CRU穩(wěn)定汽油初餾點(diǎn)軟測(cè)量建模

題目:CRU穩(wěn)定汽油初一點(diǎn)軟測(cè)量建模摘要初徳點(diǎn)是穩(wěn)定汽油生產(chǎn)過程中的ー個(gè)重要指標(biāo),它表示輕組分含量的多少。在現(xiàn)在的生產(chǎn)中,初徳點(diǎn)基本是在化驗(yàn)室由人工化驗(yàn)得到。由于化驗(yàn)的時(shí)間比較長(zhǎng),不能用于實(shí)時(shí)控制。隨著計(jì)算機(jī)技術(shù)的發(fā)展和控制媒介的提高,軟測(cè)量技術(shù)應(yīng)運(yùn)而生。軟測(cè)量技術(shù)是利用統(tǒng)計(jì)、辨識(shí)、人工智能等方法建立數(shù)學(xué)模型，將不可測(cè)的量作為主導(dǎo)變量,通過測(cè)量與主導(dǎo)變量相關(guān)的量（輔助變量）來推測(cè)主導(dǎo)變量。軟測(cè)量技術(shù)可以連續(xù)不斷的預(yù)測(cè)不可測(cè)量,解決了過程生產(chǎn)中重要指標(biāo)靠化驗(yàn)時(shí)間滯后大的問題,達(dá)到了以軟件代替硬件的目的。關(guān)鍵詞:初儲(chǔ)點(diǎn);軟測(cè)■;主導(dǎo)變輔助變?ABSTRACTInitialboilingpointisoneofstabilizedgasolineproductionfigure,whichsayshowmuchlightcomponentcontent.Inthemodernproduction,initialboilingpointisgetbyartificialinlaboratorytests.Duetothetesttimeistoolong，whichcannotbeusedinreal-timecontrol.Withthedevelopmentofcomputertechnologyandcontrolmediaimprovement,thesoftmeasurementtechnologyarisesatthehistoricmoment.Thesoftmeasurementtechnologyusesstatistics,identification,artificialintelligencemethodtoestablishthemathematicalmodel,regardingthemeasurablevariableasprimaryvariable,throughmeasuringrelatedsecondaryvariablepredicttheprimaryvariable.Thesoftmeasurementtechnologycanbecontinuousforecasttheunmeasurablevariable.Solvingtheproductionprocessofimportantfigureontesttimedelay,reachingthepurposeofreplacinghardwaretosoftware.Keywords：Initialboilingpoint,Softsensor,primaryvariable,SecondaryvariableTOC\o"1-5"\h\z前言 1\o"CurrentDocument"第1章緒論 1\o"CurrentDocument"第1.1節(jié)基于傳統(tǒng)方法的軟測(cè)量建模 2\o"CurrentDocument"第1.2節(jié)基于統(tǒng)計(jì)回歸分析的軟測(cè)量建模 3\o"CurrentDocument"第1.3節(jié)人工智能建模方法 4\o"CurrentDocument"第1.4節(jié)軟測(cè)量方法在工業(yè)過程中的實(shí)現(xiàn) 6\o"CurrentDocument"軟測(cè)量輔助變量的選取 7\o"CurrentDocument"軟測(cè)量的數(shù)據(jù)選擇與處理 8\o"CurrentDocument"軟測(cè)量模型的辨識(shí)和在線校正 8\o"CurrentDocument"第1.5節(jié)文章的研究?jī)?nèi)容和結(jié)構(gòu)安排 9\o"CurrentDocument"文章研究的主要內(nèi)容 9\o"CurrentDocument"文章的結(jié)構(gòu)安排 10\o"CurrentDocument"第2章基于統(tǒng)計(jì)學(xué)的回歸建模方法 10\o"CurrentDocument"第2.1節(jié)多元逐步回歸方法 11\o"CurrentDocument"第2.2節(jié)偏最小二乘方法 13\o"CurrentDocument"偏最小二乘法的特點(diǎn) 13\o"CurrentDocument"偏最小二乘法的建模步驟 14\o"CurrentDocument"第2.3節(jié)主元分析建模 16\o"CurrentDocument"主成分分析基本思想 16\o"CurrentDocument"主成分分析的數(shù)學(xué)模型 17\o"CurrentDocument"主成分分析的步驟 18\o"CurrentDocument"主成分分析的應(yīng)用 20\o"CurrentDocument"主成分分析在本文的應(yīng)用 20第3章多元逐步回歸在建立CRU穩(wěn)定汽油初饋點(diǎn)軟測(cè)量模型中的應(yīng)用 21\o"CurrentDocument"第3.1節(jié)裝置簡(jiǎn)介 21\o"CurrentDocument"第3.2節(jié)工藝原理 21\o"CurrentDocument"預(yù)加氫 21\o"CurrentDocument"重整 23\o"CurrentDocument"第3.3節(jié)エ藝流程說明 25\o"CurrentDocument"預(yù)加氫部分 25\o"CurrentDocument"重整部分 25第3.4節(jié)MSR建模 29\o"CurrentDocument"輔助變量的選擇 29\o"CurrentDocument"數(shù)據(jù)處理 30\o"CurrentDocument"逐步回歸建立軟測(cè)量模型 31第4章建立軟測(cè)量模型 32\o"CurrentDocument"第4.1節(jié)偏最小二乘法建立汽油初儲(chǔ)點(diǎn)軟測(cè)量數(shù)學(xué)模型 32第4.2節(jié)主元分析偏最小二乘法混合建立汽油初儲(chǔ)點(diǎn)軟測(cè)量模型......33\o"CurrentDocument"第5章結(jié)束語 34\o"CurrentDocument"參考文獻(xiàn) 34致謝 35前百石油化工行業(yè)是一個(gè)重要的工業(yè),關(guān)系到國(guó)計(jì)民生,對(duì)人們的生產(chǎn)和生活提供了能源、燃料、生產(chǎn)資料等,是國(guó)家經(jīng)濟(jì)的發(fā)展和人民的生產(chǎn)和生活必不可少的工業(yè)。目前,我國(guó)石油化工行業(yè)經(jīng)過五十年的建設(shè)與發(fā)展已經(jīng)越來越成熟,有齊全的產(chǎn)品和相對(duì)完備的生產(chǎn)體系。但是和其他發(fā)達(dá)國(guó)家相比仍有很大的差距。因此,如何充分利用現(xiàn)代信息技術(shù)和提高我國(guó)化工生產(chǎn)和管理水平是亟待解決的問題。企業(yè)應(yīng)充分依靠強(qiáng)大的信息技術(shù)優(yōu)勢(shì)，使生產(chǎn)過程的設(shè)備和生產(chǎn)條件處于最佳狀態(tài),從而活的最大利益。重整裝置是石油化工行業(yè)ー種重要的生產(chǎn)設(shè)備，重整裝置分儲(chǔ)塔徳分決定了重整原料組成和化學(xué)反應(yīng),以生產(chǎn)高辛烷值芳烽為目的的重整裝置效率和適當(dāng)?shù)那邢魍ㄟ^徳分范圍,使用沸點(diǎn)和揮發(fā)性能的不同將各組分的分離,得到符合要求的儲(chǔ)分的原材料⑴。以提高產(chǎn)量和質(zhì)量。從初儲(chǔ)點(diǎn)到終餛點(diǎn)這段溫度范圍稱為儲(chǔ)程。