[发明专利]基于FIR-NMA模型的硫回收软测量建模方法

权利要求书

1.基于FIR-NMA模型的硫回收软测量建模方法，其特征在于，包括：

采集硫回收数据，并对其进行数据预处理；

将FIR滤波层和NMA模型互补，搭建动态模型；

以最小化预测误差建立目标函数，优化FIR滤波层参数和NMA模型参数，从而优化所述动态模型；

将预处理过的数据输入至优化后的动态模型，输出预测结果。

2.如权利要求1所述的基于FIR-NMA模型的硫回收软测量建模方法，其特征在于，所述采集硫回收数据包括：

利用传感器以固定采样频率对尾气进行实时测量，采集硫回收过程的变量序列；

所述传感器包括固体金属氧化物半导体传感器和气体流量传感器，通过所述固体金属氧化物半导体传感器对尾气H₂S和SO₂浓度进行实时测量采集，通过所述气体流量传感器对MEA_GAS气体流、AIR_MEA空气流、AIR_MEA_2二次空气流、SWS区域气体流和SWS区域空气流的流量进行采集；

所述变量序列包括辅助变量和主导变量。

3.如权利要求1或2所述的基于FIR-NMA模型的硫回收软测量建模方法，其特征在于，所述数据预处理包括：

对辅助变量进行标准化，使其均值为零：

其中，为归一化后辅助变量u在t时刻的取值，u_t和u_τ分别为辅助变量u在t时刻和τ时刻的取值；

近似估计辅助变量的自相关序列

其中，u为辅助变量，n为数据数量，t为时刻，τ为变量在时间上的滞后量，l为FIR滤波层的输入片段长度，k为NMA模型的输入片段长度，为经过归一化后辅助变量u在t+|τ|时刻的取值。

4.如权利要求1所述的基于FIR-NMA模型的硫回收软测量建模方法，其特征在于，所述FIR滤波层包括：

FIR滤波层输入变量为标准化后的辅助变量序列滤波结果序列h为：

其中，*表示卷积，定义如下：

其中，h＝[h_t]_t＝0,1,…，为辅助变量在t-τ时刻的取值，f为FIR滤波层参数序列，f_τ为滤波器序列中第τ个元素，Z为整数集合；

计算滤波结果h的自相关序列：

其中，f′为f的逆序列，的有效范围为[-k,k]。

5.如权利要求1所述的基于FIR-NMA模型的硫回收软测量建模方法，其特征在于，所述NMA模型包括变量白化层和非线性回归层。

6.如权利要求5所述的基于FIR-NMA模型的硫回收软测量建模方法，其特征在于，所述变量白化层包括：

计算白化矩阵W：

其中，W为k+1阶对称矩阵，R为Toeplitz矩阵，R_a,b为矩阵R中a行b列的元素，为序列在a-b时刻的取值，I为单位矩阵，σ是为防止数值计算病态而设置的常数；

定义k+1个有效范围为[0,k]的有限时间序列w^(j)，计算序列w^(j)的子片段：

其中，为序列w^(j)的子片段，W_:,j＝[W_0,j,W_1,j,…,W_k,j]为矩阵W的第j列；

基于白化矩阵W，利用卷积运算计算出x^(j)：

x^(j)＝h*w^(j)

其中，为序列h中分离出的共k+1个线性无关序列。