陽春華，聶曉凱，柴琴琴，桂衛華
中南大學信息科學與工程學院，湖南長沙

摘　　　要：針對氧化鋁蒸發過程的工業現場出口料液濃度在線檢測困難、操作參數具有時變性以及傳統離線預測所存在的不足等特點，提出了一種多輸入多輸出系統的自適應加權較小二乘支持向量回歸，并用于氧化鋁蒸發過程出口料液濃度的在線預測。該方法根據模型預測效果自適應在線調整建模的訓練樣本集，利用主元分析提取主元作為分段加權支持向量回歸模型的輸入，采用網格搜索和交叉驗證法對多輸入多輸出模型參數進行優化。采用工業現場的實測數據進行實驗分析，計算結果表明：該方法能夠很好地在線預測氧化鋁蒸發過程出口料液濃度，相比基于較小二乘支持向量回歸以及基于ＢＰ神經網絡的濃度預測模型，該方法具有更高的預測精度和更好的泛化性能，滿足實際工業生產在線優化控制要求。

關　鍵　詞：氧化鋁蒸發過程；多輸入多輸出；較小二乘支持向量回歸；在線預測

１　引　言
蒸發是氧化鋁生產過程的主要耗能工序。由于蒸發物料的強腐蝕性或高粘度易造成出料管堵塞使在線儀表檢測不準，而現場取樣化驗分析滯后會使蒸發器操作調節滯后，影響出口料液濃度的操作參數多且具有時變性，蒸發過程流程長，參數的調節會經過很長時間才能反映到出口料液濃度的變化上，過程參數操作具有盲目性，造成出口料液濃度的波動較大，甚至出現不合格的情況，使得蒸汽的消耗量很大。因此，研究氧化鋁蒸發濃度的在線預測方法，對保持出料濃度合格和實現企業節能降耗的目標有著重要的意義。多效蒸發系統流程復雜，基于物料和熱量平衡的方法很難建立較為精確的數學機理模型［１�玻玻荨Ｎ墨I［３］通過對蒸發過程相平衡的分析建立了一種在線估算出料濃度的數學模型，但易出現“假溫差”現象。目前的建模方式一般都采用離線建模且多針對于單輸出系統，而傳統的基于數據驅動的離線建模方法簡單易用，不具有動態預測功能，而對參數和變量都在不斷變化的時變系統，這種離線模型就不能準確地描述系統的實時運行狀況［４］。為了使模型能夠準確反映系統的當前狀況，應不斷利用所獲得的數據建立能夠反應系統當前狀況的新模型［５］。本文基于所提出的一種自適應加權較小二乘支持向量回歸，并結合主元分析實現多輸入多輸出的氧化鋁蒸發系統的出口料液濃度在線預測，為氧化鋁蒸發過程操作優化提供實時準確的信息。

登錄網站后可下載文件