所以關(guān)鍵是在過程的初始徳分得到分?jǐn)?shù)值一個(gè)關(guān)鍵控制規(guī)范分儲(chǔ)塔各相關(guān)參數(shù)的控制精制油早在分?jǐn)?shù)，現(xiàn)在很容易得到各種各樣的儲(chǔ)分。精制油重整裝置設(shè)備的早期決定點(diǎn)的ー小部分液體收率和汽油辛烷值的ー個(gè)重要指標(biāo)。初儲(chǔ)點(diǎn)過低或過高，將影響精制油的性質(zhì)。作為重整裝置最后ー個(gè)單位，其操作條件是精制油質(zhì)量的主要影響因素。工作溫度、壓カ、溫度和回流溫度對(duì)精制油的初儲(chǔ)點(diǎn)有很大影響,而這些因素對(duì)初儲(chǔ)點(diǎn)評(píng)估的首要條件優(yōu)化操作”リ。由于工程和技術(shù)的局限性,難以通過硬件傳感器在線檢測(cè)。目前,生產(chǎn)過程經(jīng)常采用時(shí)序分析方法,即每幾個(gè)小時(shí)采樣一次,送實(shí)驗(yàn)室人工分析，然后進(jìn)行分析的基礎(chǔ)上,對(duì)分析價(jià)值指導(dǎo)生產(chǎn)。因?yàn)槿祟惙治龀３髱讉€(gè)小時(shí),采樣周期較長(zhǎng)，所以遠(yuǎn)遠(yuǎn)不能滿足在線控制的要求，在這些方面的軟測(cè)量技術(shù)有很多優(yōu)點(diǎn)。軟測(cè)量技術(shù)是依賴計(jì)算機(jī)技術(shù),為生產(chǎn)過程中不能直接測(cè)量的變量（即主導(dǎo)變量）,選擇ー組的密切關(guān)系的變量（即輔助變量）構(gòu)成的數(shù)學(xué)模型為主導(dǎo)變量被用來估計(jì),代替硬件到軟件的目的。該方法具有快速響應(yīng)、維修成本低的優(yōu)點(diǎn),而且已成為ー個(gè)重要的研究方向。如果軟儀表可以達(dá)到一定程度的準(zhǔn)確性、實(shí)時(shí)性和可靠性來取代硬件儀器測(cè)量某些參數(shù),它可以和幾乎所有的反饋控制算法相結(jié)合，形成基于軟測(cè)量的控制。很明顯,軟儀表的效果是控制系統(tǒng)性能的關(guān)鍵，在目前控制和優(yōu)化算法具有較為完善的情況下,開發(fā)高性能的軟儀表成為提高控制系統(tǒng)性能的關(guān)鍵。第1章緒論在20世紀(jì)70年代Brosillow提出了推斷控制理論,軟測(cè)量技術(shù)由此誕生。它的本質(zhì)是一個(gè)建模問題,即通過構(gòu)造某種數(shù)學(xué)模型,描述可測(cè)量的關(guān)鍵操作變量,被控變量和擾動(dòng)變量與產(chǎn)品質(zhì)量之間的關(guān)系,以過程操作數(shù)據(jù)為依據(jù),由于工程和技術(shù)的局限性，難以通過硬件傳感器在線檢測(cè)。目前,生產(chǎn)過程經(jīng)常采用時(shí)序分析方法,即每幾個(gè)小時(shí)采樣一次,送實(shí)驗(yàn)室人工分析,然后進(jìn)行分析的基礎(chǔ)上,對(duì)分析價(jià)值指導(dǎo)生產(chǎn)。因?yàn)槿祟惙治龀３髱讉€(gè)小時(shí),采樣周期較長(zhǎng),所以遠(yuǎn)遠(yuǎn)不能滿足在線控制的要求,在這些方面的軟測(cè)量技術(shù)有很多優(yōu)點(diǎn)。軟測(cè)量技術(shù)是依賴計(jì)算機(jī)技術(shù)，為生產(chǎn)過程中不能直接測(cè)量的變量（即主導(dǎo)變量）,選擇ー組的密切關(guān)系的變量（即輔助變量）構(gòu)成的數(shù)學(xué)模型為主導(dǎo)變量被用來估計(jì),代替硬件到軟件的目的。該方法具有快速響應(yīng)、維修成本低的優(yōu)點(diǎn),而且已成為ー個(gè)重要的研究方向。獲得產(chǎn)品質(zhì)量的估計(jì)值,為產(chǎn)品質(zhì)量控制提供參數(shù)指導(dǎo)⑹。軟測(cè)量技術(shù)最重要的一步是建立數(shù)學(xué)模型，按照建模的方法和理論可以分為以下幾種:第14節(jié)基于傳統(tǒng)方法的軟測(cè)量建模機(jī)理分析建模方法機(jī)理分析建模方法主要是遵循生產(chǎn)過程的反應(yīng)動(dòng)力學(xué)方程、物質(zhì)平衡、能量守恒,它是基于生產(chǎn)過程的原則為主導(dǎo)的機(jī)理分析，建立變量和輔助變量之間的關(guān)系。該方法明確的背景、理論依據(jù)強(qiáng)，便于實(shí)際應(yīng)用。但是現(xiàn)代的工業(yè)生產(chǎn)過程的復(fù)雜性使得機(jī)理分析的過程很困難,獲得完整、準(zhǔn)確的機(jī)理模型是非常困難的?；跔顟B(tài)估計(jì)的建模方法如果已知系統(tǒng)的狀態(tài)空間模型,而主導(dǎo)變數(shù)為系統(tǒng)狀態(tài)變量為輔助變量是相當(dāng)大的,構(gòu)造軟測(cè)量?jī)x表問題轉(zhuǎn)化為國(guó)家觀察或狀態(tài)估計(jì)問題。該方法反映了主要變量和輔助變量間的動(dòng)態(tài)關(guān)系,有利于處理系統(tǒng)中各個(gè)變量之間的動(dòng)態(tài)特性差異和系統(tǒng)滯后。但對(duì)于復(fù)雜工業(yè)過程,所以很難確定的狀態(tài)空間模型,該方法的適用范圍有待提到。第1.2節(jié)基于統(tǒng)計(jì)回歸分析的軟測(cè)量建?；貧w分析是ー個(gè)經(jīng)典的建模方法。二次變量少,只需要收集系統(tǒng)建模的價(jià)值的各種參數(shù)的要求,通過資料的統(tǒng)計(jì)分析中所隱含的提取エ藝參數(shù)的關(guān)系,從而建立主導(dǎo)變量和輔助變量間的數(shù)學(xué)模型,為更多的輔助變量,以機(jī)理分析和統(tǒng)計(jì)分析相結(jié)合的方法。通過分析的第一個(gè)系統(tǒng)參數(shù)之間的關(guān)系,得到粗略的基礎(chǔ)上,運(yùn)用統(tǒng)計(jì)分析的方法來確定模型參數(shù)⑸。統(tǒng)計(jì)回歸的方法主要有以下幾種:多元線性回歸多元線性回歸是主要變量的絕對(duì)誤差和最小為優(yōu)化目標(biāo),輔助變量線性回歸分析。但它需要輔助變量的變化范圍小和非線性程度并不嚴(yán)重，否則會(huì)嚴(yán)重影響建模精度,甚至?xí)斐山Ｊ?。與此同時(shí),該模型的復(fù)雜性，輔助變量增加變化影響建模速度。主元回歸主成分分析的方法，基于數(shù)據(jù)的變化差異的大小來確定指標(biāo)的主次地位改變方向。它可以從原來的輔助變量和一些新的變量,對(duì)原始數(shù)據(jù)達(dá)到目的的信息提取,也降低維數(shù)的數(shù)據(jù)處理。主要的回歸方法是利用主成分分析的思想,提取輔助變量是正交小學(xué),然后結(jié)構(gòu)變量和領(lǐng)導(dǎo)的關(guān)系元,能很好地解決多元線性回歸方法中存在的變量的線性問題。通常意義上的主要回歸方法，仍然屬于類別的線性回歸,并不能反映工業(yè)過程中復(fù)雜的非線性關(guān)系。所以有許多和發(fā)達(dá)元回歸方法,如:多層感知器方法,核主成分分析等。一個(gè)核主成分分析近年來廣泛使用,主要是通過將輔助變量通過變換的非線性映射到高維空間,這是第一個(gè)主要提取通常是可以包含大部分的原始數(shù)據(jù)信息,使得主元更簡(jiǎn)單和有效的提取。偏最小二乘回歸偏最小二乘回歸分析和主要元回歸具有相同的數(shù)據(jù)壓縮和信息提取的功能。但不同的是,偏最小二乘回歸分析，提取主成分時(shí)不僅考慮到獨(dú)立變量，并進(jìn)行了主成分也包括因變量的信息。這使得最后ー組回歸模型對(duì)因變量能做出更好的解釋。因此，偏最小二乘回歸分析,是很好的魯棒性和穩(wěn)定性的預(yù)測(cè)精度。此外,由于偏最小二乘回歸只能用于線性回歸,所以近年來,有許多促銷算法。如:（1）輔助變量在原添加一些的非線性組合;（2）將線性偏最小二乘回歸方差的最大的標(biāo)準(zhǔn)為目標(biāo)的一部分,神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的非線性偏最小二乘法內(nèi)部和外部模型;（3）保持偏最小二乘回歸分析外部線性模型結(jié)構(gòu),內(nèi)部采用神經(jīng)網(wǎng)絡(luò)或非線性項(xiàng)實(shí)現(xiàn)非線性回歸。