CN109920490B - 一种氧化铝生产蒸发过程鲁棒动态数据校正方法及其系统 - Google Patents
一种氧化铝生产蒸发过程鲁棒动态数据校正方法及其系统 Download PDFInfo
- Publication number
- CN109920490B CN109920490B CN201910185728.9A CN201910185728A CN109920490B CN 109920490 B CN109920490 B CN 109920490B CN 201910185728 A CN201910185728 A CN 201910185728A CN 109920490 B CN109920490 B CN 109920490B
- Authority
- CN
- China
- Prior art keywords
- data
- robust
- correction
- variable
- evaporation process
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种氧化铝生产蒸发过程鲁棒M估计动态数据校正方法和系统,包括获取氧化铝生产蒸发过程中各测量变量的数据,基于各测量变量的数据的分段鲁棒M估计函数建立鲁棒动态数据校正模型;基于分段鲁棒M估计动态数据校正模型对各流量测量变量和组分测量变量的数据进行在线校正处理,获取校正结果。本发明获得的数据校正结果在存在显著误差且大小不确定时,校正结果准确。
Description
技术领域
本发明涉及氧化铝生产蒸发过程数据优化处理及建模领域,具体公开了一种氧化铝生产蒸发过程鲁棒动态数据校正方法及其系统。
背景技术
蒸发过程作为氧化铝生产过程的关键工序之一,对回收利用有用资源、降低废弃碱液排放具有重要作用。该过程通过加热蒸汽将种分母液和洗涤滤液中的多余水分蒸发,为溶出工序提供高浓度循环母液。在实际氧化铝生产蒸发过程中,过程测量数据不可避免地受到误差干扰,使测量数据偏离真实值,而不满足物料质量平衡、热量平衡关系和过程参数的边界约束条件。另外,受检测技术以及经济条件的限制,部分重要参数无法获取。不准确的测量数据将影响氧化铝生产蒸发过程的建模、优化、控制甚至管理决策,关系着整个氧化铝生产的经济和技术指标。
数据校正作为一种数据处理技术,利用测量数据的冗余信息,在满足机理平衡约束和参数边界条件的基础上,减少测量误差,估计未测参数。但是,由于受测量仪表失灵、设备泄露、人工操作错误等因素影响,过程测量数据存在显著误差。若采用传统的误差服从正态分布的最小二乘数据校正方法,会导致显著误差扩散,污染其他不含有显著误差的数据,影响协调结果。
针对这一现象,基于鲁棒M估计理论,构造一种新的鲁棒动态数据校正模型。通过影响函数,分析鲁棒M估计函数的鲁棒性。当显著误差趋于较大值时,该鲁棒M估计函数受其影响较小。氧化铝蒸发过程有稳态和动态两种状态,利用构造的鲁棒数据校正方法进行数据校正,对于提高测量数据的准确性,实现蒸发过程稳定优化控制,提高产品质量和生产效率具有重要意义。
发明内容
本发明目的在提供一种氧化铝生产蒸发过程鲁棒动态数据校正方法及其系统,以解决现有技术中存在氧化铝蒸发过程动态数据测量偏差大的技术缺陷。
为实现上述目的,本发明提供了一种氧化铝生产蒸发过程鲁棒动态数据校正方法,包括以下步骤:
获取氧化铝蒸发过程中非稳态时间段的流量测量变量和组分测量变量数据;
基于流量测量变量和组分测量变量数据的分段鲁棒M估计函数建立鲁棒动态数据校正模型;
基于鲁棒M估计动态数据校正模型对各流量测量变量和组分测量变量的数据进行校正处理,获取校正结果。
优选地,分段鲁棒M估计函数为:
优选地,鲁棒动态数据校正模型为:
其中,ρ即为式(1)所示的分段鲁棒M估计函数;M为测量变量的个数,h表示当前时刻,xij表示第i个变量j时刻的测量值,表示第i个变量j时刻的校正值,rij为第i个变量j时刻的相对残差,σij表示第i个变量j时刻的标准差;表示所有测量变量的校正值样本集,tij表示第i个变量的第j个时间点,表示所有未测变量的估计值。a、b和c的含义与式(1)中相同。F表示微分方程等式约束,geq表示等式约束,g表示不等式约束,包括变量的上下限约束。
优选地,基于鲁棒M估计动态数据校正模型对各流量测量变量和组分测量变量的数据进行校正处理前,还需要对待校正数据进行预处理,预处理为后向端点滑动滤波预处理,具体步骤为:
对待校正数据设置长度为n的队列;这里的数据是将流量测量变量和组分测量变量混合在一起。
移动队列,实现所有数据的后向端点滑动滤波。若队列为{a,b,c,d},则先将{a,b,c,d}的a数据处理,移动队列变成{b,c,d,f}在处理b数据。
优选地,获取校正结果后,还需要对校正结果进行显著误差检测,显著误差检测包括以下步骤:
