检索结果

Select

KPCA⁃GPR模型在常压塔塔顶汽油干点预测中的应用

郭丽莹, 郎宪明

辽宁石油化工大学学报 2022, 42 (6): 73-77. DOI: 10.3969/j.issn.1672-6952.2022.06.012

摘要（189）

HTML （3）

PDF （913KB）（134）

由于常减压蒸馏过程的复杂多变性，过程变量耦合严重，直接建模会增加问题分析的难度。为了提高模型性能，首先采用核主元分析（KPCA）算法对模型的变量进行选择，再将经过处理的数据作为高斯过程回归（GPR）模型的输入，采用KPCA?GPR模型建立常压塔塔顶汽油干点的估计模型。该方法可解决不同变量之间的非线性相关性，并且具有灵活的非参数推广及超参数自适应调节等优点，通过计算经验置信区间，不仅可以对汽油干点进行预测估计，还可以做概率解释。仿真结果表明，KPCA?GPR模型取得了较好的估计结果。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

SKPCA⁃LSSVM模型在汽油干点预测中的应用

郭丽莹, 李文娜, 郎宪明

辽宁石油化工大学学报 2022, 42 (3): 74-78. DOI: 10.3969/j.issn.1672-6952.2022.03.013

摘要（268）

HTML

PDF （880KB）（166）

常压塔塔顶汽油干点与产品质量密切相关，因为常减压蒸馏工艺流程和变量相关性均复杂，所以汽油干点预测很难在线进行。软测量方法是解决这类变量估计和控制预测问题的一种技术途径。在核主元分析（KPCA）算法中引入稀疏主元分析（SPCA）思想，采用稀疏核主元分析（SKPCA）算法对模型的输入变量进行选择，实现了数据的非线性降维，简化了主元结构，增加了主元变量的稀疏性。将选择的稀疏主成分作为最小二乘支持向量机（LSSVM）的输入，建立常压塔塔顶干点软测量预测模型。仿真结果表明，SKPCA?LSSVM模型相对于传统PCA?LSSVM、KPCA?LSSVM方法具有较高的预测精度和性能优越性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

基于改进LMD及LSTSVM的管道泄漏检测与定位

史长青，郎宪明，张琳，李平

辽宁石油化工大学学报 2019, 39 (6): 84-90. DOI: 10.3969/j.issn.1672-6952.2019.06.015

摘要（486）

HTML

PDF （9821KB）（161）

在管道泄漏检测中，管道首末两端采集压力信号的噪声会影响泄漏检测的准确性和泄漏定位的误差。为了最大程度地降低噪声的干扰，提出改进局域均值分解(LMD)方法，该方法在外界噪声特征未知的情况下，有效提取与泄漏信号相关的乘积函数(PF)。根据测试信号的PF和参考信号相关分析的峰值,获取包含主要泄漏信息的PF分量并进行信号重构,重构信号再经过小波分析进一步消噪。在此基础上，按照时域特征和波形特征提取信号特征值输入最小二乘双支持向量机(LSTSVM)中，用以区分不同工况。根据经过小波消噪后的重构信号，采用广义相关分析法获取泄漏信号到达首末两端负压波信号的时延估计，并结合泄漏信号传播速度实现泄漏点定位。通过环道现场实验，对管道各种工况信号进行处理分析。结果表明，该方法能有效识别不同工况及泄漏定位。