第1.3節(jié)人工智能建模方法用于軟測(cè)量建模方法具有許多人工智能:人工神經(jīng)網(wǎng)絡(luò)方法,基于模式識(shí)別的方法,基于模糊理論的方法等,當(dāng)幾個(gè)應(yīng)用最為廣泛的人工神經(jīng)網(wǎng)絡(luò)方法。人工神經(jīng)網(wǎng)絡(luò)方法（ArtificialNeuralNetworks,ANN）是人類的神經(jīng)元過程模擬的方法和信息形成的一種人工智能方法。它不需要先驗(yàn)知識(shí)的支持,只依靠エ業(yè)對(duì)象的輸入/輸出數(shù)據(jù)建模，且適用于高度非線性系統(tǒng)。在處理大量的信息過程中的獨(dú)特優(yōu)勢(shì):（1）組織、自適應(yīng)和自學(xué)習(xí)功能;（2）信息進(jìn)行分布式處理和聯(lián)想存儲(chǔ)功能;（3）對(duì)于強(qiáng)的魯棒性和容錯(cuò)性。目前廣泛的神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò),RBF神經(jīng)網(wǎng)絡(luò)等。此外,為了克服的局限性，單一的神經(jīng)網(wǎng)絡(luò)方法,許多研究人員將多種建模方法,結(jié)合也取得一定的成果。如:遺傳算法和神經(jīng)網(wǎng)絡(luò)結(jié)合BP和GA算法集成的方法一個(gè)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的方法等⑼。第1.4節(jié)軟測(cè)量方法在工業(yè)過程中的實(shí)現(xiàn)軟測(cè)量算法在應(yīng)用于復(fù)雜過程控制中時(shí)，需要進(jìn)行ー系列的數(shù)據(jù)處理和模型校正|10',具體步驟和框架如下圖所示：圖!1軟測(cè)量的工業(yè)實(shí)現(xiàn)框架圖軟測(cè)量技術(shù)應(yīng)用于エ業(yè)過程一般包括四個(gè)部分,即:根據(jù)反應(yīng)機(jī)理選擇輔助變量、輸入輸出數(shù)據(jù)預(yù)處理、建立軟測(cè)量模型和在線校正。1.4.I軟測(cè)量輔助變量的選取選取輔助變量包括對(duì)變量類型、變量個(gè)數(shù)和記錄點(diǎn)位置的選擇。這三個(gè)方面是互相聯(lián)系、相互影響的,不但受具體生產(chǎn)過程的特性影響,而且還受到生產(chǎn)時(shí)的設(shè)備狀態(tài)、外部環(huán)境條件等因素的影響(1)輔助變量類型的選擇輔助變量的選擇分為數(shù)量、類型和檢測(cè)點(diǎn)位置的選擇。變量數(shù)量的選擇和過程自由度、測(cè)量噪聲和模型不確定性等有關(guān)。其下限值為被估計(jì)主導(dǎo)變量的個(gè)數(shù)。變量類型的選擇有以下原則:①靈敏性:對(duì)過程輸出或不可測(cè)擾動(dòng)能快速反應(yīng)。②過程適用性：工程上易于獲取并具有一定的測(cè)量精度。③特異性：對(duì)過程輸出或不可測(cè)擾動(dòng)之外的干擾不敏感。(4)準(zhǔn)確性：能滿足精度要求。⑤魯棒性：對(duì)模型誤差不敏感。因?yàn)檩o助變量類型、數(shù)量很多,為方便起見，按照以上原則進(jìn)行適當(dāng)?shù)慕稻S處理，降低變量的維數(shù)?？梢圆捎闷娈愔捣纸饣蛘呤枪I(yè)控制當(dāng)真軟件等方法進(jìn)行檢測(cè)點(diǎn)的選擇，在使用軟測(cè)量技術(shù)時(shí),檢測(cè)位置對(duì)模型的動(dòng)態(tài)特性有一定影響。因此，軟測(cè)量技術(shù)的實(shí)施對(duì)輸入中間的輔助變量的監(jiān)測(cè)點(diǎn)位置、檢測(cè)方法和儀表精度有一定的要求。(2)輔助變量個(gè)數(shù)的選擇輔助變量的數(shù)目為選擇、最小數(shù)目應(yīng)不小于輸出變量的數(shù)目。首先應(yīng)該通過機(jī)理分析和回歸方法確定的是變量的值過程變量的影響，特別是測(cè)量變量。但目前的最優(yōu)數(shù)量的二次變量,并沒有明確的標(biāo)準(zhǔn)可以跟隨。通常還需要通過多次試驗(yàn)確定預(yù)測(cè)精度最高的輔助變量的數(shù)量。(3)記錄點(diǎn)位置的選擇記錄點(diǎn)位置的選擇有時(shí)和輔助變量數(shù)目的選擇是同步的。數(shù)字輔助變量選擇的原則和方法也可用于記錄ー些定位。但位置的選擇要求更高的實(shí)際經(jīng)驗(yàn)。在生產(chǎn)過程中數(shù)據(jù)采集的軟測(cè)量建模的影響也是至關(guān)重要的，所以通過分析機(jī)制和過程,探討了選擇合適的數(shù)據(jù)建模,是十分必要的。首先,充分掌握操作條件下的生產(chǎn)過程中,試圖確定各種輔助變量的取值范圍內(nèi),選擇記錄點(diǎn)。但同時(shí)應(yīng)注重價(jià)值的數(shù)據(jù)點(diǎn)應(yīng)合理分布范圍，即這些數(shù)據(jù)應(yīng)該代表:樣品應(yīng)均勻分布特征附近。每個(gè)特征點(diǎn)的數(shù)據(jù)應(yīng)合理分配近,甚至,應(yīng)該不會(huì)耗費(fèi)太多的樣品和特征點(diǎn)的邊緣點(diǎn),少索取樣品,所以極易造成模型泛化能力削弱甚至建模失敗。所以點(diǎn)的選擇記錄應(yīng)注意合理分布,而且對(duì)樣本點(diǎn)“縮小”,以確保數(shù)據(jù)的代表性。數(shù)據(jù)選擇與處理軟測(cè)量技術(shù)是通過計(jì)算過程數(shù)據(jù)而實(shí)現(xiàn)的，為了保證軟測(cè)量的額準(zhǔn)確性和有效性,對(duì)采集來的數(shù)據(jù)進(jìn)行篩選時(shí),要注意數(shù)據(jù)的有效性和精簡(jiǎn)性,均勻合理的分配采樣點(diǎn),最大限度的拓寬數(shù)據(jù)的范圍,減少信息的重復(fù),避免信息的冗余。除此之外,由于儀表測(cè)量誤差和環(huán)境噪聲的影響，對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)處理是軟測(cè)量技術(shù)必不可少的一步。輸入數(shù)據(jù)的準(zhǔn)確性直接影響軟儀表的精度。對(duì)輸入數(shù)據(jù)預(yù)處理主要在以下兩方面進(jìn)行:數(shù)據(jù)變換和誤差處理。數(shù)據(jù)的變換對(duì)模型的精度，非線性的映射能力有很大的影響。數(shù)值變換包括標(biāo)度、轉(zhuǎn)換和全函數(shù)三部分。標(biāo)度用于解決測(cè)量量數(shù)據(jù)太大的問題,從而改變算法的精度和穩(wěn)定性。轉(zhuǎn)換用于解決非線性的問題,通過直接轉(zhuǎn)換或者尋找新變量代替原變量的方法來降低非線性。權(quán)函數(shù)主要用于對(duì)變量動(dòng)態(tài)特性的補(bǔ)償。對(duì)數(shù)據(jù)進(jìn)行誤差處理是十分重要的步驟，誤差處理保證了數(shù)據(jù)的準(zhǔn)確性，誤差的存在會(huì)導(dǎo)致數(shù)據(jù)的失效，任何數(shù)據(jù)的失效都會(huì)降低模型的精度,甚至是整個(gè)軟測(cè)量失敗。誤差可以分為隨機(jī)誤差和粗大誤差兩種。隨機(jī)誤差是由隨機(jī)因素引起的，可能是操作過程中的微小擾動(dòng)環(huán)境噪聲等等,隨機(jī)誤差是不可避免的,但是隨機(jī)誤差符合統(tǒng)計(jì)規(guī)律,可以用濾波的方法減小,如算數(shù)平均濾波,阻尼濾波和小波濾波等。粗大誤差的處理包括利用3◎法、隨機(jī)搜索法、神經(jīng)網(wǎng)絡(luò)等。軟測(cè)量模型的辨識(shí)和在線校正軟測(cè)量技術(shù)的關(guān)鍵是模型辨識(shí),辨識(shí)得到的模型的精度直接影響軟測(cè)量的結(jié)果。隨著軟測(cè)量技術(shù)的發(fā)展，因?yàn)檐洔y(cè)量采用的理論工具和所針對(duì)的實(shí)際對(duì)象的不同,現(xiàn)在有多種軟件測(cè)量可以建模。