优选地,校正处理的过程中,对待校正数据设置长度为n的队列,每进行一次新的采样,把采样数据放入队尾,删除原来队首的一个数据;计算新加样本后所有数据的标准差σ和窗口中测量数据的残差r,根据残差r与c的关系确定采用的目标函数项。
优选地,进行校正处理前还需要设定数据校正的约束条件,设定约束条件包括以下步骤:
以有限正交元配置离散化的方法处理所建立的氧化铝生产蒸发过程动态微分方程;
对所建立的氧化铝动态微分方程进行离散化,以离散化后的氧化铝动态微分方程的代数方程和连续性方程为数据校正的约束条件。代数方程公式如下:
连续性方程公式如下:
xi(θi)=xi-1(θi),i=2,...,fe
其中,N表示测量数据点的总个数,fe表示有限元个数,k表示配置点个数;由于有限元正交配置法的优化区间是[0,1],所以选择t∈(0,1);tjq表示区间t∈(0,1)的配置点q被分配到每个有限元;vp表示待确定的未知系数,Ip(t)表示选定的基函数;F表示tjq处的微分方程;xi(θi)表示在第i有限元内的拉格朗日多项式表达式。
优选地,根据影响函数对分段鲁棒M估计函数的鲁棒性进行评价。
依托于上述方法,本说明还提供了一种氧化铝生产蒸发过程鲁棒动态数据校正系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果:
本发明在获取蒸发过程中的各测量变量的数据,基于所述各测量变量的数据的分段鲁棒M估计函数建立鲁棒动态数据校正模型;基于所述鲁棒动态数据校正模型对所述各测量变量的数据进行处理。该鲁棒动态数据校正模型能够减少动态过程测量数据中随机误差和显著误差的影响,获得的校正结果在存在显著误差且大小不确定时,校正结果准确。
下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例中氧化铝生产蒸发过程鲁棒动态数据校正方法的流程示意图。
图2为本发明实施例中分段鲁棒M估计函数与其他鲁棒估计函数的曲线对比图。
图3为本发明实施例中影响函数曲线图。
图4为本发明实施例中动态数据校正过程示意图。
图5为本发明实施例中进六效原液流量校正结果与最小二乘数据校正方法得到的进六效原液流量校正结果对比图。
图6为本发明实施例中进五效原液流量协调结果与最小二乘数据校正方法得到的进五效原液流量校正结果对比图。
图7为本发明实施例中四级闪蒸器出料流量协调结果与最小二乘数据校正方法得到的四级闪蒸器出料流量校正结果对比图。
图8为本发明实施例中原液苛碱浓度校正结果与最小二乘数据校正方法得到的新蒸汽流量校正结果对比图。
图9为本发明实施例中四级闪蒸器出料苛碱浓度校正结果与最小二乘数据校正方法得到的新蒸汽流量校正结果对比图。
图10为本发明实施例得到的校正结果标准差与其他方法得到的校正结果标准差的对比图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1:
本发明提供了一种氧化铝生产蒸发过程鲁棒动态数据校正方法,参见图1,包括以下步骤:
获取氧化铝蒸发过程中非稳态时间段的流量测量变量和组分测量变量数据。
氧化铝蒸发过程有稳态和动态两种状态,稳态过程的数据分析相对简单。因此,本发明设计了一种氧化铝生产蒸发过程鲁棒动态数据校正方法,以实现非稳态时间段内数据的校正分析。物料的组分包括碳酸钠含量,氢氧化钠含量,氧化铝含量,数据校正目的就是对被测变量的测量数据进行校正,不管是哪一个变量,只要在模型中有,就可以校正。
基于流量测量变量和组分测量变量数据的分段鲁棒M估计函数建立鲁棒动态数据校正模型。
分段鲁棒M估计函数为:
鲁棒动态数据校正模型为:
其中,ρ即为式(1)所示的分段鲁棒M估计函数;M为测量变量的个数,h表示当前时刻,xij表示第i个变量j时刻的测量值,表示第i个变量j时刻的校正值,rij为第i个变量j时刻的相对残差,σij表示第i个变量j时刻的标准差;表示所有测量变量的校正值样本集,tij表示第i个变量的第j个时间点,表示所有未测变量的估计值。a、b和c的含义与式(1)中相同。F表示微分方程等式约束,geq表示等式约束,g表示不等式约束,包括变量的上下限约束。
图4为本发明实施例中动态数据校正过程示意图。
基于鲁棒M估计动态数据校正模型对各流量测量变量和组分测量变量的数据进行校正处理前,还需要对待校正数据进行预处理,预处理为后向端点滑动滤波预处理,具体步骤为:
S31:对待校正数据设置长度为n的队列;
S32:对队列中的数据进行后向端点滑动滤波;
S33:移动队列,实现所有数据的后向端点滑动滤波。
基于鲁棒M估计动态数据校正模型对各流量测量变量和组分测量变量的数据进行校正处理,获取校正结果。
获取校正结果后,还需要对校正结果进行显著误差检测,显著误差检测包括以下步骤:
在校正后再来判断原始测量数据是否存在显著误差。
优选地,校正处理的过程中,对待校正数据设置长度为n的队列,每进行一次新的采样,把采样数据放入队尾,删除原来队首的一个数据;计算新加样本后所有数据的标准差σ和窗口中测量数据的残差r,根据残差r与c的关系确定采用的目标函数项。
