氧化铝蒸发浓度的自适应加权ＬＳＳＶＲ预测

2012年04月26日10:02:29 本网站我要评论(2)字号：T | T | T

关键字：

阳春华，聂晓凯，柴琴琴，桂卫华
中南大学信息科学与工程学院，湖南长沙

摘　　　要：针对氧化铝蒸发过程的工业现场出口料液浓度在线检测困难、操作参数具有时变性以及传统离线预测所存在的不足等特点，提出了一种多输入多输出系统的自适应加权较小二乘支持向量回归，并用于氧化铝蒸发过程出口料液浓度的在线预测。该方法根据模型预测效果自适应在线调整建模的训练样本集，利用主元分析提取主元作为分段加权支持向量回归模型的输入，采用网格搜索和交叉验证法对多输入多输出模型参数进行优化。采用工业现场的实测数据进行实验分析，计算结果表明：该方法能够很好地在线预测氧化铝蒸发过程出口料液浓度，相比基于较小二乘支持向量回归以及基于ＢＰ神经网络的浓度预测模型，该方法具有更高的预测精度和更好的泛化性能，满足实际工业生产在线优化控制要求。

关　键　词：氧化铝蒸发过程；多输入多输出；较小二乘支持向量回归；在线预测

１　引　言
蒸发是氧化铝生产过程的主要耗能工序。由于蒸发物料的强腐蚀性或高粘度易造成出料管堵塞使在线仪表检测不准，而现场取样化验分析滞后会使蒸发器操作调节滞后，影响出口料液浓度的操作参数多且具有时变性，蒸发过程流程长，参数的调节会经过很长时间才能反映到出口料液浓度的变化上，过程参数操作具有盲目性，造成出口料液浓度的波动较大，甚至出现不合格的情况，使得蒸汽的消耗量很大。因此，研究氧化铝蒸发浓度的在线预测方法，对保持出料浓度合格和实现企业节能降耗的目标有着重要的意义。多效蒸发系统流程复杂，基于物料和热量平衡的方法很难建立较为精确的数学机理模型［１２］。文献［３］通过对蒸发过程相平衡的分析建立了一种在线估算出料浓度的数学模型，但易出现“假温差”现象。目前的建模方式一般都采用离线建模且多针对于单输出系统，而传统的基于数据驱动的离线建模方法简单易用，不具有动态预测功能，而对参数和变量都在不断变化的时变系统，这种离线模型就不能准确地描述系统的实时运行状况［４］。为了使模型能够准确反映系统的当前状况，应不断利用所获得的数据建立能够反应系统当前状况的新模型［５］。本文基于所提出的一种自适应加权较小二乘支持向量回归，并结合主元分析实现多输入多输出的氧化铝蒸发系统的出口料液浓度在线预测，为氧化铝蒸发过程操作优化提供实时准确的信息。

登录网站后可下载文件

氧化铝蒸发浓度的自适应加权ＬＳＳＶＲ预测

相关阅读: