Application of soft sensing technology in SMB chromatographic separation process

Aiming at the problem that the purity of components in SMB chromatographic separation process is difficult to measure online in real time, a soft measurement model based on BP neural network was established. Firstly, the original data in actual production was subjected to error elimination and filtering to obtain a set of training data and verification data to form a training sample, and then the BP neural network was used for training to obtain a non-parametric model of component purity. In order to speed up the convergence of the network, the improved BP algorithm was used to train it. A large number of simulation studies were carried out on the MATLAB work platform to verify the model, and the simulation results showed the effectiveness of this method. Keywords: Simulated moving bed; Soft-sensor; Artificial neural network (ANN); BP algorithm; Improved BP algorithm Abstract: In order to realize the online measurement in SMB separation process, a soft sensor model based on BP neural network which measures two components purity is built up. First by filter process of practical primal data, the training samples are gained. Then the nonparametric model on component purity is developed by use of BP neural network. Improved BP algorithm is applied to fast convergence. Much computer simulation on Matlab validates this method.Keywords: Simulated moving bed; Soft-sensor; Artificial neural network (ANN); BP algorithm; Improved BP algorithm