物料质量平衡动态数据校正模型的目标函数定义为:
优选地,进行校正处理前还需要设定数据校正的约束条件,设定约束条件包括以下步骤:
以有限正交元配置离散化的方法处理所建立的氧化铝生产蒸发过程动态微分方程;
对所建立的氧化铝动态微分方程进行离散化,以离散化后的氧化铝动态微分方程的代数方程和连续性方程为数据校正的约束条件。代数方程公式如下:
连续性方程公式如下:
xi(θi)=xi-1(θi),i=2,...,fe
其中,N表示测量数据点的总个数,fe表示有限元个数,k表示配置点个数;由于有限元正交配置法的优化区间是[0,1],所以选择t∈(0,1);tjq表示区间t∈(0,1)的配置点q被分配到每个有限元;vp表示待确定的未知系数,Ip(t)表示选定的基函数;F表示tjq处的微分方程;xi(θi)表示在第i有限元内的拉格朗日多项式表达式。
每个窗口划分成几个有限元,在每个有限元里根据加权函数,选择若干个配置点,然后在各自的有限元区间内的配置点上得到残差方程即代数方程;最后在不同有限元区间的连接点处得到连续性方程。
以蒸发过程物料质量平衡和决策变量的边界条件为动态数据校正模型的约束条件。一到六效蒸发器和一到四级闪蒸器的物料平衡和热平衡等式约束如表1所示。
表1
料液流量和浓度边界约束条件表示为:
i=1,2...,60,j=5,6,
式中,表示测量变量的校正值的变化下限;Cjmin,Fjmin,表示未测变量的估计值的变化下限;表示测量变量的校正值的变化上限;Cjmax,Fjmax,表示未测变量的估计值的变化上限。λ1-6表示权重,可由经验规则确定。图2为本发明实施例中分段鲁棒M估计函数与其他鲁棒估计函数的曲线对比图。
基于物料质量平衡层动态数据校正模型先对进五效和六效蒸发器原液流量、原液浓度、出四闪料液流量、出四闪料液浓度进行校正得到校正值,对各设备出料流量、出料浓度进行估计得到评估值。
优选地,根据影响函数对分段鲁棒M估计函数的鲁棒性进行评价。
图3为本发明实施例中影响函数曲线图。
依托于上述方法,本说明还提供了一种氧化铝生产蒸发过程鲁棒动态数据校正系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的步骤。
实施例2:
采用本发明中的鲁棒动态数据校正方法对60组实际氧化铝生产蒸发过程中存在显著误差的非稳态时间段的流量测量变量和组分测量变量进行动态数据校正,通过假设误差服从正态分布的最小二乘动态数据校正方法与本发明提供的鲁棒动态数据校正方法进行比较分析,进六效原液流量、进五效原液流量、四级闪蒸器出料流量、原液浓度和出四闪料液浓度的校正结果分别如图5-9所示。从图5-9中可以得出,最小二乘动态数据校正方法得到的校正结果受显著误差污染严重,校正数据偏离范围较广,本发明提供的鲁棒动态数据校正方法不受显著误差影响,校正数据偏离范围窄。本发明提供的鲁棒动态数据校正方法与其他鲁棒动态数据校正方法,如Huber、Fair、Kong和Cauchy进行比较,分别计算不同方法进行动态数据校正得到的校正值与测量值的标准差,如图10所示,采用本发明构造的鲁棒动态数据校正方法得到的校正结果标准差比其他鲁棒动态数据校正方法、最小二乘动态数据校正方法得到的校正结果标准差要小,说明本发明构造的鲁棒动态数据校正模型的校正精度高,在显著误差存在且大小不确定的情况下,消除显著误差的影响,具有较强的鲁棒性。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种氧化铝生产蒸发过程鲁棒动态数据校正方法,其特征在于,包括以下步骤:
获取氧化铝蒸发过程中非稳态时间段的物料流量测量变量和物料组分测量变量数据;
基于所述流量测量变量和所述组分测量变量数据的分段鲁棒M估计函数建立鲁棒M估计动态数据校正模型,其中,所述分段鲁棒M估计函数为:
所述鲁棒M估计动态数据校正模型为:
式中,ρ即为式(1)所示的分段鲁棒M估计函数,M为测量变量的个数,h表示当前时刻,xij表示第i个变量j时刻的测量值,表示第i个变量j时刻的校正值,rij为第i个变量j时刻的相对残差,σij表示第i个变量j时刻的标准差;表示所有测量变量的校正值样本集,tij表示第i个变量的第j个时间点,表示所有未测变量的估计值,a、b和c的含义与式(1)中相同,F表示微分方程等式约束,geq表示等式约束,g表示不等式约束,包括变量的上下限约束;
基于所述鲁棒M估计动态数据校正模型对所述各流量测量变量和组分测量变量的数据进行校正处理,获取校正结果。
2.根据权利要求1所述的一种氧化铝生产蒸发过程鲁棒动态数据校正方法,其特征在于,基于所述鲁棒M估计动态数据校正模型对所述各流量测量变量和组分测量变量的数据进行校正处理前,还需要对待校正数据进行预处理,所述预处理为后向端点滑动滤波预处理,具体步骤为:
对所述待校正数据设置时间长度为n的队列;
