DE-ELM在水煤气组分浓度软测量建模中的应用

作者：黄远红; 黄清宝

来源：自动化仪表, 2017, 38(02): 77-81.

DOI：10.16086/j.cnki.issn1000-0380.201702020

• 安全
• 软测量
• 神经网络
• 模型
• 优化控制
• 迭代
• 极限学习机

水煤气组分(H2、CO、N2、CO2、O2)浓度是合成氨煤制气最关键的工艺参数之一,其与生产过程安全、稳定和成本控制密切相关。由于实时在线测量设备成本极高、维护困难、技术难度大,一般企业仍采用人工分析化验法。针对人工分析化验的方法造成的测量数据准确度差、滞后时间长、人为影响因素大,不利于煤制气生产过程的操控等问题,提出利用差分进化算法优化极限学习机(DE-ELM)神经网络系统,建立水煤气组分浓度的软测量模型,测量水煤气组分各浓度。将改进的方法与逆向神经网络(BP)、广义回归神经网络(GRNN)、极限学习机(ELM)的水煤气组分浓度软测量模型进行对比分析。对比结果显示,基于DE-ELM的水煤气组分浓度软测量模型精度更高、泛化性能更好,所测数据与实际生产数据吻合度更高,能更好地满足合成氨造气炉生产过程的实时调控要求。

• 出版日期2017
• 单位广西大学