CRU穩(wěn)定汽油初餾點軟測量建模.docx

1、題：CRU穩(wěn)定汽油初餡點軟測量建模摘要初餡點是穩(wěn)定汽油生產(chǎn)過程中的一個重要指標，它表示輕組分含量的多少。在現(xiàn)在的生產(chǎn)中，初俺點基本是在化驗室由人工化驗得到。由于化驗的時間比較長，不能用于實時控制。隨著計算機技術(shù)的發(fā)展和控制媒介的提高，軟測量技術(shù)應運而生。軟測量技術(shù)是利用統(tǒng)計、辨識、人工智能等方法建立數(shù)學模型，將不可測的量作為主導變量，通過測量與主導變量相關(guān)的量（輔助變量）來推測主導變量。軟測量技術(shù)可以連續(xù)不斷的預測不可測量，解決了過程生產(chǎn)中重要指標靠化驗時間滯后大的問題，達到了以軟件代替硬件的目的。關(guān)鍵詞：初僧點;軟測量;主導變量;輔助變量生產(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

2、點。但同時應注重價值的數(shù)據(jù)點應合理分布范圍，即這些數(shù)據(jù)應該代表:樣品應均勻分布特征附近。每個特征點的數(shù)據(jù)應合理分配近，甚至，應該不會耗費太多的樣品和特征點的邊緣點，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。所以點的選擇記錄應注意合理分布，而且對樣本點“縮小”，以確保數(shù)據(jù)的代表性。1.4.2數(shù)據(jù)選擇與處理軟測量技術(shù)是通過計算過程數(shù)據(jù)血實現(xiàn)的，為了保證軟測量的額準確性和有效性，對采集來的數(shù)據(jù)進行篩選時，要注意數(shù)據(jù)的有效性和精簡性，均勻合理的分配采樣點，最大限度的拓寬數(shù)據(jù)的范圍，減少信息的重復，避免信息的冗余。除此之外，由于儀表測量誤差和環(huán)境噪聲的影響，對輸入數(shù)據(jù)進行預處理是軟測量技術(shù)必

3、不可少的一步。輸入數(shù)據(jù)的準確性直接影響軟儀表的精度。對輸入數(shù)據(jù)預處理主要在以下兩方面進行：數(shù)據(jù)變換和誤差處理。數(shù)據(jù)的變換對模型的精度，非線性的映射能力有很大的影響。數(shù)值變換包括標度、轉(zhuǎn)換和全函數(shù)三部分。標度用于解決測量量數(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)主要用于對變量動態(tài)特性的補償。對數(shù)據(jù)進行誤差處理是十分重要的步驟，誤差處理保證了數(shù)據(jù)的準確性，誤差的存在會導致數(shù)據(jù)的失效，任何數(shù)據(jù)的失效都會降低模型的精度，甚至是整個軟測量失敗。誤差可以分為隨機誤差和粗大誤差兩種。隨機誤差是由隨機因素引起的，可能是

4、操作過程中的微小擾動環(huán)境噪聲等等，隨機誤差是不可避免的，但是隨機誤差符合統(tǒng)計規(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、隨機搜索法、神經(jīng)網(wǎng)絡等。1.4.3軟測量模型的辨識和在線校正軟測量技術(shù)的關(guān)鍵是模型辨識，辨識得到的模型的精度直接影響軟測量的結(jié)果。隨著軟測量技術(shù)的發(fā)展，因為軟測量采用的理論工具和所針對的實際對象的不同，現(xiàn)在有多種軟件測量可以建模。這其中應用最多的是統(tǒng)計回歸方法，如模式識別建模，機理模型建模，神經(jīng)網(wǎng)絡技術(shù)等等。由于軟測量對象隨時間變化，非線性模型本身不完整性等特點，該模型在生產(chǎn)過程的軟測量建模在線校正是不可缺少的一部分。在線修

5、正的模型結(jié)構(gòu)，包括校準和模型參數(shù)標定。因為調(diào)整模型結(jié)構(gòu)需要大量的生產(chǎn)數(shù)據(jù)和長期的訓練時間，所以通常意義上在線校正主要是指對參數(shù)修正。目前，軟測量中使用最廣泛的是與主導變量的動態(tài)特性相近，關(guān)系密切的可測量參數(shù)，例如精餛塔的溫度。軟測量技術(shù)在控制領域的研究和實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1.5節(jié)文章的研究內(nèi)容和結(jié)構(gòu)安排1.5.1文章研究的主要內(nèi)容本文主要研究了工業(yè)過程軟測量建模方法，非線性，根據(jù)工業(yè)過程參數(shù)的多重相關(guān)性的特點，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量模型。同時熟悉掌握了催化重整煉油工藝，并將此方法應用在催化重整的煉油生產(chǎn)過程中穩(wěn)定汽油初餡點

6、軟測量模型，驗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)原理和工藝流程，從機理上認識個變量對初儒點的影響。（2）應用多元逐步回歸方法和機理分析選擇的輔助變量建立軟測量模型。（3）采用偏最小最小二乘法選取主元，建立軟測量模型。（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量模型。（5）把建立的數(shù)學模型應用到催化重整裝置中穩(wěn)定汽油初餡點軟測量建模，并檢驗模型的有效性。1.5.2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?？偨Y(jié)了軟測量建模研究的現(xiàn)狀并有一個綜合評價方法。最后，總結(jié)論文的結(jié)構(gòu)安排。二

