摘 要：

由于DMTO反应器的反应温度和建模变量呈非线性特征，常规的线性模型无法准确捕捉其特征，为此建立了基于SVR-PCA的过程监测模型，能够避免非线性特征对模型的影响。结果表明：SVR-PCA过程监测模型能够比PCA过程监测模型提前63min、比DCS系统预警提前163min对DMTO反应温度长时间大幅波动进行报警，能够减少反应温度短时间小幅波动和反应温度长时间小幅波动的误报率。

关键词：DMTO；反应温度；过程监测；支持向量回归；主元分析模型

结 论：

本文使用SVR-PCA过程监测模型对DMTO反应器反应温度进行监测。结果表明：非线性的SVR模型的预测值与实际值的残差可以看作是符合正态分布的随机噪声，通过SVR能够捕捉变量间的非线性特征。采用基于SVR残差建立的PCA过程监测模型更符合正态分布的假设。因此，SVR-PCA过程监测模型能够比PCA过程监测模型提前63min、比DCS系统预警提前163min对DMTO反应温度长时间大幅波动进行报警，能够减少反应温度短时间小幅波动和反应温度长时间小幅波动的误报率。

文章插图：

                                图1 反应温度长时间大幅波动故障SVR-PCA过程监测模型结果

发表期刊：煤化工, 2024, 52(4):109-114.

赵泽盟，李洋，李超，史元腾