這其中應(yīng)用最多的是統(tǒng)計(jì)回歸方法，如模式識(shí)別建模,機(jī)理模型建模，神經(jīng)網(wǎng)絡(luò)技術(shù)等等。由于軟測(cè)量對(duì)象隨時(shí)間變化，非線性模型本身不完整性等特點(diǎn),該模型在生產(chǎn)過程的軟測(cè)量建模在線校正是不可缺少的一部分。在線修正的模型結(jié)構(gòu),包括校準(zhǔn)和模型參數(shù)標(biāo)定。因?yàn)檎{(diào)整模型結(jié)構(gòu)需要大量的生產(chǎn)數(shù)據(jù)和長(zhǎng)期的訓(xùn)練時(shí)間,所以通常意義上在線校正主要是指對(duì)參數(shù)修正。目前,軟測(cè)量中使用最廣泛的是與主導(dǎo)變量的動(dòng)態(tài)特性相近，關(guān)系密切的可測(cè)量參數(shù)，例如精徳塔的溫度。軟測(cè)量技術(shù)在控制領(lǐng)域的研究和實(shí)踐中取得了很大的成功,但是目前沒有形成系統(tǒng)的理論。第L5節(jié)文章的研究?jī)?nèi)容和結(jié)構(gòu)安排文章研究的主要內(nèi)容本文主要研究了工業(yè)過程軟測(cè)量建模方法,非線性,根據(jù)工業(yè)過程參數(shù)的多重相關(guān)性的特點(diǎn),基于多元逐步回歸和偏最小二乘法的方法來解決此類問題的軟測(cè)量模型。同時(shí)熟悉掌握了催化重整煉油工藝,并將此方法應(yīng)用在催化重整的煉油生產(chǎn)過程中穩(wěn)定汽油初徳點(diǎn)軟測(cè)量模型，驗(yàn)證了該方法的有效性。本論文的主要完成的工作如下:（1）掌握重整裝置的生產(chǎn)原理和エ藝流程,從機(jī)理上認(rèn)識(shí)個(gè)變量對(duì)初儲(chǔ)點(diǎn)的影響。（2）應(yīng)用多元逐步回歸方法和機(jī)理分析選擇的輔助變量建立軟測(cè)量模型。（3）采用偏最小最小二乘法選取主元，建立軟測(cè)量模型。（4）利用主元分析的方法選取主元,再利用偏最小二乘法建立軟測(cè)量模型。（5）把建立的數(shù)學(xué)模型應(yīng)用到催化重整裝置中穩(wěn)定汽油初徳點(diǎn)軟測(cè)量建模,并檢驗(yàn)?zāi)Ｐ偷挠行?。文章的結(jié)構(gòu)安排本文的結(jié)構(gòu)安排如下:一.緒論:闡述了論文研究的理論依據(jù)和行業(yè)背景,明確的課題的研究意義。總結(jié)了軟測(cè)量建模研究的現(xiàn)狀并有一個(gè)綜合評(píng)價(jià)方法。最后,總結(jié)論文的結(jié)構(gòu)安排。-.基于統(tǒng)計(jì)回歸技術(shù)的軟測(cè)量方法:著重研究了統(tǒng)計(jì)分析的軟測(cè)量建模方法,對(duì)多元逐步回歸及偏最小二乘法做了詳細(xì)的闡述和研究,通過數(shù)值試驗(yàn)分析驗(yàn)證了其局限性。三.掌握重整裝置的生產(chǎn)原理和エ藝流程,從機(jī)理上認(rèn)識(shí)個(gè)變量對(duì)初鐳點(diǎn)的影響。四.應(yīng)用多元逐步回歸方法和機(jī)理分析選擇的輔助變量建立軟測(cè)量模型?；谥髟治鲞x擇主元,利用偏最小二乘法建立數(shù)學(xué)模型,將模型應(yīng)用到軟測(cè)量建模中,并檢驗(yàn)其有效性。五.把建立的數(shù)學(xué)模型應(yīng)用到催化重整裝置中穩(wěn)定汽油初儲(chǔ)點(diǎn)軟測(cè)量建模,并檢驗(yàn)?zāi)Ａ?結(jié)論與展望:對(duì)全文內(nèi)容進(jìn)行歸納和總結(jié),并對(duì)今后的研究工作進(jìn)行展望和規(guī)劃。第2章基于統(tǒng)計(jì)學(xué)的回歸建模方法統(tǒng)計(jì)回歸技術(shù)主要是通過統(tǒng)計(jì)理論建立輸入和輸出數(shù)據(jù)的數(shù)學(xué)模型。因?yàn)樗皇峭耆蕾囉谏a(chǎn)過程的機(jī)理和エ藝分析,為復(fù)雜エ業(yè)過程的統(tǒng)計(jì)回歸技術(shù)可以繞過復(fù)雜的過程和機(jī)理分析,通過統(tǒng)計(jì)學(xué)習(xí)理論,對(duì)生產(chǎn)過程的數(shù)學(xué)模型。統(tǒng)計(jì)回歸主要可分為線性回歸和非線性回歸:線性回歸分析要求自變量和因變量之間的近似線性關(guān)系見面,所以只適用于簡(jiǎn)單的線性擬合關(guān)系;非線性回歸是指自變量和因變量是之間的非線性關(guān)系。線性回歸和非線性回歸方程形式是已知的，對(duì)模型參數(shù)進(jìn)行了估計(jì)，當(dāng)然，常用的方法:最小二乘法擬合方法,多項(xiàng)式回歸方法,回歸方法,利用偏最小二乘法等。但是在復(fù)雜エ業(yè)過程中,多種因素的影響主要變量,它很難給出ー個(gè)方程和機(jī)制,因此如何之機(jī)制,建立一個(gè)完全基于樣本模型成為眾多學(xué)者的研究。目前比較廣泛應(yīng)用的“黑箱’’的建模方法主要有神經(jīng)網(wǎng)絡(luò)方法等。本章討論統(tǒng)計(jì)回歸技術(shù)中的多元逐步回歸方法和偏最小二乘方法。第2.1節(jié)多元逐步回歸方法A.思想多元回歸分析方法(基礎(chǔ)最小二乘法)；B.特點(diǎn)是雙向篩選;C.計(jì)算步驟:1)確定F檢驗(yàn)值在進(jìn)行逐步回歸計(jì)算前要確定檢驗(yàn)每個(gè)變量是否顯若的檢驗(yàn)水平,以作為引人或剔除變量的標(biāo)準(zhǔn)。檢驗(yàn)水平要根據(jù)具體問題的實(shí)際情況來定。ー般地,為使最終的回歸方程中包含較多的變量,水平不宜取得過高,即顯著水平a不宜太小,水平還與自由度有關(guān)2)逐步計(jì)算(a)計(jì)算全部自變量的貢獻(xiàn)(偏回歸平方和)Vi。(b)在已引入的自變量中,檢查是否有需要剔除的不顯著變量。這就要在已引入的變量中選取具有最小值的一個(gè)并計(jì)算其F值,如果FVB,表示該變量不顯著,應(yīng)將其從回歸方程中剔除，計(jì)算轉(zhuǎn)至(c)。如F>Fi則不需要剔除變量,這時(shí)則考慮從未引入的變量中選出具有最大值的ー個(gè)并計(jì)算值,如果F>F2,則表示該變量顯著,應(yīng)將其引入回歸方程,計(jì)算轉(zhuǎn)至(c)。如果F<F2,表示已無變量可選入方程,則逐步計(jì)算階段結(jié)束,計(jì)算轉(zhuǎn)入3)。(c)剔除或引人ー個(gè)變量后,相關(guān)系數(shù)矩陣進(jìn)行消去變換,計(jì)算結(jié)束。其后重復(fù)(a)?(c)再進(jìn)行下步計(jì)算。3)其他計(jì)算主要是計(jì)算回歸方程入選變量的系數(shù)、復(fù)相關(guān)系數(shù)及殘差等統(tǒng)計(jì)量。逐步回歸的具體計(jì)算步驟:(1)假設(shè)有n個(gè)自變量Xio,Xu,……,Xii?因變量為y,有k個(gè)觀測(cè)點(diǎn)。根據(jù)最小二乘原理,y的預(yù)測(cè)值為:/=bioXio+……+biiXii+bn(2-1)其中,0<i0<il..<il<n-l且各xit(t=l,2,3...1)是從n個(gè)自變量中按一定顯著性水平篩選出來的檢驗(yàn)為顯著的因子。篩選過程如下:首先做出(n+1)*(n+l)格式的系統(tǒng)初始相關(guān)矩陣rOO…rOy-TOC\o"1-5"\h\zR=：ス: (2-2).ryO…rj,y一矩陣中的元素是:y(X：,.-x：)(x：,.其中第n個(gè)變量為因變量yX：=-Ylxij(j=1,2,…ノ〃+1) (2-4)(2)計(jì)算偏回歸平方和v.=riyryi(i=Q …ノ) (2-5)(3)若Vi<0,則對(duì)應(yīng)的Xi是已被選入的因子。若所有Vi<0的Vi中選出的Vmin二min{V}I,其對(duì)應(yīng)的因子為xmin,然后檢驗(yàn)因了Xmin的顯著性。若按一定顯著性水平選取F出:尸一i)_匕』疝】?(〃ーノー1)<F出 (2?6)