7、. 基于統(tǒng)計回歸技術(shù)的軟測量方法:著重研究了統(tǒng)計分析的軟測量建模方法，對多元逐步回歸及偏最小二乘法做了詳細的闡述和研究，通過數(shù)值試驗分析驗證了其局限性。三. 掌握重整裝置的生產(chǎn)原理和工藝流程，從機理上認識個變量對初飼點的影響。四. 應用多元逐步同歸方法和機理分析選擇的輔助變量建立軟測量模型?；谥髟治鲞x擇主元，利用偏最小二乘法建立數(shù)學模型，將模型應用到軟測量建模中，并檢驗其有效性。五. 把建立的數(shù)學模型應用到催化重整裝置中穩(wěn)定汽油初僧點軟測量建模，并檢驗模型的有效性。六. 結(jié)論與展望:對全文內(nèi)容進行歸納和總結(jié)，并對今后的研究工作進行展望和規(guī)劃。第2章基于統(tǒng)計學的回歸建模方法統(tǒng)計回歸技術(shù)主要是

8、通過統(tǒng)計理論建立輸入和輸出數(shù)據(jù)的數(shù)學模型。因為它不是完全依賴于生產(chǎn)過程的機理和工藝分析，為復雜工業(yè)過程的統(tǒng)計回歸技術(shù)可以繞過復雜的過程和機理分析，通過統(tǒng)計學習理論，對生產(chǎn)過程的數(shù)學模型。統(tǒng)計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，對模型參數(shù)進行了估計，當然，常用的方法:最小二乘法擬合方法，多項式回歸方法，回歸方法，利用偏最小二乘法等。但是在復雜工業(yè)過程中，多種因素的影響主要變量，它很難給出一個方程和機制，因此如何之機制，建立一個

9、完全基于樣本模型成為眾多學者的研究。目前比較廣泛應用的“黑箱”的建模方法主要有神經(jīng)網(wǎng)絡方法等。本章討論統(tǒng)計回歸技術(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(基礎最小二乘法)；特點是雙向篩選；B. 計算步驟：1) 確定F檢驗值在進行逐步回歸計算前要確定檢驗每個變量是否顯若的檢驗水平，以作為引人或剔除變量的標準。檢驗水平要根據(jù)具體問題的實際情況來定。一般地，為使最終的同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) 逐步計算(a) 計算全部自變量的貢獻(偏回歸平方和)Vi。(b) 在已引入的自變量中，檢查是否

10、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并計算其F值，如果FVFi,表示該變量不顯著，應將其從回歸方程中剔除，計算轉(zhuǎn)至(c)。如F>Fi則不需要剔除變量，這時則考慮從未引入的變量中選出具有最大值的一個并計算值，如果F>F2，則表示該變量顯著，應將其引入回歸方程，計算轉(zhuǎn)至(c)。如果FVF2,表示已無變量可選入方程，則逐步計算階段結(jié)束，計算轉(zhuǎn)入3)。（c）剔除或引人一個變量后，相關(guān)系數(shù)矩陣進行消去變換，計算結(jié)束。其后重復（a）（c）再進行下步計算。3）其他計算主要是計算回歸方程入選變量的系數(shù)、復相關(guān)系數(shù)及殘差等統(tǒng)計量。逐步回歸的具體計算步驟：（1）假設有n個

11、自變量Xio,Xii,Xii,因變量為y,有k個觀測點。根據(jù)最小二乘原理，y的預測值為：/=bi（）Xio+.+biiXii+bn（2-1）其中，0<i0<il.<il<n-l且各xit（t=l,2,3.1）是從n個自變量中按一定顯著性水平篩選出來的檢驗為顯著的因子。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rrOOrrOOR=rOy(2-2)ryOryOry,y矩陣中的元素是:(2-3)Z(呵-印(號-尋)*=1£（心-吊）£（勺-弓）2jt=iV&=1其中第n個變量為因變量y(2-4)(2-4)習=一£易

12、(，=1,2,?+1)i=（2）計算偏回歸平方和Vi=誓(i=o,l,2,Vi=誓(i=o,l,2,n-1)(2-5)（3）若Vv（）,則對應的冶是已被選入的因子。若所有Vi<0的Vi中選出的Vmin=minVI,其對應的因子為xmin，然后檢驗因了Xmin的顯著性。若按一定顯著性水平選取F出:(2-6)（5二噤）（-，-1）<Flliyy則剔除因子Xmin,并對系統(tǒng)相關(guān)矩陣R進行該因子的消元。轉(zhuǎn)（2）（4）若Vi>0,則對應的Xi是未被入的因子若所有Vi>0的Vi中選出的Vmax=maxVi，其中對應的因子為Xmax，然后檢驗因子Xmax的顯著性，若按一定顯著性水平選