移动队列,每次向后移动一个时刻点,实现所有数据的后向端点滑动滤波。
4.根据权利要求1所述的一种氧化铝生产蒸发过程鲁棒动态数据校正方法,其特征在于,校正处理的过程中,对待校正数据设置长度为n的队列,每进行一次新的采样,把采样数据放入队尾,删除原来队首的一个数据;计算新加样本后所有数据的标准差σ和窗口中测量数据的残差r,根据式(2)中残差r与c的大小关系确定采用的目标函数项。
5.根据权利要求1所述的一种氧化铝生产蒸发过程鲁棒动态数据校正方法,其特征在于,进行校正处理前还需要设定数据校正的约束条件,设定约束条件包括以下步骤:
以有限正交元配置离散化的方法处理所建立的氧化铝生产蒸发过程动态微分方程;
对所建立的氧化铝生产蒸发过程动态微分方程进行离散化,以离散化后的氧化铝生产蒸发过程动态微分方程的代数方程和连续性方程为数据校正的约束条件,代数方程公式如下:
连续性方程公式如下:
xi(θi)=xi-1(θi),i=2,...,fe
其中,N表示测量数据点的总个数,fe表示有限元个数,k表示配置点个数;由于有限元正交配置法的优化区间是[0,1],所以选择t∈(0,1);tjq表示区间t∈(0,1)的配置点q被分配到每个有限元;vp表示待确定的未知系数,根据配置点的数目确定,Ip(t)表示选定的基函数;F表示tjq处的微分方程;xi(θi)表示在第i有限元内的拉格朗日多项式表达式。
6.根据权利要求1所述的一种氧化铝生产蒸发过程鲁棒动态数据校正方法,其特征在于,根据影响函数对所述分段鲁棒M估计函数的鲁棒性进行评价。
7.一种氧化铝生产蒸发过程鲁棒动态数据校正系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至6任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910185728.9A CN109920490B (zh) | 2019-03-12 | 2019-03-12 | 一种氧化铝生产蒸发过程鲁棒动态数据校正方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910185728.9A CN109920490B (zh) | 2019-03-12 | 2019-03-12 | 一种氧化铝生产蒸发过程鲁棒动态数据校正方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109920490A CN109920490A (zh) | 2019-06-21 |
CN109920490B true CN109920490B (zh) | 2023-01-03 |
Family
ID=66964373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910185728.9A Active CN109920490B (zh) | 2019-03-12 | 2019-03-12 | 一种氧化铝生产蒸发过程鲁棒动态数据校正方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109920490B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004594A (zh) * | 2007-01-25 | 2007-07-25 | 上海交通大学 | 基于双线性模型的化工过程数据校正方法 |
CN103605325A (zh) * | 2013-09-16 | 2014-02-26 | 华东理工大学 | 基于代理模型的工业乙烯裂解炉全周期动态优化方法 |
CN108520107A (zh) * | 2018-03-19 | 2018-09-11 | 山西大学 | 基于最大似然准则鲁棒卡尔曼滤波的系统状态估计方法 |
CN109117495A (zh) * | 2018-06-22 | 2019-01-01 | 中南大学 | 氧化铝生产蒸发过程鲁棒数据协调方法、装置及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5155533B2 (ja) * | 2006-02-16 | 2013-03-06 | 株式会社ミツトヨ | 補正プログラム、及び測定装置 |
-
2019
- 2019-03-12 CN CN201910185728.9A patent/CN109920490B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004594A (zh) * | 2007-01-25 | 2007-07-25 | 上海交通大学 | 基于双线性模型的化工过程数据校正方法 |
CN103605325A (zh) * | 2013-09-16 | 2014-02-26 | 华东理工大学 | 基于代理模型的工业乙烯裂解炉全周期动态优化方法 |