則剔除因子Xmin,并對(duì)系統(tǒng)相關(guān)矩陣R進(jìn)行該因子的消元。轉(zhuǎn)（2）（4）若Vi>0,則對(duì)應(yīng)的Xi是未被入的因子若所有Vi>0的Vi中選出的Vmax=max{V}i,其中對(duì)應(yīng)的因子為Xmax,然后檢驗(yàn)因子Xmax的顯著性,若按一定顯著性水平選取F進(jìn):尸ビ= 如進(jìn) （2?7）fyy?1,max則因子Xmax被選入,并對(duì)系統(tǒng)相關(guān)矩陣R進(jìn)行該因子的增元改變,轉(zhuǎn)（2）直到上述過程沒有因子可以剔除為止。進(jìn)入回歸方程各因子的系數(shù):(2-8)(2-8)常數(shù)項(xiàng):(2-9)%=アーリス,回歸值和偏差值:(2-9)九=仄+Z仇ム,偏差值 ビ="ー九 （2-10）第2.2節(jié)偏最小二乘方法偏最小二乘法的特點(diǎn).PLS是ー種能處理多個(gè)因變量更多論述建模方法。尤其是當(dāng)變量在設(shè)定更高度的相關(guān)性,使用PLS回歸建模分析和比較了因變量，是ー個(gè)多元回歸更有效、更可靠整體性強(qiáng)的建模方法。.PLS能解決許多以前使用常見的多元回歸分析方法不能解決這個(gè)問題。諸如獨(dú)立變量之間的多重相關(guān)性問題和樣本點(diǎn)不宜太小等問題。.PLS能實(shí)現(xiàn)多種數(shù)據(jù)分析方法的綜合應(yīng)用。它可以設(shè)置多元線性回歸法、主成分分析和典型相關(guān)分析為一體的基本技能。在ー個(gè)PLS計(jì)算中,不僅可以得到更多的多變量的因變量回歸模型,可以分析兩組變量之間的關(guān)系,同時(shí)觀察樣本點(diǎn)相似結(jié)構(gòu)。這使得數(shù)據(jù)系統(tǒng)分析的內(nèi)容更加豐富,同時(shí)回歸模型為更多的細(xì)節(jié)的實(shí)際的解釋。.PLS允許在最終模型包含所有原來的自變量,最大限度地利用數(shù)據(jù)信息,在相同的數(shù)據(jù)信息環(huán)境下PLS比普通的多元回歸模型具有較高的效率。.在建模方案的數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)化,可以在二維平面的多維數(shù)據(jù)特征的觀察,強(qiáng)大的圖形功能。偏最小二乘法的建模步驟.將X與丫進(jìn)行標(biāo)準(zhǔn)化處理后,得到自變量矩陣Eo=(Eoi,Eo2,…,E()P)nxp和因變量矩陣F0=(F0I,F02,...,F0q)nxq〇標(biāo)準(zhǔn)化處理是為了公式表達(dá)上的方便和減少運(yùn)算誤差。綜=(/)"? (2-11),4=(.)"“其中,芯=上セ 其=止?Sj も (2-12).記h是Eo的第1個(gè)成分,ti=E031,31是Eo的第!個(gè)軸,為ー個(gè)單位向量,既||(oi|E。記U1是Fo的第1個(gè)成分,Ui=Foc!〇C1是Fo的第1個(gè)軸,并且||削=1。如果要t(和UI能分別很好地代表X與ド中的數(shù)據(jù)變異信息,根據(jù)主成分分析原理,應(yīng)該有:Var(ti)つmaxVar(ui)->max (2-13)另外,因?yàn)榛貧w建模的需要,要求ti對(duì)川有很大的解釋能力,根據(jù)典型相關(guān)分析的思想,tl與U!的相關(guān)度應(yīng)達(dá)到最大值,即:r(ti,ui)今max (2-14)綜上所述,在偏最小二乘法回歸中,我們要求t)與U1的協(xié)方差達(dá)到最大,即:Cov(ti,ui)=r(ti,ui)->max (2-15)正規(guī)的數(shù)學(xué)表述如下:0)1'(〇1=1cl'cl=1因此,將在阿『=1和眄『=1的約束條件下,去求必，即Foe1的最大值。采用拉格

朗日算法（過程略）得出:to!是矩陣EoToFo,Eo的特征向量,對(duì)應(yīng)的特征值為6i2,61是目標(biāo)函數(shù)值,它要求取最大值,所以,必是對(duì)應(yīng)于EoToFo^o矩陣最大特征值的單位特征向量。而另一方面,ci是對(duì)應(yīng)于矩陣EoToFo,Eo最大特征值。『的單位特征向量。求得031和〇后,即可得到成分:代=密: （2.17）lul=FOcl然后,分別求民和R）對(duì)ti的回歸方程:fEO=tlpf+El （2.18）IFO=tlrl4-Fl回歸系數(shù)向量為:fpl'=（tl，tl）-1tl'EOtri'=（tl'tD-hlFO ⑵⑼.用殘差矩陣E!和Fi取代Eo和Foo然后,求第2個(gè)軸3和C2以及第2個(gè)成分t2和U2,有：'t2=E1O32u2=Flc2 （2-20）62=<t2,u2>O32E1F1C2同理,有:032是對(duì)應(yīng)于矩陣EJFiF/Ei最大特征值02的特征向量,C2是對(duì)應(yīng)于矩陣最大特征值的特征向量。所以得到回歸方程:CE1=12P2,+E2 （2.21）1f1=12r2'+F2Elt2I|t2||2Elt2I|t2||2Flt2I|t2||2(2-22).如此計(jì)算下去,如果X的秩是A,則會(huì)有:（2-23）EO=tlpl+t2p2+???tApA'

FO=tlrl'+t2r2+…（2-23）由于…,tA均可以表示成Eoi,Eo2,…,Eop的線性組合,因此上式可還原成yk*=Fok關(guān)于yk*=E（）j的回歸方程形式,即:yk*=aklxkl*+ak2xk2*+ akpxkp*+FAK （2-24）Fak是殘差矩陣Fa的第K列.確定抽取成分的個(gè)數(shù)——交叉有效性下面要討論在現(xiàn)有的數(shù)據(jù)表下,怎么確定最好的回歸方程。在許多情況下,偏最小二乘回歸方程并不需要選用全部的成分tl,t2,...,tA進(jìn)行回歸建模,而是可以像在主成分分析時(shí)ー樣,采用截尾的方式選擇前m個(gè)成分（m<A,A=秩（X））,僅用這m個(gè)后續(xù)的成分就可以得到ー個(gè)預(yù)測(cè)性能較好的模型。在多元回歸分析中,經(jīng)常采用抽樣測(cè)試法來確定回歸模型是否適于預(yù)測(cè)應(yīng)用。該方法是把觀測(cè)到的樣本點(diǎn)分成2部分:第1部分?jǐn)?shù)據(jù)用于建立回歸方程,求出回歸系數(shù)估計(jì)量bB,擬合值yB以及殘差均方和其;再用第2部分?jǐn)?shù)據(jù)作為試驗(yàn)點(diǎn),代入所求得的回歸方程,由此求出yT和端。一般地,若有其工混,則回歸方程會(huì)有更好的預(yù)測(cè)效果;若砥N西,則回歸方程不宜用于預(yù)測(cè)。在PLS建模中,究竟該選取多少個(gè)成分為宜,這可通過考察增加一個(gè)新的成分后,能否對(duì)模型的預(yù)測(cè)功能有明顯改進(jìn)來考慮。采用類似于抽樣測(cè)試法的工作方式,把所有n個(gè)樣本點(diǎn)分成2部分:第1部分除去某個(gè)樣本點(diǎn)i的所有樣本點(diǎn)集合（共含n-1個(gè)樣本點(diǎn)）,用這部分樣本點(diǎn)并使用h個(gè)成分?jǐn)M合一個(gè)回歸方程;第二部分是把剛オ被排除的樣本點(diǎn)i代入前面擬合的回歸方程,得到藥在樣本點(diǎn)i上的擬合值的（イ）。第2.3節(jié)主元分析回歸建模]主成分分析基本思想主成分分析是數(shù)學(xué)上的數(shù)據(jù)降維的ー種方法?；镜南敕ㄊ潜M量許多原來的有一些相關(guān)的指標(biāo)（如p指標(biāo)）,新組合的ー套新的無關(guān)的綜合指標(biāo)來代替原來的指標(biāo)。通常數(shù)學(xué)上處理是將原p做ー個(gè)線性組合,作為一種新的綜合指數(shù)。在所有的線性組合的F1的選擇應(yīng)該是最大的方差,故稱F1是第一的重要組成部分。如果第一主成分不足以代表原單指標(biāo)的信息,來考慮選擇第二個(gè)選擇F2線性組合。為了有效地反映出原始信息,F1現(xiàn)有信息將不會(huì)出現(xiàn)在F2,用數(shù)學(xué)語言表達(dá)要求Cov（Fl、F2）=0,F2即為第二主成分。以此類推可以構(gòu)造出第三、第四、…第p個(gè)重要的組成部分（主元）。