摘要:针对复杂工业流程生产单元间变量存在多重时滞且检测困难,提出一种基于趋势相似度分析的多重时滞辨识方法。选取单元间相关性强的关键变量,利用多项式最小二乘拟合后的变量导数数据定义趋势相似度,以经采样时滞平移后的趋势相似度最小,描述多重时滞辨识问题;用L2范数量化趋势相似度向量,将多重时滞辨识问题转化成L2范数最小化问题;并用改进的自适应粒子群算法快速寻优,确定各变量的最优采样时滞。所提方法被应用于加氢裂化流程中,辨识出各变量的实际采样时滞,由此建立了基于局部加权核主元回归的柴油闪点预测模型。实验结果表明:考虑多重时滞的预测模型准确率提高了19.05%,验证了所提时滞辨识方法的有效性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社