1.一种基于KPLSR模型的常减压装置操作优化方法，其特征在于，包括以下步骤：首先，离线建模阶段包括如下所示步骤(1)至步骤(8)；

步骤(1)：利用常减压装置的机理模型生成N个输入输出样本数据，记输入数据矩阵为Xα×N β×N∈R ，记输出数据矩阵为Y∈R ，其中输入数据矩阵X中的α个输入测量变量包括：m1种原油的进料流量、m2个精馏塔的进料温度、m3个回流温度与m3个回流比、m4个原油混合器的混α×N合比，则α＝m1+m2+2m3+m4，输出数据矩阵Y中β个输出测量变量分别是β种产品油的流量，Rβ×N表示α×N维的实数矩阵，R 表示β×N维的实数矩阵；

步骤(2)：计算输出数据矩阵Y中各行向量的均值μ1，μ2，…，μβ与标准差δ1，δ2，…，δβ后，按照公式 对Y中各列向量实施标准化处理得到输出矩阵 再按照同样的方式对输入数据矩阵X实施标准化处理对应得到输入矩阵 其中向量y与 分别表示Y与 中相T同列的列向量、输出均值向量μ＝[μ1，μ2，…，μβ] 、输出标准差对角矩阵Λ中对角线上的元素为δ1，δ2，…，δβ、上标号T表示矩阵或向量的转置；

步骤(3)：利用KPLSR算法建立输入矩阵 与输出矩阵 之间的KPLSR模型：其中E为模型误差、 表示KPLSR模型的非线性变换过程、 为中心化后的核矩阵、B表示核回归系数矩阵，具体的实施过程如下所示：N×N

步骤(3.1)：设置核函数参数g后，按照下式①计算核矩阵K∈R ：上式中，i＝1，2，…，N、j＝1，2，…，N、K(i，j)表示核矩阵K中的第i行、第j列元素、exp表示以自然常数e为底的指数函数、符号|| ||表示计算向量的长度、 与 分别为矩阵 中的第i列与第j列向量；

步骤(3.2)：根据如下公式对核矩阵K实施中心化处理，对应得到中心化后的核矩阵N×N上式中，方阵Θ∈R 中所有元素都为1；

步骤(3.3)：根据如下所示步骤(一)至步骤(八)求解得到A个核变换向量u1，u2，…，uA及其对应的核得分向量ζ1，ζ1，…ζA；

步骤(一)：初始化核输出矩阵 与核输入矩阵

步骤(二)：设置核变换向量un等于Z中第一列的列向量，其中n＝1，2，…，A；

步骤(三)：根据公式sn＝Υun计算核得分向量ζn，并用公式ζn＝ζb/||ζn||对ζn实施单位化处理；

T

步骤(四)：根据公式cn＝Zζn计算系数向量cn，并用公式cn＝cn/||cn||对cn实施单位化处理；

步骤(五)：根据公式un＝Zcn更新核变换向量un，并利用公式un＝un/||un||对un实施单位化处理；

步骤(六)：重复步骤(三)至步骤(五)直至向量un收敛；

步骤(七)：根据如下所示公式更新核输入矩阵Υ与核输出矩阵Z：T T T T

Υ＝Υ‑ζnζnΥ‑Υζnζn+ζnζnΥζnζn    ③T

Z＝Z‑ζnζnZ    ④

步骤(八)：返回步骤(二)继续求解下一个核变换向量un与核得分向量ζn，直到求解得到A个核变换向量与核得分向量；

步骤(3.4)：将A个核变换向量组成核变换矩阵U＝[u1，u2，…，uA]，再将A个核得分向量组成核得分矩阵S＝[ζ1，ζ2，…ζA]后，根据公式 计算核回归系数矩阵B；

步骤(3.5)：矩阵 与矩阵 之间的KPLSR模型可表示成： 其中与

步骤(4)：确定常减压装置生产利润最大化目标函数及其相应的约束条件，如公式⑤所示：α×1

上式中，x∈R 由α个输入测量变量的数据组成、J(x)表示以x为输入数据计算得到的β×1生产利润、 是由x中记录的m1种原油的进料流量数据组成、F(x)∈R 表示以x∈Rα×1

为输入数据并根据常减压装置的机理模型计算得到的β个产品油流量、 与分别为原油与产品油的单价、xmin与xmax分别表示输入数据的上限与下限、hp(x)与gq(x)分别表示第p个等式约束条件与第q个不等式约束条件、P为等式约束条件的个数、Q为不等式约束条件的个数、s.t.是Subject To的缩写，表示约束条件的意思；