主成分分析的數(shù)學(xué)模型設(shè)有p項(xiàng)指標(biāo)（變量）：XpX2,Xp,每個(gè)指標(biāo)n個(gè)觀測(cè)值,得到原始數(shù)據(jù)資料陣如下:x="ら…2'=（X1,X2,...,Xp） （2.25）_Xn\Xn2…Xnp_其中Xj=（X]j,ス2ノ…，xnj）\（i=L2,…，p）用數(shù)據(jù)矩陣X的p個(gè)列向量（即p個(gè)指標(biāo)向量）Xpx2, Xp作線性組合,得綜合指標(biāo)向量（特征向量）：k； ?X]I^^21Xつ+■??'Ip\XpF[= +a22X2+...+ap2Xpく （2-26）Fp= a2PX?+…+cippX卩記為:耳=a^X]+a2iXク+.?.+,3卩 （i=1,2,p）每個(gè)主成分的系數(shù)平方和為1。即:%+a；+..?+=1,i=1,2,...,/? （2,27）aj為單位向量:afaj=1,且由下列原則決定1)耳與Fj(由,i,j=1,…,p)互不相關(guān),主元之間無相關(guān)信息,即Cov(Fj,Fj)=〇,并有Var(F尸a；Eaj,其中エ為X的協(xié)方差陣。2)F1是X],X2,...,Xp的一切線性組合(系數(shù)滿足上述要求)中方差最大的,即 Var(F1)=maxVar(^c(X,),其中C=(C],c2,…，Cp)'?F2與F]是互不相關(guān)的xpX2，...,xp一切線性組合中方差最大的,…，F(xiàn)p是與FjF2,...,Fp/都不相關(guān)的X1,X2,...,Xp的一切線性組合中方差最大的。滿足上述要求的綜合指標(biāo)向量F],F2，…，F(xiàn)p就是主成分，這p個(gè)主成分從原始指標(biāo)所提供的信息總量中所提取的信息量依次遞減，每一個(gè)主成分所提取的信息量用方差來度量，主成分方差的貢獻(xiàn)就等于原指標(biāo)相關(guān)系數(shù)矩陣相應(yīng)的特征值%,每一個(gè)主成分的組合系數(shù)如下:a；=網(wǎng)アa2j,…，％) (2-28)就是特征值與所對(duì)應(yīng)的單位特征向量tjo方差的貢獻(xiàn)率如下：424 (2.29)も越大,說明相應(yīng)的主成分反映綜合信息的能力越強(qiáng)。主成分分析的步驟(1)計(jì)算協(xié)方差矩陣計(jì)算變量數(shù)據(jù)的協(xié)方差矩陣:E=(s*pxp,其中Sij=—7￡(ムー耳)(%-引 i，j=l，2 p (230)“Tた:(2)求出L的特征值X及相應(yīng)的特征向量a求出協(xié)方差矩陣し的特征值與從法…、＞0及相應(yīng)的正交化單位特征向量:

則X的第i個(gè)主成分為Fj=a；X(i=1,2,...?p)。(3)選擇主成分在已確定的全部p個(gè)主成分中合理選擇m個(gè)來確定主元。一般用方差貢獻(xiàn)率作為評(píng)價(jià)指標(biāo)。解釋主成分耳所含信息量的大小,主元個(gè)數(shù)的確定以累計(jì)貢獻(xiàn)率G(⑼=Z4/Xん (2-32)達(dá)到足夠大(一般在85%以上)為原則。(4)計(jì)算主成分得分向量計(jì)算n個(gè)樣品在m個(gè)主成分上的得分:り=ル內(nèi)+a2iX2+...+apiXp (2-33)(5)標(biāo)準(zhǔn)化實(shí)際應(yīng)用時(shí),指標(biāo)的量綱往往不同,所以在主成分計(jì)算之前應(yīng)先消除量綱的影響。消除數(shù)據(jù)的量綱有很多方法，常用方法是將原始數(shù)據(jù)標(biāo)準(zhǔn)化,即做如下數(shù)據(jù)變換:X*.=—i=1,2,…,〃;j=1,2,…,p (2-34)Sj]〃!n其中弓=窓馬,S”エ頂は廠瑪)2,j=1,2,...,po標(biāo)準(zhǔn)化后的數(shù)據(jù)陣記為X*,其中每個(gè)列向量(標(biāo)準(zhǔn)化變量)的均值為0,標(biāo)準(zhǔn)差為1,數(shù)據(jù)無量綱。標(biāo)準(zhǔn)化后變量的協(xié)方差矩陣(CovarianceMatrix)E=(Sjj)pxp,即原變量的相關(guān)系數(shù)矩陣(CorrelationMatrix)R=(rjj)pXp：x「x, Xkj-Xj= 二E(/ー％)2岳gjージ2 卜(ムー給2bx廣り)2n—\Yn—\j=L2,,??,p此時(shí)n個(gè)樣品在m個(gè)主成分上的得分應(yīng)為:Fj=ajjXj+^2jX2+...+apjXpj=1,2,??.,m (2-35)主成分分析的應(yīng)用因?yàn)橹鞒煞址治龇椒ň哂辛己锰匦?主成分分析方法在建模及需要數(shù)據(jù)處理的許多領(lǐng)域發(fā)揮了很大的作用。主成分析方法的主要應(yīng)用方向?yàn)?利用主成分分析方法來減少建模所需要的變量,降低數(shù)據(jù)空間的維數(shù)。通過分析主成分與原變量之間的系數(shù)關(guān)系,弄清原變量之間相關(guān)關(guān)系。1）多維數(shù)據(jù)的主成分分析的方法,處理后,選擇前兩個(gè)主成分,根據(jù)主成分所對(duì)應(yīng)的矩陣特征值的大小,得出n個(gè)樣品的平面分布,可直接由圖形分析每個(gè)樣本的主要成分的位置,也可以被分類,來樣加工,也可發(fā)現(xiàn)的圖形與大多數(shù)的樣本點(diǎn)的離群點(diǎn)。2）利用主成分分析的方法對(duì)構(gòu)造回歸模型,是利用最主要的組成部分,取代原來的獨(dú)立變量作為ー種新型的獨(dú)立變量做回歸分析。3）運(yùn)用主成分分析方法進(jìn)行篩選的回歸變量。返回變量的選擇具有重要的實(shí)際意義,為了使模型本身很容易做到結(jié)構(gòu)的分析、控制和預(yù)測(cè)、構(gòu)成最佳優(yōu)變量子集,去選擇最好的變量,使優(yōu)化變量量子設(shè)置。與主成分分析，篩選變量,可以用較小的計(jì)算量選擇變量,去選擇最好的改變影響量子集。這也是主成分分析中的應(yīng)用，最重要的是,但本文利用主成分分析法,選擇最優(yōu)的輔助變量集作為偏最小二乘法的輸入。4）利用主成分分析方法建立綜合評(píng)價(jià)函數(shù),這種方法的主要思想是通過主成分分析的一個(gè)重要的組成部分,選擇m個(gè)主成分的方差貢獻(xiàn)作為加權(quán)函數(shù)、建立綜合評(píng)價(jià)函數(shù)來進(jìn)行評(píng)估。主成分分析在本文的應(yīng)用利用主成分分析的方法進(jìn)行輔助變量的選擇。輔助變量的選擇具有重要的實(shí)際意義,為了使模型本身很容易做到結(jié)構(gòu)的分析、控制和預(yù)測(cè),最好從原來的輔助變量集合中選舉輔助變量形成的一個(gè)子集,構(gòu)成最優(yōu)的輔助變量集合。利用主成分分析篩選變量,可以用較小的計(jì)算量選擇變量,去選擇最好的改變影響量子集。本文在建模中輔助變量選擇、也是偏最小二乘法的輸入,利用主成分分析法的原理,選取最少并且所含信息量最大的輔助變量集,作為片最小二乘的輸入,以汽油初儲(chǔ)點(diǎn)為輸出建立CRU主分徳塔粗汽油初徳點(diǎn)點(diǎn)軟測(cè)量模型。第3章多元逐步回歸在建立CRU穩(wěn)定汽油初儲(chǔ)點(diǎn)軟測(cè)量模型中的

