hrvatski

Razvoj modela softverskih senzora primjenom "bootstrapping" metode

U rafinerijskim postrojenjima ključne procesne veličine kao što su sastavi procesnih struja i svojstva proizvoda mjere se pomoću procesnih analizatora. Budući da su procesni analizatori često nedostupni, ključna svojstva moraju se određivati rijetkim i dugotrajnim laboratorijskim analizama. U radu je prikazan razvoj modela softverskih senzora za procjenu sadržaja benzena u lakom reformatu. Prikazana je usporedba više modela softverskih senzora razvijenih na temelju malog skupa eksperimentalnih podataka. Softverski senzori razvijeni su primjenom viševeličinske linearne regresije, viševeličinske adaptivne regresije (MARSpline) te primjenom neuronskih mreža. Svi razvijeni modeli pokazali su dobro vladanje na skupu podataka za vrednovanje modela uz visoke korelacijske faktore i male pogreške modela. Kao najbolji modeli među razvijenima pokazale su se neuronske mreže. Nešto lošije, ali i dalje zadovoljavajuće vladanje dali su modeli viševeličinske adaptivne regresije te linearni model. Linearni viševeličinski model razvijen na generiranim podacima daje donekle lošije rezultate uz zadovoljavajuće vladanje pri određenim procesnim uvjetima.

softverski senzori; mali skupovi podataka; modeliranje procesa; neuronska mreža; bootstrap metoda

nije evidentirano