一種pvc聚合過程的軟測量建模方法
2023-09-18 21:56:00 1
專利名稱:一種pvc聚合過程的軟測量建模方法
技術領域:
本發明涉及一種化工聚合過程的軟測量建模方法,特別是涉及一種PVC聚合過程的軟測量建模方法。
背景技術:
以氯乙烯單體(vinyl chloride monomer, VCM)為原料,採用懸浮法聚合工藝生產聚氯乙烯(polyvinylchlorid,PVC)樹脂是一種典型的間歇式化工生產過程。由於現場條件限制和缺乏成熟的檢測裝置,在實際生產過程中氯乙烯轉化率和轉化速率很難實時獲取,難以實現質量閉環控制。因此,如何對聚氯乙烯的轉化率和轉化速率進行預測一直是人們研究的重點。
發明內容
本發明的目的在於提供一種PVC聚合過程的軟測量建模方法,本發明根據多個模型相加可以提高整體預測精度和魯棒性的思想,提出一種基於模糊C均值聚類算法的多T-S模糊神經網絡模型對聚氯乙烯聚合生產過程中的氯乙烯轉化率和轉化速率進行預測,通過仿真結果表明該模型能夠顯著提高PVC聚合過程中經濟技術指標預測的精度和魯棒性,滿足聚合釜生產過程的實時控制要求。本發明的目的是通過以下技術方案實現的:
一種PVC聚合過程的軟測量建模方法,所述方法包括以下過程:首先根據聚合反應工藝特點,採集與VCM轉化率和轉化速率相關的10個過程變量作為軟測量建模的輔助變量;然後對數據進行處理,採用FCM聚類算法對數據進行分類,將分成的若干類建立基於T-S模糊神經網絡的若干個子模型;然後採用PCA對T-S模型高維輸入向量進行模型降維;對由軟測量模型的輸入組成的歷史數據進行主元分析,確定主元個數;最後基於和聲搜索優化T-S模糊神經網絡。所述的一種PVC聚合過程的軟測量建模方法,所述過程變量分別是釜內溫度、釜內壓力、擋板水流量、夾套水流量、注入水流量、密封水流量、冷卻水進口溫度、夾套水出口溫度、檔板水出口溫度、注入水和密封水進口溫度,即冷水槽出口溫度。本發明的優點與效果是:
本發明根據多個模型相加可以提高整體預測精度和魯棒性的思想,提出一種基於模糊C均值聚類算法的多T-S模糊神經網絡模型對聚氯乙烯聚合生產過程中的氯乙烯轉化率和轉化速率進行預測。採用主元分析來對軟測量模型的輔助變量進行選擇以降低模型維數,並提出和聲搜索和最小二乘法相結合的混合優化算法來優化T-S模糊神經網絡子模型的結構參數。最後通過仿真結果表明該模型能夠顯著提高PVC聚合過程中經濟技術指標預測的精度和魯棒性,可以滿足聚合釜生產過程的實時控制要求。
具體實施方式
下面結合實施例對本發明進行詳細說明。本發明包括以下步驟:
步驟一:根據聚合反應工藝特點,採集與VCM轉化率和轉化速率相關的10個過程變量作為軟測量建模的輔助變量,分別是釜內溫度(TIC-P101)、釜內壓力(PIC-P102)、擋板水流量(FIC-P101)、夾套水流量(FIC-P102)、注入水流量(FIC-P104)、密封水流量(FIC-P105)、冷卻水進口溫度、夾套水出口溫度(T1-P109)、檔板水出口溫度(T1-P110)、注入水和密封水進口溫度(即冷水槽出口溫度,TIC-WA01)。步驟二:對數據進行處理,採用FCM聚類算法對數據進行分類,將分成的若干類,建立基於T-S模糊神經網絡的若干個子模型。步驟三:採用PCA對T-S模型高維輸入向量進行模型降維。對由軟測量模型的輸入組成的歷史數據進行主元分析,確定主元個數。步驟四:基於和聲搜索優化τ-s模糊神經網絡。實施例:
I初始化種群大小m,搜索空間維數D (前提參數個數),和聲記憶庫HMS,記憶庫選擇概率/^y音調調節概率Ppar和循環迭代次數η ;循環迭代次數η =1,在搜索空間隨機初始化種群個體,第i個個體向量為
權利要求
1.一種PVC聚合過程的軟測量建模方法,其特徵在於,所述方法包括以下過程:首先根據聚合反應工藝特點,採集與VCM轉化率和轉化速率相關的10個過程變量作為軟測量建模的輔助變量;然後對數據進行處理,採用FCM聚類算法對數據進行分類,將分成的若干類建立基於T-S模糊神經網絡的若干個子模型;然後採用PCA對T-S模型高維輸入向量進行模型降維;對由軟測量模型的輸入組成的歷史數據進行主元分析,確定主元個數;最後基於和聲搜索優化T-S模糊神經網絡。
2.根據權利要求1所述的一種PVC聚合過程的軟測量建模方法,其特徵在於,所述過程變量分別是釜內溫度、釜內壓力、擋板水流量、夾套水流量、注入水流量、密封水流量、冷卻水進口溫度、夾套水出口溫度、檔板水出口溫度、注入水和密封水進口溫度,即冷水槽出口溫度。
全文摘要
一種PVC聚合過程的軟測量建模方法,涉及一種化工聚合過程的軟測量建模方法,包括以下過程首先根據聚合反應工藝特點,採集與VCM轉化率和轉化速率相關的10個過程變量作為軟測量建模的輔助變量;然後對數據進行處理,採用FCM聚類算法對數據進行分類,將分成的若干類建立基於T-S模糊神經網絡的若干個子模型;然後採用PCA對T-S模型高維輸入向量進行模型降維;對由軟測量模型的輸入組成的歷史數據進行主元分析,確定主元個數;最後基於和聲搜索優化T-S模糊神經網絡。本發明能顯著提高PVC聚合過程中經濟技術指標預測的精度和魯棒性,滿足聚合釜生產過程的實時控制要求。
文檔編號G06N3/02GK103198178SQ20131007716
公開日2013年7月10日 申請日期2013年3月12日 優先權日2013年3月12日
發明者高淑芝, 趙娜 申請人:瀋陽化工大學