13、取F譏：(2-7)任+|）.（一/一2）尸脾）_'句>f_一成gyyFi.niax則因子Xmax被選入，并對系統(tǒng)相關(guān)矩陣R進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。進入回歸方程各因子的系數(shù):(2-8)常數(shù)項：如=亍-2岫(2-9)iel回歸值和偏差值："二如+人土，偏差值£=叫一丸（2-10）is/第2.2節(jié)偏最小二乘方法2.2.1偏最小二乘法的特點1. PLS是一種能處理多個因變量更多論述建模方法。尤其是當變量在設定更高度的相關(guān)性，使用PLS回歸建模分析和比較了因變量，是一個多元回歸更有效、更可靠整體性強的建模方法。2. PLS能解決許

14、多以前使用常見的多元回歸分析方法不能解決這個問題。諸如獨立變量之間的多重相關(guān)性問題和樣本點不宜太小等問題。3. PLS能實現(xiàn)多種數(shù)據(jù)分析方法的綜合應用。它可以設置多元線性回歸法、主成分分析和典型相關(guān)分析為一體的基本技能。在一個PLS計算中，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,同時觀察樣本點相似結(jié)構(gòu)。這使得數(shù)據(jù)系統(tǒng)分析的內(nèi)容更加豐富，同時回歸模型為更多的細節(jié)的實際的解釋。4. 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。5. 在建模方案的數(shù)據(jù)結(jié)構(gòu)簡化，可以在二維平而的多維數(shù)據(jù)特

15、征的觀察，強大的圖形功能。2.2.2偏最小二乘法的建模步驟1. 將X與Y進行標準化處理后，得到自變量矩陣E<)=(Eoi,Eo2,.,EoP)nxp和因變量矩陣Fo=(FOi,Fo2,.,Foq)nxq。標準化處理是為了公式表達上的方便和減少運算誤差。&=(氣)"(2-11)其=或=4：s，Sy(2-12)/=j=1,2,.,pk=l,2,.,q2. 記ti是E()的第1個成,ti=Eoa)i,wi是E()的第1個軸，為一個單位向量，既|wi|=lo記ui是Fo的第1個成分，ui=Focioci是Fo的第1個軸，并且|ci|=lo如果要ti和山能分別很好地代表X與Y中的

16、數(shù)據(jù)變異信息，根據(jù)主成分分析原理，應該有：Var(ti)-maxVar(ui)今max(2-13)另外,因為回歸建模的需要，要求h對山有很大的解釋能力，根據(jù)典型相關(guān)分析的思想山與ui的相關(guān)度應達到最大值，即：r(ti,ui)3max(2-14)綜上所述，在偏最小二乘法回歸中，我們要求ti與ui的協(xié)方差達到最大，即：Cov(ti,ui)=r(ti,ui)>max(2-15)正規(guī)的數(shù)學表述如F：colwl=1clcl=1因此,將在|CO1|2=1和|C1=1的約束條件下，去求coi'Eo'Foci的最大值。采用拉格朗日算法（過程略）得出：是矩陣Eo'FoFo'

17、Eo的特征向量，對應的特征值為Oi2,0,是目標函數(shù)值，它要求取最大值,所以，是對應于Eo'FoFo'Eo矩陣最大特征值的單位特征向量。而另一方面,5是對應于矩陣E<）ToF（）o最大特征值0/的單位特征向量。求得和ci后，即可得到成分：tl=EOcolul=FOcl(2-17)然后,分別求Eo和Fo對h的回歸方程:EO=tlpl'+ElFO=tlrl*+Fl(2-18)回歸系數(shù)向量為:pl'=(tl'tl)Ttl'EOrl'=(tl'tl)Ttl'FO(2-19)3.用殘差矩陣Ei和Fi取代Eo和Foo然后，求第2

18、個軸皿和c2以及第2個成分12和U2,有:t2=Elco2u2=Flc2.92=<t2,u2>co2ElFlc2(2-20)同理，有：<02是對應于矩陣EiTiFiTi最大特征值02的特征向量，C2是對應于矩陣最大特征值的特征向量。所以得到回歸方程：El=t2p2+E2Fl=t2r2'+F2(2-21)回歸系數(shù)向量為:CEl't2P2=rf2=些I|t2|2(2-22)4.如此計算下去，如果X的秩是A,則會有:（E0=tlpl+t2p2+tApA'（223）F0=tlrl'+t2r2，+.tArA由于ti,t2,.,tA均可以表示成Eoi,Eo

19、2,.,Eop的線性組合，因此上式可還原成yk*=Fok關(guān)于yk*=Eoj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5.確定抽取成分的個數(shù)交義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h,t2,.,tA進行回歸建模，而是可以像在主成分分析時一樣，采用截尾的方式選擇前m個成分（m<A,A=秩（X）,僅用這m個后續(xù)的成分就可以得到一個預測性能較好的模型。在多元回歸分析中,經(jīng)常采用抽樣測試法來確定回歸模型是否適于預測應用。該方法是把觀測到的樣本點