CN108520107A (zh) * | 2018-03-19 | 2018-09-11 | 山西大学 | 基于最大似然准则鲁棒卡尔曼滤波的系统状态估计方法 |
CN109117495A (zh) * | 2018-06-22 | 2019-01-01 | 中南大学 | 氧化铝生产蒸发过程鲁棒数据协调方法、装置及存储介质 |
Non-Patent Citations (3)
Title |
---|
A novel robust data reconciliation method for industrial processes;Sen Xie,et al.;《Control Engineering Practice》;20190228;全文 * |
Data reconciliation strategy with time registration for the evaporation process in alumina production;Sen Xie,et al.;《The Canadian Journal of Chemical Engineering》;20170511;全文 * |
基于能效分析的氧化铝蒸发过程优化控制;柴琴琴;《中国优秀博士学位论文全文数据库-工程科技I辑》;20140315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109920490A (zh) | 2019-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107272667B (zh) | 一种基于平行的偏最小二乘法的工业过程故障检测方法 | |
CN107290965B (zh) | 基于局部加权贝叶斯网络的自适应软测量预测方法 | |
CN111275307A (zh) | 一种水质自动在线站高频连续观测数据质量控制方法 | |
CN109670549B (zh) | 火电机组的数据筛选方法、装置以及计算机设备 | |
CN106202929B (zh) | 一种基于Bayes混合模型的命中精度评估方法 | |
CN110287537B (zh) | 用于频标输出跳变检测的抗野值自适应卡尔曼滤波方法 | |
CN110928262A (zh) | 时变系统下高效更新模型的质量相关故障在线监控方法 | |
CN110044767A (zh) | 基于lssvm石灰石浆液密度软测量方法 | |
CN114817228A (zh) | 一种湖泊水位长时间序列监测数据的异常值剔除方法 | |
KR101945131B1 (ko) | 비정규분포 공정에서의 극소불량률 관리 방법 및 장치 | |
CN111882006A (zh) | 一种基于pca和相关函数的脱硫系统数据预处理方法 | |
CN108664000A (zh) | 一种氧化铝生产蒸发过程稳态检测方法及系统 | |
CN109920490B (zh) | 一种氧化铝生产蒸发过程鲁棒动态数据校正方法及其系统 | |
CN108459991B (zh) | 一种获得设备可靠性数据的方法 | |
CN117708625A (zh) | 一种乏数据背景下大坝监测历史数据填补方法 | |
CN117587403A (zh) | 基于化学转化的铝合金模板表面处理方法及系统 | |
CN112651178A (zh) | 一种基于无规则缺失数据融合模型的丁烷含量预测方法 | |
CN109117495B (zh) | 氧化铝生产蒸发过程鲁棒数据协调方法、装置及存储介质 | |
CN113959511B (zh) | 基于射流水表的流量计量方法、设备、介质及产品 | |
CN106814608B (zh) | 基于后验概率分布的预测控制自适应滤波算法 | |
CN114118633B (zh) | 一种基于先行关系的指标自优化预测方法及装置 | |
Xie et al. | A data-driven adaptive multivariate steady state detection strategy for the evaporation process of the sodium aluminate solution | |
CN113608506B (zh) | 一种氧化铝运行指标的智能检测装置 | |
CN113420816B (zh) | 一种针对全光谱水质监测设备的数据异常值确定方法 | |
Prata et al. | Nonlinear dynamic data reconciliation in real time in actual processes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |