基于动态模式分解的精馏吸收状态变量非设计条件下的重构与预测

精馏和吸收作为典型的非线性过程,其操作过程中存在大量描述系统特征的状态变量。为了对这些状态变量进行重构和预测,实现精馏吸收过程的实时数字孪生,通过动态模式分解算法(DMD)获取非线性系统的近似线性化模型,用于快速获取精馏吸收过程中各级浓度、流量、温度和持料量等状态变量。在此基础上,应用Kalman滤波器对DMD生成的线性模型进行实时校正,使得在非设计和有限测量条件下,也可以有效地预测吸收或精馏的状态变量,而无须重新训练模型。