基于趋势相似度分析的多重时滞辨识及其在加氢裂化流程中的应用

摘要：

针对复杂工业流程生产单元间变量存在多重时滞且检测困难,提出一种基于趋势相似度分析的多重时滞辨识方法.选取单元间相关性强的关键变量,利用多项式最小二乘拟合后的变量导数数据定义趋势相似度,以经采样时滞平移后的趋势相似度最小,描述多重时滞辨识问题;用L2范数量化趋势相似度向量,将多重时滞辨识问题转化成L2范数最小化问题;并用改进的自适应粒子群算法快速寻优,确定各变量的最优采样时滞.所提方法被应用于加氢裂化流程中,辨识出各变量的实际采样时滞,由此建立了基于局部加权核主元回归的柴油闪点预测模型.实验结果表明:考虑多重时滞的预测模型准确率提高了19.05%,验证了所提时滞辨识方法的有效性.

关键词：趋势相似度分析、多重时滞辨识、自适应粒子群算法、加氢、裂化、柴油闪点、预测、模型

所属期刊栏目：69

分类号：TE624.4(石油、天然气加工工业)

资助基金：国家自然科学基金重大项目61590921;国家自然科学基金青年项目61703440;中南大学中央高校基本科研业务费专项资金资助项目2017zzts488.supported by the National Natural Science Foundation of China61590921;the National Natural Science Foundation of China61703440;the Fundamental Research Funds for the Central Universities of Central South University2017zzts488

在线出版日期：2018-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1149-1157