應(yīng)用第3.1節(jié)裝置簡(jiǎn)介裝置設(shè)備為比利時(shí)雪夫隆煉油廠引進(jìn)的二手設(shè)備,原投產(chǎn)于一九七零年,設(shè)計(jì)能カ為40萬噸/年,我廠引進(jìn)后由獨(dú)山子石化公司設(shè)計(jì)院重新設(shè)計(jì)為32萬噸/年。2000年裝置進(jìn)行了45萬噸/年配套項(xiàng)目的部分改造,現(xiàn)加工能力達(dá)40萬噸/年。裝置主要分為兩部分,即預(yù)加氫部分和重整部分,預(yù)加氫部分包括預(yù)加氫反應(yīng)系統(tǒng)，精制油分徳脫水系統(tǒng);重整部分包括重整反應(yīng)系統(tǒng)、分鐳穩(wěn)定系統(tǒng);輔助系統(tǒng)包括拔頭油脫硫系統(tǒng)、分子篩干燥系統(tǒng)及重整加熱爐發(fā)汽系統(tǒng)。第3.2節(jié)工藝原理3.2.1預(yù)加氫預(yù)加氫原料油為直徳徳分,雜質(zhì)(硫、氮、烯燈)含量少,其反應(yīng)條件較為緩和,反應(yīng)在一定的氫分壓和催化劑存在的情況下進(jìn)行,所用催化劑為FDSTA,重整原料油在預(yù)加氫反應(yīng)中主要進(jìn)行脫硫、脫氮、脫氧、脫金屬、烯烽飽和等反應(yīng)。a.脫硫反應(yīng):為了保證重整催化劑有較好的選擇性和穩(wěn)定性,重整原料中應(yīng)有較低的硫含量,對(duì)于PRT-C、PRT-D催化劑要求重整原料硫含量少于0.5ppm。脫硫反應(yīng)速度較快,存在于原料中的硫化物很快生成燈類與硫化氫?；瘜W(xué)反應(yīng)方程式:(1)硫醇RSH+H2 aRH+H2s(2)硫酸R—S—R+2H2 ?2RH+2H2s(3)二硫化物(RS)2+3H2 ?2RH+2H2sb脫氮反應(yīng)重整原料中氮化物所含的氮,經(jīng)加成反應(yīng)轉(zhuǎn)化成氨和相應(yīng)的煌,但脫氮比脫硫困難的多,多數(shù)直徳重整原料油儲(chǔ)分中氮化物含量少，但是由二次加工汽油作重整原料時(shí)(如焦化汽油)，其氮化物較直儲(chǔ)原料要高的多，需經(jīng)較高深度的加氫才能較徹底的脫除。對(duì)于PRT-C、PRT-D催化劑要求原料中氮含量小于0.5ppm?；瘜W(xué)反應(yīng)方程式:(1)烷基胺R-CH2-NH3+H3 >r-ch3+nh3口比咤C5H6N+5H2 >C5H12+NH3口引躲C8H7N+6H2 aC8H16+NH3口比咤C4H5N+4H2 >C4H10+NH3(5)喳琳C11H7N+6H2 ?C9H18+NH3c.烯燈飽合烯燈飽合生成烷燈,其加氫反應(yīng)速度比脫硫反應(yīng)略慢。原料中由于烯燈的存在,會(huì)增加催化劑上的積碳,縮短生產(chǎn)周期?；瘜W(xué)反應(yīng)方程式:(1)單烯燈R-CH-CH2+H2 ?R-CH2-CH3(2)雙烯燈R-CH=CH-CH=CH+2H2 ?R-CH2cH2cH2cH3d.脫氧反應(yīng)：原料油中含氧化合物在加氫條件下與氫反應(yīng)生成水及相應(yīng)的烽分子,通常很容易脫除。原料中的含氧化合物主要是環(huán)烷酸,在二次加工產(chǎn)品中也有酚類,如不除去,進(jìn)入重整反應(yīng)系統(tǒng)后加氫生成水會(huì)使系統(tǒng)中存水過多,從而使催化劑減活?；瘜W(xué)反應(yīng)方程式：(1)酚類C6H6〇+比 ?C6H8+H2O(2)環(huán)烷酸C7Hl202+3圧 >C7H14+2H2Oe.脫鹵素反應(yīng)有機(jī)鹵素物經(jīng)加氫可以生成相應(yīng)的燈類及鹵化氫,有機(jī)鹵化物的脫鹵比脫硫更困難?—些?；瘜W(xué)反應(yīng)方程式：RCL+H2-RH+HCLf.脫金屬反應(yīng)原料中含碑、銅、鉛的化合物,在加氫條件下分解生成金屬,然后吸附在加氫催化劑上,如不除去進(jìn)入重整反應(yīng)系統(tǒng)會(huì)使重整催化劑減活或失去活性。3.2.2重整催化重整以一定沸點(diǎn)范圍的石油儲(chǔ)份（屬于燃料型為80—170C或180C,化工型裝置為70—140C）,經(jīng)重整催化劑的作用,并在氫氣保護(hù)和一定的反應(yīng)條件下,發(fā)生芳構(gòu)化反應(yīng)和其它反應(yīng),使原來含少量芳燈的原料發(fā)生分子結(jié)構(gòu)的重排,而成為富含芳燈和異構(gòu)烷燈的生成物。這種產(chǎn)物經(jīng)進(jìn)ー步加工處理,可獲得高純度的芳煙或高辛烷值的汽油。催化重整主要進(jìn)行下述反應(yīng)a.六員環(huán)烷燈脫氫:在所有重整反應(yīng)中,六員環(huán)烷燈脫氫反應(yīng)速度最快，而且能充分轉(zhuǎn)化成芳煌,是重整的最基本反應(yīng)。C7H14 =C7H8+3H2AHARON(3-1)(RON74.8)(RON120)+205.8KJ/mol45.2b.五員環(huán)烷燈異構(gòu)化成六員環(huán)烷煌:C7H|4 =C7H14AHARON(3-2)(RON80.6)(RON74.8)-18.9KJ/mol-5.8C.加氫裂化反應(yīng):C=C=C=C=C=C=C+H2__?C=C=C+C=C-(C)2AHARON(3-5)(RONO)(RON102) -58KJ/mol102d.脫甲基反應(yīng):C6H14 +H2—>C5H12AHARON(3-6)(RON24.8)(RON61.8)-67.6KJ/mol37.9C7H8 +H2A C6H6AHARON(3-7)(RON120)(RON100)-54.7KJ/mol-20e.芳煌脫烷基反應(yīng):CsHio+H2- ?C7H8+CH4AHARON(3.8)(RON120)(RON120)-56.8KJ/mol0f.積炭反應(yīng):煌類的深度脫氫,生成烯燈和二烯燈,烯燈進(jìn)一步聚合及環(huán)化,形成稠環(huán)芳燈,吸附在催化劑上,最終轉(zhuǎn)化成積炭,而使催化劑失活。上述反應(yīng)中芳構(gòu)化反應(yīng)和異構(gòu)化反應(yīng)是所希望的,而加氫裂解反應(yīng)、脫甲基反應(yīng)和積炭反應(yīng)是不希望的,應(yīng)盡量減小或避免。第3.3節(jié)エ藝流程說明預(yù)加氫部分經(jīng)脫碑處理后的重整原料（碎V150ppb,儲(chǔ)程:干點(diǎn)V175C）自原料罐區(qū)來,經(jīng)原料泵P—101升壓后與預(yù)加氫循環(huán)壓縮機(jī)C—101來的氫氣混合后進(jìn)入立換E—101的管程、臥式換熱器E-101A/B的殼程與反應(yīng)產(chǎn)物換熱到200C左右進(jìn)入原料加熱爐F—101加熱,加熱到280c左右的物料依次通過加氫反應(yīng)器R—101、脫氯器R-102進(jìn)行反應(yīng),其中在R-101中進(jìn)行原料的脫硫、脫氮、脫氧、烯烽飽合以及脫金屬反應(yīng);在R-102中進(jìn)行脫氯反應(yīng)（預(yù)加氫反應(yīng)如圖3.3.1所示）。反應(yīng)后的產(chǎn)物進(jìn)入E—101A/B的管程、立換E—101的殼程與預(yù)加氫原料換熱降溫到100°C左右進(jìn)入空冷E—102、水冷E—103冷卻至小于40C后進(jìn)入預(yù)加氫高分罐V—101進(jìn)行油氣分離。V—101壓カ控制在2.0MPa,含氫氣體去柴油加氫裝置或去瓦斯系統(tǒng);如氫油比不足一部分氫氣可返回壓縮機(jī)入口分液罐V—104進(jìn)行循環(huán)。液相產(chǎn)物E—104管程與脫水塔T—101底精制油換熱后進(jìn)T—101進(jìn)行脫水;T-101還有一部分進(jìn)料來自徳分油加氫裂化的重石腦油（進(jìn)料圖如圖3.3.2所示）,由P—201C/D升壓經(jīng)T—101墊油線送至E—104管程入口,同V—101減油ー起進(jìn)入T—101（脫水塔如圖3.3.3所示）。V—10I切水包中的含硫污水進(jìn)入下水。T—101塔底油一部分經(jīng)P—102升壓后進(jìn)再沸爐F—102加熱到215℃左右返塔，為T—101提供熱量;另一部分經(jīng)E—104殼程與V—101減油換熱到80c左右后去重整作重整原料。塔底部分物料也可經(jīng)E—104殼程、E—301殼程冷卻,作為精制油儲(chǔ)存于906#、907#罐。塔頂產(chǎn)物經(jīng)E—105,E—106冷卻至40c后進(jìn)入回流罐V—103進(jìn)行汽液分離,罐內(nèi)液體經(jīng)回流泵P—103升壓,一部分做回流打入T-101的頂部,一部分經(jīng)脫硫罐脫硫后作為乙烯原料外送或去加氫T一03脫硫做石腦油送原料車間,頂部氣體進(jìn)入瓦斯系統(tǒng)。

