基于限定记忆部分最小二乘算法的4－CBA含量在线软测量建模方法

摘要

本发明公开了一种基于限定记忆部分最小二乘算法的4-CBA含量在线软测量建模方法。它选择与4-CBA含量最重要的9个过程变量作为软测量模型的辅助变量，使用限定记忆部分最小二乘算法在线滚动建立动态的软测量模型，为了防止信息的丢失，采用滚动校正样本的均值和方差的方法将老样本的信息带到模型中来。本发明的优点：1)4-CBA软测量模型为线性模型，结构简单；2)4-CBA软测量模型通过在线滚动方式建立的，具有自适应功能，即能适应系统的慢时变特性；3)使用限定记忆部分最小二乘算法，能克服样本的饱和性；4)4-CBA含量的软测量模型为动态模型，模型的估计精度较高。

主权项

1、一种基于限定记忆部分最小二乘算法的对羧基苯甲醛含量在线软测量建模方法，其特征是方法的步骤如下：1)、选择与对羧基苯甲醛含量相关的反应器进料流量、催化剂含量、反应器液位、反应器温度、反应器尾氧含量、第三冷凝器排水量、第四冷凝器排水量、第一结晶器尾氧含量和反应器排出二氧化碳含量9个过程变量，作为软测量模型的辅助变量，采集训练样本(X，Y)，并将样本进行标准化处理，具体标准化处理公式如下： $X_1=\frac{X-\bar{X}}{{\sigma }_X}$ $Y_1=\frac{Y-\bar{Y}}{{\sigma }_Y}---\left(4\right)$其中，X，Y分别为原始辅助变量和对羧基苯甲醛含量的样本集；X，σ_X分别为样本X的均值和方差；Y，σ_Y分别为样本Y的均值和方差；X₁，Y₁分别为X，Y按公式(1)标准化后的样本；2)、使用限定记忆部分最小二乘算法建立动态的软测量模型 ${\hat{Y}}_1=X_1\beta ,$其中X₁为标准化的辅助变量输入值，β分别为标准化数据建立的软测量模型的输出值和系数；3)、将该模型进行反标准化处理，得到关于原辅助变量的对羧基苯甲醛含量软测量模型，处理后公式为： $\hat{Y}=\mathrm{XC}+b---\left(6\right)$其中C＝αβ                                           (7)b＝Y-XC                                         (8)α＝σ_Y/diag(σ_X)                               (9)；4)、根据软测量模型和新采集的辅助变量值估计对羧基苯甲醛含量的值；5)、检查是否有新的对羧基苯甲醛含量的分析值，若有则转步骤6)，否则转步骤4)；6)、采集新的训练输入样本并与新的对羧基苯甲醛含量分析值组成一对新的训练样本，对加入新样本后的训练样本集的均值和方差进行在线滚动校正；滚动校正公式如下： ${\bar{x}}_{i,N+1}=\frac{N}{N+1}{\bar{x}}_{i,N}+\frac{1}{N+1}{x}_{i,N+1}---\left(11\right)$ ${{\sigma }_{i,N+1}}^2=\frac{N-1}{N}{{\sigma }_{i,N}}^2+\frac{1}{N+1}{(x_{i,N+1}-{\bar{x}}_{i,N+1})}^2---\left(12\right)$其中x_i，N和x_i，N+1分别表示变量x_i具有N个采样值和N+1个采样值时对应的均值；σ_iN²和σ_i，N+1²分别表示变量x_i具有N个采样值和N+1个采样值时对应的方差；7)、将最老的一个样本去掉，将新的样本加入，保持新的样本数据窗口长度不变，用公式(11)和(12)在线滚动校正后的均值和方差对新窗口下的训练样本进行标准化处理，标准化公式同公式(4)，以上述在线滚动的方式重新建立软测量模型，从而将老样本的信息带到模型中来，转步骤2)。