(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210456916.2 (22)申请日 2022.04.27 (71)申请人 江南大学 地址 214122 江苏省无锡市通沙路898号 南 楼七层 (72)发明人 熊伟丽　孙文心　马君霞　 (74)专利代理 机构 南京禹为知识产权代理事务 所(特殊普通 合伙) 32272 专利代理师 沈鑫 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G01D 21/02(2006.01) G06F 111/10(2020.01) (54)发明名称 基于FIR-NMA模型的硫回收软测量建模方法 (57)摘要 本发明公开了基于FIR ‑NMA模型的硫回收软 测量建模 方法， 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； 本发明可以滤除数据 噪声， 并消除由于传感器老化造成的零漂噪声， 识别出过程的时间滞后， 能够稳定工作在带有大 滞后、 强测量噪声的硫回收工业过程， 可提高软 测量预测的精确性与可靠性。 权利要求书3页 说明书12页 附图7页 CN 114741969 A 2022.07.12 CN 114741969 A 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， ut和uτ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＝[ht]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， fτ为滤波器序列中第 τ个元 素， Z为整数集 合；权　利　要　求　书 1/3 页 2 CN 114741969 A 2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， Ra,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＝[W0,j,W1,j,…,Wk,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。 7.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 非线性回归层包括： 利用单隐层神经网络模型描述非线性动态特性， 搭建非线性回归层： 其中， 为模型输出， 其含义为模型对主导变量yt在t时刻的估计值； g为神经网络的非 线性输入输出关系， θ为单隐层神经网络模型参数； 当存在 多辅助变量时， 记第i个辅助变量 为u(i)， 针对该变量的滤波器参数序列为f(i)， 经过相同的滤波、 白化操作后记白化层输出为 8.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， 包括： 所述目标函数为J： 其中D是一个对 角元素为 ‑1的l+1阶 约当阵 ， 表示为预测误差 ， 为滤波器参数序列f(i)的片段； α 为 正则项系数， 用于平衡模型的拟合权　利　要　求　书 2/3 页 3 CN 114741969 A 3