圖31預(yù)加氫反應(yīng)器圖3?2預(yù)加氫進(jìn)料RMdy圖3-3脫水塔T-101重整部分預(yù)加氫來的精制油經(jīng)重整原料泵P—201A/B升壓后與重整循環(huán)壓縮機(jī)C-201來的氫氣混合,然后進(jìn)入原料換熱器E-201管程與重整反應(yīng)產(chǎn)物換熱到420c左右,依次經(jīng)過F—201,R—201,F—202,R—202,F—203,R—203,F—204,R—204完成重整反應(yīng)。因?yàn)榉磻?yīng)過程主要是吸熱反應(yīng),反應(yīng)中會(huì)有溫降產(chǎn)生,其中R—201的溫降約為75℃,R—202的反應(yīng)溫降約為40℃,R—203的反應(yīng)溫降約為25℃,R—204的反應(yīng)溫降約在1〇?20c（重整反應(yīng)器如圖3.3.4）。反應(yīng)后的產(chǎn)物進(jìn)入E—201殼程與重整原料換熱到120C左右,然后依次通過空冷E—203、水冷E—204殼程，冷卻到3〇?40c后進(jìn)入氣液分離罐容V—201。V—201控制壓カ在1.25MPa,頂部氫氣進(jìn)C-201進(jìn)行壓縮循環(huán);C-201出口氫氣一部分作重整循環(huán)氫用,一部分經(jīng)水冷器E-211殼程冷卻后進(jìn)V-104作為預(yù)加氫的新氫（氣液分離如圖3.3.5所示）；V-201壓控閥出來的氣體進(jìn)燃料系統(tǒng);V—201底的液體經(jīng)E—205A/B/C殼程與穩(wěn)定塔T—201底穩(wěn)定汽油換熱到120C左右進(jìn)T一201;塔底穩(wěn)定汽油經(jīng)E—205A/B/C管程與V—201減油換熱到90c左右，再經(jīng)E—209、E—210冷卻至小于40c后外送。塔底設(shè)有以4.0MPa蒸汽為熱源的再沸器E—208為T—201提供熱量。T—201頂出來

的產(chǎn)物經(jīng)空冷E—206A/B,水冷換E—207冷卻到小于40C后進(jìn)入回流罐V—202,氣相經(jīng)壓控進(jìn)燃料系統(tǒng),液相經(jīng)回流泵P—203升壓,一部分打回流返塔,一部分作為液態(tài)燈外送出裝置。為更好的保護(hù)重整催化劑少受硫的污染,在蒸發(fā)脫水塔旁設(shè)有精制油脫硫罐V—102,若預(yù)加氫反應(yīng)正常,V—102也可不投用。為防止鏤鹽的沉積,在E—101管程出口上設(shè)有自加氫凝結(jié)水泵P一05來的凝結(jié)水注水點(diǎn)。為提高T—101的精徳效果，C—201的出口線上設(shè)有一條到T—101底的氫氣汽提線。設(shè)置有注氯泵P—303,抽二氯乙烷注入一反和三反入口,以保持催化劑的水氯平衡。為抑制新鮮或再生催化劑的裂解活性，在重整各個(gè)反應(yīng)器入口均設(shè)有預(yù)硫化設(shè)施。用高壓氮?dú)鈱⒆⒘蚬轛—310ハ,2,3,4內(nèi)的硫化物壓入各個(gè)反應(yīng)器入口進(jìn)行硫化。為脫除和降低系統(tǒng)存水,重整臨氫系統(tǒng)設(shè)有分子篩干燥系統(tǒng)及分子篩再生系統(tǒng)。為更好的再生重整催化劑,C—201出口及R—202出口均設(shè)有工業(yè)風(fēng)注入點(diǎn)（穩(wěn)定汽油蒸儲(chǔ)如圖3.3.6所示）。昌上r■昌U11201:4R 一"油比ボ’ヨ儂比黑ド もHIセmtrU11201:4R 一"油比ボ’ヨ儂比黑ド もHIセmtr。:T■ 眼合依道 ? 圖3-4重整反應(yīng)器圖3-5氣液分離罐圖3-6穩(wěn)定汽油分儲(chǔ)塔第3.4節(jié)MSR建模3.4.!輔助變量的選擇根據(jù)機(jī)理對(duì)數(shù)據(jù)進(jìn)行篩選:汽油精儲(chǔ)發(fā)生在塔T201,故與初館點(diǎn)最相關(guān)的因素主要為分館塔的操作參數(shù),主要有塔頂溫度、塔底溫度、液位、壓カ、進(jìn)料量及進(jìn)料溫度、回流量及回流溫度等、由于分徳塔的壓カ在實(shí)際操作中,保持某ー特定的值,且一般不作為調(diào)節(jié)手段,所以壓カ與初徳點(diǎn)的關(guān)系沒有操作數(shù)據(jù)作為參考依據(jù)。由此剔除以下數(shù)據(jù):2預(yù)加氫進(jìn)料量，64T101進(jìn)料溫度,65T101塔頂溫度,68T101回流流量,73T101塔底溫度,164一段混氫流量,165二段混氫流量,176R201入口溫度,189R202入口溫度,204R203入口溫度,216R204入口溫度，289V201溫度,290V201壓カ,295V20I液位,317V205壓カ,368V202進(jìn)料溫度,369V202液位。剩下F205出口溫度X20,T201塔頂回流X22。(聲明一點(diǎn)這兩個(gè)變量是和現(xiàn)場(chǎng)操作工人討論后得出的)作為輔助變量建模。數(shù)據(jù)處理在ー組條件完全相同的重復(fù)試驗(yàn)中,個(gè)別的測(cè)量值可能會(huì)出現(xiàn)異常。如果測(cè)量值過大或過小,這些測(cè)量數(shù)據(jù)不不正常的,或稱為可疑的。對(duì)于這些可以數(shù)據(jù)應(yīng)該使用樹立統(tǒng)計(jì)的方法辨別其真?zhèn)?并決定取舍。常用的方法有拉ー達(dá)法、小維那特法、格拉布斯法。當(dāng)試驗(yàn)次數(shù)較多時(shí)，可簡(jiǎn)單地用3倍標(biāo)準(zhǔn)偏差(3S)作為確定可疑數(shù)據(jù)取舍的標(biāo)準(zhǔn)。當(dāng)某ー測(cè)量數(shù)據(jù)(xi)與其測(cè)量結(jié)果的算術(shù)平均值(え)之差大于3倍標(biāo)準(zhǔn)偏差時(shí),用公式表示為:Ixi-x|>3S (3-9)則該測(cè)量數(shù)據(jù)應(yīng)舍棄。這是美國(guó)混凝土標(biāo)準(zhǔn)中所采用的方法,由于該方法是以3倍標(biāo)準(zhǔn)偏差作為判別標(biāo)準(zhǔn)，所以亦稱3倍標(biāo)準(zhǔn)偏差法,簡(jiǎn)稱3s法。取3s的理由是:根據(jù)隨機(jī)變量的正態(tài)分布規(guī)律,在多次試驗(yàn)中，測(cè)量值落在X」ー3s與X-十3s之間的概率為99.73%,出現(xiàn)在此范圍之外的概率僅為0.27%,也就是在近400次試驗(yàn)中才能遇到一次,這種事件為小概率事件,出現(xiàn)的可能性很小,幾乎是不可能。因而在實(shí)際試驗(yàn)中,一旦出現(xiàn),就認(rèn)為該測(cè)量數(shù)據(jù)是不可靠的,應(yīng)將其舍棄。另外,當(dāng)測(cè)量值與平均值之差大于2倍標(biāo)準(zhǔn)偏差（即Ixi-x-1>2S）時(shí),則該測(cè)量值應(yīng)保留，但需存疑。如發(fā)現(xiàn)生產(chǎn)（施工）、試驗(yàn)過程屯有可疑的變異時(shí),該測(cè)量值則應(yīng)予舍棄。拉依達(dá)法簡(jiǎn)單方便，不需查表,但要求較寬，當(dāng)試驗(yàn)檢測(cè)次數(shù)較多或要求不高時(shí)可以應(yīng)用,當(dāng)試驗(yàn)檢測(cè)次數(shù)較少時(shí)（如n<10）在ー組測(cè)量值中即使混有異常值，也無法舍棄。逐步回歸建立軟測(cè)量模型經(jīng)逐步回歸計(jì)算最終確定的變量為:T201進(jìn)料量X16,T201進(jìn)料溫度X17,F205出口溫度X22,T201塔底液位X23,T201塔底溫度X28通過Matlab程序計(jì)算擬合出的曲線如下:0 5 10 15 20 25 30 35圖3-7逐步回歸訓(xùn)練模型1681661641621601681661641621601581561541521501 1 1 1 1 1 1 l-0 5 10 15 20 25 30 3540圖3-8逐步回歸預(yù)測(cè)模型所建模型:Y=-0.0002X2-0.2899X11+224.7562平均誤差:8.0324結(jié)論：多元逐步回歸建立的軟測(cè)量模型具有較好的跟蹤性,但是多元逐步回歸的建模方法是完全建立在數(shù)學(xué)基礎(chǔ)上的,沒有考慮到實(shí)際エ藝流程的影響,通過預(yù)測(cè)值和實(shí)際化驗(yàn)值的比較可以發(fā)現(xiàn)預(yù)測(cè)的誤差較大,建模的結(jié)果不是很理想。

第4章建立軟測(cè)量模型第4.1節(jié)偏最小二乘法建立汽油初徳點(diǎn)軟測(cè)量數(shù)學(xué)模型結(jié)合反應(yīng)機(jī)理最終的輔助變量為:F205出口溫度X20,T201塔頂回流X22。通過Matlab程序計(jì)算擬合出的曲線如下:圖4TPLS訓(xùn)練模型16215011621501 1 1 1 1 1