20、分成2部分:第1部分數(shù)據(jù)用于建立回歸方程，求出回歸系數(shù)估計量bB，擬合值yB以及殘差均方和於；再用第2部分數(shù)據(jù)作為試驗點，代入所求得的回歸方程，由此求出0T和名。一般地,若有弟=扉，則回歸方程會有更好的預測效果;若弟2諦，則回歸方程不宜用于預測。在PLS建模中，究竟該選取多少個成分為宜，這可通過考察增加一個新的成分后，能否對模型的預測功能有明顯改進來考慮。采用類似于抽樣測試法的工作方式，把所有n個樣本點分成2部分:第1部分除去某個樣本點i的所有樣本點集合（共含n-1個樣本點），用這部分樣本點并使用h個成分擬合一個回歸方程;第二部分是把剛才被排除的樣本點i代入前面擬合的回歸方程，得到力在樣本點i

21、上的擬合值yhj（-i）o第2.3節(jié)主元分析回歸建模2.3.1主成分分析基本思想主成分分析是數(shù)學上的數(shù)據(jù)降維的一種方法。基本的想法是盡量許多原來的有一些相關(guān)的指標（如p指標），新組合的一套新的無關(guān)的綜合指標來代替原來的指標。通常數(shù)學上處理是將原p做一個線性組合，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的信息，來考慮選擇第二個選擇F2線性組合。為了有效地反映出原始信息,F1現(xiàn)有信息將不會出現(xiàn)在F2,用數(shù)學語言表達要求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個重要的組成

22、部分（主元）。2.3.2主成分分析的數(shù)學模型設有p項指標（變量）:X,.,X,每個指標n個觀測值，p得到原始數(shù)據(jù)資料陣如下：乩xipX=工21工22*2p=(X|,X2，.,Xp)(2-25)Xtn.Xttn其中Xj=(xjj,X27，xnp(i=1,2,.»p)用數(shù)據(jù)矩陣X的p個列向量(即p個指標向量)X,x2,Xp作線性組合，得綜合指標向量(特征向量)：鳥=1X+2iX?+.+apiXpF、=q°X+.+%,Xp''一一(2-26)Fp=ApXi+%X2+.+cippX記為：Fj=ajjXj+32jX2+.+apjXp(i=1,2,p)每個主成分的系數(shù)平

23、方和為1。即："*+福+“；=Li=l,2,.,p(2-27)ABSTRACTInitialboilingpointisoneofstabilizedgasolineproductionfigure,whichsayshowmuchlightcomponentcontent.Inthemodernproduction,initialboilingpointisgetbyartificialinlaboratorytests.Duetothetesttimeistoolong,whichcannotbeusedinreal-timecontrol.Withthedevelopmento

24、fcomputertechnologyandcontrolmediaimprovement,thesoftmeasurementtechnologyarisesatthehistoricmoment.Thesoftmeasurementtechnologyusesstatistics,identification,artificialintelligencemethodtoestablishthemathematicalmodel,regardingthemeasurablevariableasprimaryvariable,throughmeasuringrelatedsecondaryva

25、riablepredicttheprimaryvariable.Thesoftmeasurementtechnologycanbecontinuousforecasttheunmeasurablevariable.Solvingtheproductionprocessofimportantfigureontesttimedelay,reachingthepurposeofreplacinghardwaretosoftware.Keywords：Initialboilingpoint,Softsensor,primaryvariable,Secondaryvariable(2-28)(2-29)

26、(2-30)aj為單位向量：aj'aj=1,且由下列原則決定1) Fj與Fj(詳j,i,j=1,p)互不相關(guān),主元之間無相關(guān)信息，即Cov(FpFj)=0,并有Var(Fi)=af£ai,其中£為X的協(xié)方差陣。2) F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，P即Var()=maxVar(ciX.),其中c=(C|,c?,c)'oC°r=1F2與F是互不相關(guān)的X,X2，.»Xp-切線性組合中方差最大的，F(xiàn)p是與F,F2,，F(xiàn)p都不相關(guān)的X,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向量

27、F,F2,Fp就是主成分，這p個主成分從原始指標所提供的信息總量中所提取的信息量依次遞減，每一個主成分所提取的信息量用方差來度量，主成分方差的貢獻就等于原指標相關(guān)系數(shù)矩陣相應的特征值每一個主成分的組合系數(shù)如下：af=(，ii，a2iJJapj)就是特征值人i所對應的單位特征向量方差的貢獻率如下:ai=&/£Ai=l%越大，說明相應的主成分反映綜合信息的能力越強。2.3.3主成分分析的步驟計算協(xié)方差矩陣計算變量數(shù)據(jù)的協(xié)方差矩陣：E=(Sij)pxp，其中£(與_可(楊_弓)i，j=1,2,.,pn-1*=i求出£的特征值X及相應的特征向量a求出協(xié)方差矩陣&#

28、163;的特征值入2入22>°及相應的正交化單位特征向量:則X的第i個主成分為Fi=afX(i=1,2,p)o(1) 選擇主成分在已確定的全部p個主成分中合理選擇m個來確定主元。一般用方差貢獻率作為評價指標。解釋主成分與所含信息量的大小，主元個數(shù)的確定以累計貢獻率G(z)=Z4/£&.(2-32)r=l*=1達到足夠大(一般在85%以上)為原則。(2) 計算主成分得分向量計算n個樣品在m個主成分上的得分：Fj=%X+6z2/.X2+.+apiXp(2,33)標準化實際應用時，指標的量綱往往不同，所以在主成分計算之前應先消除量綱的影響。消除數(shù)據(jù)的量綱有很多方法，

