文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201410836321.5

申 请 日：20141229

发 明 人：邱奎 李太福 张莉娅 李景哲 辜小花 裴仰军

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区虎溪大学城重庆科技学院

公 开 日：20150527

公 开 号：CN104656441A

代 理 人：王玉芝

代理机构：11327 北京鸿元知识产权代理有限公司

语　　种：中文

摘　　要：本发明的目的在于克服现有技术的不足，提供一种基于无迹卡尔曼神经网络的天然气净化工艺建模优化方法，步骤：确定输入变量；采集工艺生产数据；对数据进行预处理；进行数据归一化处理；采用无迹卡尔曼神经网络对数据进行建模，得到模型；以无迹卡尔曼滤波神经网络模型两个输出变量设计偏好函数，运用多目标遗传算法对输入变量进行优化；将优化后输入变量解集依次带入无迹卡尔曼神经网络模型，计算此时的模型两个输出值，与样本值平均值进行比较，观察优化效果。本方法能够建立精确可靠的高含硫天然气净化脱硫工业过程模型，能够以此为基础提高成品气产量，降低脱硫过程能耗，对指导实际工业生产具有重要的现实意义。

主 权 项：1.一种基于无迹卡尔曼神经网络的天然气净化工艺建模优化方法，其特征在于该方法按如下步骤进行：步骤1：确定高含硫天然气净化脱硫工艺过程模型的输入变量：选择高含硫天然气净化脱硫工艺生产过程中能被有效控制的m个工艺操作参数作为模型输入变量，其中，m＝10，输入变量分别为：x₁表示脱硫吸收塔胺液入口流量，x₂表示尾气吸收塔胺液入口流量，x₃表示原料气处理量，x₄表示半富胺液循环量，x₅表示一级吸收塔胺液入口温度，x₆表示二级吸收塔胺液入口温度，x₇表示闪蒸罐压力，x₈表示重沸器A口蒸汽消耗量，x₉表示重沸器B口蒸汽消耗量，x₁₀表示蒸汽预热器流量；步骤2：采集高含硫天然气净化脱硫工艺生产数据，所得数据为[X_m×N,Y₁,Y₂],其中：m为输入变量数，N为采集样本数量，X为输入变量空间，Y₁为H₂S含量，Y₂为CO₂含量；步骤3：对步骤2所得的高含硫天然气净化脱硫工艺生产数据进行预处理，得到最能反映出生产过实际特性的有效数据；3.1剔除采集数据中缺失参数的样本，并保证样本满足企业净化气技术指标，得到新数据为[X_m×n,Y₁,Y₂]，n为处理后样本数量，n＜N；3.2对输入变量数据进行粗大误差数据剔除，粗大误差数据剔除后，样本减少为[X_mH,Y₁,Y₂](H≤n)；3.3对输入变量数据进行3σ准则处理，3σ准则处理后，样本减少为[X_mh,Y₁,Y₂](h≤H)；3.4进行数据归一化处理，得到新数据为[X'_mh,Y₁',Y₂']；步骤4：采用无迹卡尔曼神经网络对预处理后的数据[X'_mh,Y₁',Y₂']进行建模， 以得�

关 键 词：神经网络模型  天然气净化 神经网络 对数据  预处理  卡尔曼滤波 数据归一化  变量设计  采集工艺  工业过程  工艺建模  偏好函数  脱硫过程 现实意义  遗传算法  优化方法  优化效果  样本值  含硫 建模  脱硫 优化  能耗  

IPC专利分类号：G05B13/04(20060101)