數據集的容量。
8、(5)基于小規模的有標簽數據集{x∈rn×m,y∈rn×r}，在線性回歸模型的基礎上，引入非線性形式的徑向基函數，并利用最小二乘優化方法求取模型的回歸系數矩陣。
9、(6)在基本的非線性回歸模型基礎上，對模型的參數進行正則化，緩解由于訓練數據樣本少而引起的模型過擬合風險。
10、(7)在非線性正則化回歸模型中，引入拉普拉斯正則化項，融合大量的無標簽數據樣本x∈r(n-n)×m，對軟測量模型的輸入數據分布進行更好的描述，建立一個半監督形式的非線性回歸模型，提升在線軟測量的性能。
11、(8)從硫磺回收裝置中收集新的數據樣本，對其進行歸一化處理，統一各個變量的量綱，然后將新數據輸入到非線性半監督回歸模型中，計算該新數據對應的硫化氫和二氧化硫含量在線估計值。
12、一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述程序時實現所述的基于非線性半監督回歸模型的硫磺回收裝置軟測量方法。
13、一種計算機可讀存儲介質，其上存儲有計算機指令，該計算機指令被處理器執行時實現所述的基于非線性半監督回歸模型的硫磺回收裝置軟測量方法。
14、本專利技術的有益效果：
15、本專利技術通過對硫磺回收裝置中容易測量的常規過程變量和裝置上兩個關鍵變量(硫化氫和二氧化硫含量)之間建立回歸關系，構造一個非線性半監督形式的軟測量建模，通過裝置中容易測量的變量對難以測量的兩個氣體含量值進行在線估計，為硫磺回收裝置的質量控制提供重要的支撐。
本文檔來自技高網...【技術保護點】
1.一種基于非線性半監督回歸模型的硫磺回收裝置軟測量方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述一種基于非線性半監督回歸模型的硫磺回收裝置軟測量方法，其特征在于，所述步驟(5)具體為：基于小規模的有標簽數據集{X∈Rn×m,Y∈Rn×r}，在線性回歸模型的基礎上，引入非線性形式的徑向基函數，并利用最小二乘優化方法求取模型的回歸系數矩陣：
3.根據權利要求1所述一種基于非線性半監督回歸模型的硫磺回收裝置軟測量方法，其特征在于，所述步驟(6)具體為：在基本的非線性回歸模型基礎上，對模型的參數進行正則化，緩解由于訓練數據樣本少而引起的模型過擬合風險，將輸入數據和輸出數據重新表示為X＝[x1,x2,...,xN]，Y＝[y1,y2,...,yn,0,...,0]，并且定義J＝diag{1,...,1,0,...,0}為一個對角矩陣，模型的優化目標和參數如下：
4.根據權利要求1所述一種基于非線性半監督回歸模型的硫磺回收裝置軟測量方法，其特征在于，所述步驟(7)具體為：在非線性正則化回歸模型中，引入拉普拉斯正則化項，融合大量的無標簽數
5.根據權利要求1所述一種基于非線性半監督回歸模型的硫磺回收裝置軟測量方法，其特征在于，所述步驟(8)具體為：從硫磺回收裝置中收集新的數據樣本，對其進行歸一化處理，統一各個變量的量綱，然后將新數據輸入到非線性半監督回歸模型中，計算該新數據對應的硫化氫和二氧化硫含量在線估計值：
6.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于：所述處理器執行所述程序時實現如上述權利要求1至5中的任意一項所述的基于非線性半監督回歸模型的硫磺回收裝置軟測量方法。
7.一種計算機可讀存儲介質，其上存儲有計算機指令，其特征在于：該計算機指令被處理器執行時實現如權利要求1-5中任一項所述的基于非線性半監督回歸模型的硫磺回收裝置軟測量方法。
...【技術特征摘要】
1.一種基于非線性半監督回歸模型的硫磺回收裝置軟測量方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述一種基于非線性半監督回歸模型的硫磺回收裝置軟測量方法，其特征在于，所述步驟(5)具體為：基于小規模的有標簽數據集{x∈rn×m,y∈rn×r}，在線性回歸模型的基礎上，引入非線性形式的徑向基函數，并利用最小二乘優化方法求取模型的回歸系數矩陣：
3.根據權利要求1所述一種基于非線性半監督回歸模型的硫磺回收裝置軟測量方法，其特征在于，所述步驟(6)具體為：在基本的非線性回歸模型基礎上，對模型的參數進行正則化，緩解由于訓練數據樣本少而引起的模型過擬合風險，將輸入數據和輸出數據重新表示為x＝[x1,x2,...,xn]，y＝[y1,y2,...,yn,0,...,0]，并且定義j＝diag{1,...,1,0,...,0}為一個對角矩陣，模型的優化目標和參數如下：
4.根據權利要求1所述一種基于非線性半監督回歸模型的硫磺回收裝置軟測量方法，其特征在于，所述步驟(7)具體為：在非線...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。