29、常用方法是將原始數(shù)據(jù)標準化，即做如下數(shù)據(jù)變換：=X(iXj，=1,2,.,；/=1,2,.,(2.34)Sj其中'廣板廠習尸，j=1,2,po標準化后的數(shù)據(jù)陣記為X*,其中每個列向量(標準化變量)的均值為0,標準差為1,數(shù)據(jù)無量綱。標準化后變量的協(xié)方差矩陣(CovarianceMatrix)£=(Sjj)pxp，即原變量的相關(guān)系數(shù)矩陣(CorrelationMatrix)R=(r：；)nvn:IIxx-xZ(%T)-習)J7=1Jt=V/=!V/=ln-7?-li,j=1,2,.»p此時n個樣品在m個主成分上的得分應為：Fj=ajX+a2jX2*+.+apjXp*j

30、=1,2,m(2-35)2.3.4主成分分析的應用因為主成分分析方法具有良好特性，主成分分析方法在建模及需要數(shù)據(jù)處理的許多領域發(fā)揮了很大的作用。主成分析方法的主要應用方向為：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，選擇前兩個主成分，根據(jù)主成分所對應的矩陣特征值的大小，得出n個樣品的平面分布,可直接由圖形分析每個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)的樣本點的離群點。2）利用主成分分析的方法對構(gòu)造回歸模型，是利用最主要的組成部分，取代原來的獨立

31、變量作為一種新型的獨立變量做回歸分析。3）運用主成分分析方法進行篩選的回歸變量。返回變量的選擇具有重要的實際意義,為了使模型本身很容易做到結(jié)構(gòu)的分析、控制和預測、構(gòu)成最佳優(yōu)變量子集，去選擇最好的變量，使優(yōu)化變量量子設置。與主成分分析，篩選變量，可以用較小的計算量選擇變量，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價函數(shù)，這種方法的主要思想是通過主成分分析的一個重要的組成部分，選擇m個主成分的方差貢獻作為加權(quán)函數(shù)、建立綜合評價函數(shù)來進行評估。2.3.5主成分分析在本文的應用

32、利用主成分分析的方法進行輔助變量的選擇。輔助變量的選擇具有重要的實際意義,為了使模型本身很容易做到結(jié)構(gòu)的分析、控制和預測,最好從原來的輔助變量集合中選舉輔助變量形成的一個子集，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，選取最少并旦所含信息量最大的輔助變量集，作為片最小二乘的輸入，以汽油初僧點為輸出建立CRU主分餡塔粗汽油初餡點點軟測量模型。第3章多元逐步回歸在建立CRU穩(wěn)定汽油初餡點軟測量模型中的應用第3.1節(jié)裝置簡介裝置設備為比利時雪夫隆煉油廠引進的二手設備

33、，原投產(chǎn)于一九七零年，設計能力為40萬噸/年，我廠引進后由獨山子石化公司設計院重新設計為32萬噸/年。2000年裝置進行了45萬噸/年配套項目的部分改造，現(xiàn)加工能力達40萬噸/年。裝置主要分為兩部分，即預加氫部分和重整部分，預加氫部分包括預加氫反應系統(tǒng)，精制油分僧脫水系統(tǒng)；重整部分包括重整反應系統(tǒng)、分餛穩(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預加氫預加氫原料油為直餡僧分，雜質(zhì)(硫、氮、烯炷)含量少，其反應條件較為緩和，反應在一定的氫分壓和催化劑存在的情況下進行，所用催化劑為FDSTA,重整原料油在預加氫反應中主要誑行脫硫、脫氮、脫氧

34、、脫金屬、烯炷飽和等反應。a.脫硫反應：為了保證重整催化劑有較好的選擇性和穩(wěn)定性，重整原料中應有較低的硫含量,對于PRT-C、PRT-D催化劑要求重整原料硫含量少于0.5ppmo脫硫反應速度較快，存在于原料中的硫化物很快生成燒類與硫化氫?；瘜W反應方程式：(1) 硫醇RSH+FhRH+FhS(2) 硫酰RSR+2H2>2RH+2H2S(3) 二硫化物(RS)2+3H2>2RH+2H2Sb脫氮反應重整原料中氮化物所含的氮，經(jīng)加成反應轉(zhuǎn)化成氨和相應的炷，但脫氮比脫硫困難的多，多數(shù)直儒重整原料油僧分中氮化物含量少，但是由二次加工汽油作重整原料時(如焦化汽油)，其氮化物較直儒原料要高的多，需

