基于在線SVM 的裂解爐燃料氣熱值軟測量

李奇安，郭 強

（遼寧石油化工大學 信息與控制工程學院，遼寧 撫順113001）

針對裂解爐燃料氣離線熱值模型泛化能力差的問題，提出一種具有自適應能力的在線支持向量機（Online SVM）建模方法.該方法將增量式支持向量機（ISVM）與近似線性依靠（ALD）條件相結合，通過計算新樣本與建模樣本間的近似線性依靠值，選擇滿足ALD 條件的獨立新樣本更新SVM 模型.分析裂解爐燃料氣熱值的影響因素，并用Online SVM 算法建立裂解爐燃料氣熱值在線軟測量模型.該模型由離線訓練模塊和在線模型更新模塊組成.離線訓練模塊基于離線數據訓練得到初始熱值軟測量模型，在線更新模塊通過使離線模型學習線性獨立新樣本來保證熱值模型的在線預測精度.利用合成數據、Benchmark數據與裂解爐燃料氣熱值數據，將該方法與傳統的SVM和LS-SVM 方法進行對比仿真研究.結果表明：該方法能夠適應新的工況，具備自適應學習新樣本的能力，可以用于具有慢時變特征的裂解爐燃料氣系統熱值軟測量建模.

Online SVM；自適應建模；ALD 值；ISVM ；燃料氣熱值