基于数据驱动技术和工艺机理模型的PTA生产过程软测量建模方法

摘要：

PTA生产过程物耗指标和质量指标实时准确的监控,是PTA生产企业降低生产成本、提高市场竞争力的重要途径.现存的PTA工艺机理模型无法实时有效地对PTA生产过程进行监控,本文提出了1种基于数据驱动技术和工艺机理模型的软测量建模方法,通过采用主元分析和模糊C均值聚类(PCA-FcM)算法将PTA历史工况进行分类,建立BP神经网络和偏最小二乘(PLS)的组合多工况模型,对PTA生产过程的物耗指标和质量指标进行预测.以某化工厂的投运效果分析,该方案有效地对PTA重要指标作了实时准确的预测,其中质量指标4CBA的相对误差控制在3%左右,有效地帮助现场操作人员将生产装置稳定运行在较优工况点.

关键词：数据驱动、主元分析、模糊C均值聚类、BP神经网络、偏最小二乘

所属期刊栏目：27

分类号：TQ015.9;TP391.9;O6-39(一般性问题)

资助基金：国家高技术研究发展计划8632008AA042902;国家自然科学基金40740420661和60974007;浙江省自然科学基金Y1080406;中央高校基本科研业务费专项资金

在线出版日期：2011-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1329-1332