35、經(jīng)較高深度的加氫才能較徹底的脫除。對于PRT-C、PRT-D催化劑要求原料中氮含量小于0.5ppmo化學反應方程式：(1)烷基胺R-CH2-NH3+H3R-CHs+NH(2)毗嚏C5H6N+5H2C5H12+NH3(3)日引噪C8H7N+6H2C8Hi6+NH3(4)毗呢C4H5N+4H2>C4H10+NH3(5)哇I琳C11H7N+6H2C9H18+NH3c. 烯炷飽合烯炷飽合生成烷炷，其加氫反應速度比脫硫反應略慢。原料中由于烯炷的存在,會增加催化劑上的積碳，縮短生產(chǎn)周期?；瘜W反應方程式：(1) 單烯炷R-CH-CH2+H2R-CH2-CH3(2) 雙烯炷R-CH=CH-CH=CH+2

36、H2R-CH2CH2CH2CH3d. 脫氧反應：原料油中含氧化合物在加氫條件下與氫反應生成水及相應的炷分子，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,進入重整反應系統(tǒng)后加氫生成水會使系統(tǒng)中存水過多，從而使催化劑減活。化學反應方程式：(1) 酚類C6H6O+H2C6H8+H2。(2) 環(huán)烷酸C7H12O2+3H2C7H14+2H2Oe. 脫鹵素反應有機鹵素物經(jīng)加氫可以生成相應的炷類及鹵化氫，有機鹵化物的脫鹵比脫硫更困難一些。化學反應方程式：RCL+H2一RH+HCLf. 脫金屈反應原料中含砰、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

37、上，如不除去進入重整反應系統(tǒng)會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范圍的石油餡份（屬于燃料型為80-170°C或180C,化工型裝置為70-140°C）,經(jīng)重整催化劑的作用，并在氫氣保護和一定的反應條件下，發(fā)生芳構(gòu)化反應和其它反應，使原來含少量芳炷的原料發(fā)生分子結(jié)構(gòu)的重排，而成為富含芳炷和異構(gòu)烷炷的生成物。這種產(chǎn)物經(jīng)進一步加工處理，可獲得高純度的芳烷或高辛烷值的汽油。催化重整主要進行下述反應a.六員環(huán)烷炷脫氫：在所有重整反應中，六員環(huán)烷炷脫氫反應速度最快，而且能充分轉(zhuǎn)化成芳炷，是重整的最基本反應。C7H|4=C7H8+3田AHARON(3-1)(RO

38、N74.8)(RON120)+205.8KJ/mol45.2b.五員環(huán)烷炷異構(gòu)化成六員環(huán)烷炷：C7H14=C7H14AHARON(3-2)(RON80.6)(RON74.8)-18.9KJ/moI-5.8c.加氫裂化反應:C=C=C=C=C=C=C+H_C=C=C+C=C-(C)2AHRON(3-5)(RONO)(RON102)-58KJ/mol102d.脫甲基反應：C6H14+H2C5H12AHARON(3-6)(RON24.8)(RON61.8)-67.6KJ/mol37.9C7H8+H2C&H6AHARON(3-7)(RON120)(RON100)-54.7KJ/mol-20e.

39、芳炷脫烷基反應:CgHio+H?>C7H8+CH4AHARON(38)(RON120)(RON120)-56.8KJ/mol0f.積炭反應：炷類的深度脫氫，生成烯炷和二烯炷，烯炷進一步聚合及環(huán)化，形成稠環(huán)芳炷,吸附在催化劑上，最終轉(zhuǎn)化成積炭，而使催化劑失活。上述反應中芳構(gòu)化反應和異構(gòu)化反應是所希望的，而加氫裂解反應、脫甲基反應和積炭反應是不希望的，應盡量減小或避免。第3.3節(jié)工藝流程說明3.3.1預加氫部分經(jīng)脫神處理后的重整原料（砰V150ppb,餡程：干點V175°C）自原料罐區(qū)來，經(jīng)原料泵P101升壓后與預加氫循環(huán)壓縮機C-101來的氫氣混合后進入立換E-101的管程、臥式

40、換熱器E-101A/B的殼程與反應產(chǎn)物換熱到200C左右進入原料加熱爐F-101加熱，加熱到280C左右的物料依次通過加氫反應器R101、脫氯器R-102進行反應，其中在R-101中進行原料的脫硫、脫氮、脫氧、烯炷飽合以及脫金屬反應；在R-102中進行脫氯反應（預加氫反應如圖3.3.1所示）。反應后的產(chǎn)物進入E101A/B的管程、立換E-101的殼程與預加氫原料換熱降溫到100°C左右進入空冷E102、水冷E-103冷卻至小于40C后進入預加氫高分罐V-101進行油氣分離。V101壓力控制在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入口分液罐

41、V104進行循環(huán)。液相產(chǎn)物E104管程與脫水塔T-101底精制油換熱后進T-101進行脫水；T-101還有一部分進料來自餡分油加氫裂化的重石腦油（進料圖如圖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減油一起進入T-101（脫水塔如圖3.3.3所示）。V-101切水包中的含硫污水進入下水。T101塔底油一部分經(jīng)P-102升壓后進再沸爐F102加熱到215°C左右返塔，為T101提供熱量；另一部分經(jīng)E104殼程與V-10I減油換熱到80°C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、E301殼程冷卻，作為精制油儲