步骤(5)：根据公式⑤定义一个等价的优化问题，如下所示：上式中， 为新目标函数、γ＝1，2，…，(P+Q)、J0＝max{J(x1)，J(x2)，…，J(xN)}表示取J(x1)，J(x2)，…，J(xN)中的最大值、λ为惩罚因子、Vγ(x)表示第γ个惩罚程度函数，其定义如下所示：步骤(6)：先将公式⑤中J(x)的计算方式变更为： 其中表示x经标准化处理后得到的向量，再以公式⑥为优化目标，利用差分α×1

进化算法求解得到β个向量s1，s2，…，sβ，其中sb∈R ，b＝1，2，…，β；

步骤(7)：分别以s1，s2，…，sβ为输入数据向量，并根据常减压装置的机理模型计算得到F(s1)，F(s2)，…，F(sβ)后，再将s1，s2，…，sβ添加进矩阵 中，即 并对应地将F(s1)，F(s2)，…，F(sβ)添加进输出数据矩阵Y中，即Y＝[Y，F(s1)，F(s2)，…，F(sβ)]；

步骤(8)：对输出数据矩阵Y实施标准化处理得到矩阵 并保留相应的输出均值向量μ与输出标准差对角矩阵Λ；

步骤(9)：根据如下所示公式计算矩阵 中各列向量的拥挤距离dist(i)：上式中，i＝1，2，…，N，min{ }表示求取{ }中所有元素的最小值，符号|| ||表示计算向量的长度，N表示矩阵 中列向量的总数，N会随着添加数据向量的操作而不断变更；

G

步骤(10)：将矩阵 中满足条件dist(i)＞dmin的所有列向量组成全局输入矩阵X ，并将G G G G G G矩阵 中相同列的列向量组成全局输出矩阵Y ，并建立X与Y之间的KPLSR模型：Y＝f (X)G G G+E ，其中f表示KPLSR模型的非线性变换过程，E为模型误差，dmin表示距离阈值，上标号G为单词Global的首字母，表示全局的意思；

步骤(11)：先将公式⑤中J(x)的计算方式更新为： 其中再以公式⑥为目标函数，利用差分进化算法求解得到β个向量φ1，φ2，…，φβ；

步骤(12)：分别以φ1，φ2，…，φβ为输入数据向量，并根据常减压装置的机理模型计算得到F(φ1)，F(φ2)，…，F(φβ)后，再将φ1，φ2，…，φβ添加进输入矩阵 中，即并对应地将F(φ1)，F(φ2)，…，F(φβ)添加进输出数据矩阵Y中，即Y＝[Y，F(φ1)，F(φ2)，…，F(φβ)]；

步骤(13)：再次对输出数据矩阵Y实施标准化处理得到输出矩阵 并保留相应的输出均值向量μ与输出标准差对角矩阵Λ；

步骤(14)：将 与 合并成一个矩阵 后，再将矩阵H中的第1行至第α行以及第α+b行的行向量组成第b个子矩阵Hb，并将Hb中的第N‑β+b列的列向量记做其中b＝1，2，…，β；

步骤(15)：从矩阵Hb的各个列向量中搜寻出与向量 距离最近的Nb个列向量，从而组成第b个局部数据矩阵步骤(16)：将 中第1行至第α行的行向量组成局部输入矩阵 将 中最后一行的行向量组成局部输出向量 并建立 与 之间的KPLSR模型： 其中， 表示第b个KPLSR模型的非线性变换过程， 为误差向量，具体的实施过程与步骤(3)相同；

步骤(17)：先将公式⑤中J(x)的计算方式更新为： 再以公式⑥为目标函数，利用差分进化算法求解得到β个最优数据向量ψ1，ψ2，…，ψβ，其中步骤(18)：分别以ψ1，ψ2，…，ψβ为输入数据向量，根据常减压装置的机理模型计算得到F(ψ1)，F(ψ2)，…，F(ψβ)后，再将ψ1，ψ2，…，ψβ添加进输入矩阵 中，即 并对应地将F(φ1)，F(φ2)，…，F(φβ)添加进输出数据矩阵Y中，即Y＝[Y，F(φ1)，F(φ2)，…，F(φβ)]；

步骤(19)：再次对输出数据矩阵Y实施标准化处理得到输出矩阵 并保留相应的输出均值向量μ与输出标准差对角矩阵Λ；

步骤(20)：重复实施步骤(9)至步骤(19)maxI次后，结束整个优化过程。