42、存于906#、907#罐。塔頂產(chǎn)物經(jīng)E105,E106冷卻至40°C后進入回流罐V103進行汽液分離，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-403脫硫做石腦油送原料車間，頂部氣體進入瓦斯系統(tǒng)。a>i5町視劇U11201：頊加氫反應器R101-103P11142.101MPaP11142.101MPaTH08304rPHWOOMMPiT114<R1010420RIOtSftYJ10150R101EHYJ101T1149TI126C184rT1143»72rTI144287.7T?TI144

43、287.7T?T1145rT1145PD10400.014MPamie2.018E101ST101ItC202AC202BI喊合通4RC201IV301R401T101ItC202AC202BI喊合通4RC201IV301R401圖31預加氫反應器鳥15Kia£iU11201:F-101U11201:F-101P»W1O1T51RXL2CT2GM.O%FC104AGMPaPB32C144ITI5O2CarTW03G650PT15O4CS25TTI5O5G0E101E*12.095MPaTH0402M4rFC101GC0213MPaTC101OA28OTE102ABCMPaA

44、痂4"M02GT101P101CE101AACWTI129G264,rFS122G”1228PH220OAMMR10Y81011664FO1140331406Nm30Nm3hStKS1013A5R102ORPD104O0013TH13。PIW3G1177PaFI10TG7821Nm3hFcioecvW101GfFC151RWlMPD18G0.420MPaloicjE10-WMAT101KFI10TGA1Mt4Nm3hE10241.1CPt2242.758MPaF1105V2CMT11050420VFC102CA42184k°hA581rTI1MTill®T1151

45、A79Qr1680cF1012124r1M理1P1Q,T1151BiHCfiOIGM50J%283.1T?nisic2849rnisiDni5iEMl7rT1181FF0191G0：14M190Nm34T8Nma*hLX101C202A1C202B1整合通It4RC»11V301R401T402圖32預加氫進料圖32預加氫進料immamimmamU11201:T-101E1O0ABCFC123GFC10TCV10誄WIWG81MPa36GF102AF102BP103BW17O200.9CT1117AOEQT?。物MPaFO12CO0169601Wkf2044kghbimbo210.4

46、TFC1W0M50235kghPC102A0.8&8MPaFQ11BOl01TM2eNm323Hm3hU111OMSS1X102.WO2F01120_0531517Na3100Nm3hF001PCI100A0225MP，F(xiàn)O113O0283X14151Nm3HWW3(jF1123H1WBC2138Pmor種0PI1090圖3-3脫水塔T-101TC1ZSA123.8TE1MFC1WOM50108kflhFC110CMA6413kghTilFC1110M0182«kaliT1132C2M4T：r102MBW104GJ1T膠|St&SiUTC11SCHC102GMO.OS

47、OPC108CTI134AC210TY14RT201C202AC201V301U合謂F301R401怦噩葉IFI111G0341MP1NB*心Qiao05075378kg4382S53.3.2重整部分預加氫來的精制油經(jīng)重整原料泵P-201A/B升壓后與重整循環(huán)壓縮機C-201來的氫氣混合，然后進入原料換熱器E-201管程與重整反應產(chǎn)物換熱到420°C左右，依次經(jīng)過F201,R201,F202,R202,F203,R203,F204,R204完成重整反應。因為反應過程主要是吸熱反應，反應中會有溫降產(chǎn)生，其中R-20I的溫降約為75°C,R202的反應溫降約為40°C

48、,R203的反應溫降約為25°C,R204的反應溫降約在10-20°C（重整反應器如圖3.3.4）o反應后的產(chǎn)物進入E201殼程與重整原料換熱到120°C左右，然后依次通過空冷E203、水冷E204殼程，冷卻到30-40°C后進入氣液分離罐容V201oV201控制壓力在1.25MPa,頂部氫氣進C-201進行壓縮循環(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E211殼程冷卻后進V104作為預加氫的新氫（氣液分離如圖3.3.5所示）：V201壓控閥出來的氣體進燃料系統(tǒng)；V201底的液體經(jīng)E205A/B/C殼程與穩(wěn)定塔T201底穩(wěn)定汽油換熱到1

49、20C左右進T201；塔底穩(wěn)定汽油經(jīng)E205A/B/C管程與V-201減油換熱到90°C左右，再經(jīng)E209、E210冷卻至小于40°C后外送。塔底設有以4.0MPa蒸汽為熱源的再沸器E208為T201提供熱量。T201頂出來的產(chǎn)物經(jīng)空冷E206A/B,水冷換E207冷卻到小于40°C后進入回流罐V202,氣相經(jīng)壓控進燃料系統(tǒng)，液相經(jīng)回流泵P203升壓，一部分打回流返塔，一部分作為液態(tài)炷外送出裝置。為更好的保護重整催化劑少受硫的污染，在蒸發(fā)脫水塔旁設有精制油脫硫罐V-102,若預加氫反應正常，V-102也可不投用。為防止鉉鹽的沉積，在E101管程出口上設有自加氫凝結(jié)

50、水泵P405來的凝結(jié)水注水點。為提高T101的精飼效果，C201的出口線上設有條到T101底的氫氣汽提線。設置有注氯泵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，在重整各個反應器入口均設有預硫化設施。用高壓氮氣將注硫罐V-310/1,2,3,4內(nèi)的硫化物壓入各個反應器入口進行硫化。為脫除和降低系統(tǒng)存水，重整臨氫系統(tǒng)設有分子篩干燥系統(tǒng)及分子篩再生系統(tǒng)。為更好的再生重整催化劑,C201出口及R202出口均設有工業(yè)風注入點（穩(wěn)定汽油蒸僧如圖3.3.6所示）。前言1第1章緒論1第1.1節(jié)基于傳統(tǒng)方法的軟測量建模2第1.2節(jié)基于統(tǒng)計回歸分析的軟測量

51、建模3第1.3節(jié)人工智能建模方法4第1.4節(jié)軟測量方法在工業(yè)過程中的實現(xiàn)61.4.1軟測量輔助變量的選取71.4.2軟測量的數(shù)據(jù)選擇與處理81.4.3軟測量模型的辨識和在線校正8第1.5節(jié)文章的研究內(nèi)容和結(jié)構(gòu)安排91.5.1文章研究的主要內(nèi)容91.5.2文章的結(jié)構(gòu)安排10第2章基于統(tǒng)計學的回歸建模方法10第2.1節(jié)多元逐步回歸方法11第2.2節(jié)偏最小二乘方法132.2.1偏最小二乘法的特點132.2.2偏最小二乘法的建模步驟14第2.3節(jié)主元分析建模162.3.1主成分分析基本思想162.3.2主成分分析的數(shù)學模型172.3.3主成分分析的步驟182.3.4主成分分析的應用202.3.5主成分

52、分析在本文的應用20第3章多元逐步回歸在建立CRU穩(wěn)定汽油初僧點軟測量模型中的應用21第3.1節(jié)裝置簡介21H24GLC2O7GFC2O2CAFO258O14244Nr0Nm3hU11201：V-201.V-204E204ASV101|C202V202LSM2«>GBLSK2030C5*晦紋空虹登的氣吁芽故LC2O2GA50.0、C201E201/2PI1O4G2.754MP>S213LC20tGA502FI107CTVHNm»hP101FI107GA10558Nm3hPC20SOXidOiMFTC202T2011C202A1F101岐含姻道ITWIC201V3

53、01R401圖3-5氣液分離罐U11201:T-201TK21SBC2205rFC203OABIM232142hLC2CCCAO2、FC204GBM232S8kahTlZiaAO221-3VFC2O4GC42SB8k.hRXL1Q28.6%AI1023-M%Tt205C"rT1216O<44rPCEGA1.000MP1-rtrafji研一T1245蚯汽*«mi7.G22S4FCZWGAT1257O124.3rTH”682T?HC2O4CM0.090MPaLoraIA(W.1、TC222GA221.4T：C202APS217CPS217CAPttlTG0*2MPa210

54、.7VTI247210rIAC2O3G(M04GF020SGO3M63t4Nm3160Naai)FO222Q0:224472.1t449th圖3-6穩(wěn)定汽油分餡塔第3.4節(jié)MSR建模3.4.1輔助變量的選擇根據(jù)機理對數(shù)據(jù)進行篩選：汽油精德發(fā)生在塔T201,故與初僧點最相關(guān)的因素主要為分餡塔的操作參數(shù)，主要有塔頂溫度、塔底溫度、液位、壓力、進料量及進料溫度、回流量及回流溫度等、由于分餡塔的壓力在實際操作中，保持某一特定的值，且一般不作為調(diào)節(jié)手段，所以壓力與初饞點的關(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預加氫進料量，64T101進料溫度,65T101塔頂溫度，68T101回流流量，73

55、T101塔底溫度,164段混氫流量，165二段混氫流量，176R201入口溫度，189R202入口溫度，204R203入曰溫度,216R204入曰溫度，289V201溫度,290V201壓力，295V201液位，317V205壓力，368V202進料溫度,369V202液位。剩下F205出口溫度X20,T201塔頂回流X22。（聲明一點這兩個變量是和現(xiàn)場操作工人討論后得出的）作為輔助變量建模。3.4.2數(shù)據(jù)處理在一組條件完全相同的重復試驗中，個別的測量值可能會出現(xiàn)異常。如果測量值過大或過小，這些測量數(shù)據(jù)不不正常的，或稱為可疑的。對于這些可以數(shù)據(jù)應該使用樹立統(tǒng)計的方法辨別其真?zhèn)危Q定取舍。常用的方法有拉一達法、小維那特法、格拉布斯法。當試驗次數(shù)較多時，可簡單地用3倍標準偏差（3S）作為確定可疑數(shù)據(jù)取舍的標準。當某一測量數(shù)據(jù)（xi）與其測量結(jié)果的算術(shù)平均值（又）之差大于3倍標準偏差時，用公式表示為：Ixi一又I>3S（3-9）則該測量數(shù)據(jù)應舍棄。這是美國混凝土標準中所采用的方法，由于該方法是以3倍標準偏差作為判別標準，所以亦稱3倍標準偏差法，簡稱3S法。取3S的理由是:根據(jù)隨機變量的正態(tài)分布規(guī)律，在多次試驗中，測量值落在X-，一3S與X十3S之間