一種全局最優丙烯聚合生產過程最優軟測量儀表和方法
2023-06-07 04:32:01
一種全局最優丙烯聚合生產過程最優軟測量儀表和方法
【專利摘要】本發明公開了一種全局最優丙烯聚合生產過程最優軟測量儀表，包括丙烯聚合生產過程、現場智能儀表、控制站、存放數據的DCS資料庫、全局最優軟測量儀以及熔融指數軟測量值顯示儀。現場智能儀表及控制站與丙烯聚合生產過程相連，與DCS資料庫相連；最優軟測量儀與DCS資料庫及軟測量值顯示儀相連。所述的基於智能連續空間蟻群算法算法尋優的全局最優軟測量儀包括模型更新模塊、數據預處理模塊、PCA主成分分析模塊、神經網絡模型模塊以及全局優化模塊。以及提供了一種用軟測量儀表實現的軟測量方法。本發明實現在線測量、在線參數優化、軟測量速度快、模型自動更新、抗幹擾能力強、精度高。
【專利說明】一種全局最優丙烯聚合生產過程最優軟測量儀表和方法
【技術領域】
[0001]本發明涉及一種最優軟測量儀表及方法，具體是一種一種全局最優丙烯聚合生產過程最優軟測量儀表及方法。
【背景技術】
[0002]聚丙烯是由丙烯聚合而製得的一種熱塑性樹脂，丙烯最重要的下遊產品，世界丙烯的50%，我國丙烯的65%都是用來制聚丙烯，是五大通用塑料之一，與我們的日常生活密切相關。聚丙烯是世界上增長最快的通用熱塑性樹脂，總量僅僅次於聚乙烯和聚氯乙烯。為使我國聚丙烯產品具有市場競爭力，開發剛性、韌性、流動性平衡好的抗衝共聚產品、無規共聚產品、BOPP和CPP薄膜料、纖維、無紡布料，及開發聚丙烯在汽車和家電領域的應用，都是今後重要的研究課題。
[0003]熔融指數是聚丙烯產品確定產品牌號的重要質量指標之一，它決定了產品的不同用途，對熔融指數的測量是聚丙烯生產中產品質量控制的一個重要環節，對生產和科研，都有非常重要的作用和指導意義。
[0004]然而，熔融指數的在線分析測量目前很難做到，一方面是在線熔融指數分析儀的缺乏，另一方面是現有的在線分析儀由於經常會堵塞而測量不準甚至無法正常使用所導致的使用上的困難。因此，目前工業生產中MI的測量，主要是通過人工取樣、離線化驗分析獲得，而且一般每2-4小時只能分析一次，時間滯後大，給丙烯聚合生產的質量控制帶來了困難，成為生產中急需解決的一個瓶頸問題。聚丙烯熔融指數的在線軟測量儀表及方法研究，從而成為學術界和工業界的一個前沿和熱點。
【發明內容】
[0005]為了克服目前已有的丙烯聚合生產過程的測量精度不高、易受人為因素的影響的不足，本發明的目的在於提供一種在線測量、在線參數優化、軟測量速度快、模型自動更新、抗幹擾能力強、精度高的一種全局最優丙烯聚合生產過程熔融指數最優軟測量儀表及方法。
[0006]本發明解決其技術問題所採用的技術方案是:
[0007]—種全局最優丙烯聚合生產過程最優軟測量儀表，包括丙烯聚合生產過程、用於測量易測變量的現場智能儀表、用於測量操作變量的控制站、存放數據的DCS資料庫、基於智能連續空間蟻群算法算法尋優的最優軟測量儀以及熔融指數軟測量顯示儀，所述現場智能儀表、控制站與丙烯聚合生產過程連接，所述現場智能儀表、控制站與DCS資料庫連接智能連續空間蟻群算法所述DCS資料庫與全局最優軟測量儀的輸入端連接，所述全局最優軟測量儀的輸出端與熔融指數軟測量顯示儀連接，其特徵在於:所述全局最優軟測量儀包括:
[0008](I)、數據預處理模塊，用於將從DCS資料庫輸入的模型輸入變量進行預處理，對輸入變量中心化，即減去變量的平均值；再進行歸一化處理，即除以變量值的變化區間；[0009](2)、PCA主成分分析模塊，用於將輸入變量預白化處理及變量去相關，通過對輸入變量施加一個線性變換實現，即主成分由C=xU得到，其中X為輸入變量，C為主成分得分矩陣，U為載荷矩陣。若對原始數據進行重構，可由X=CUt計算，其中上標T表示矩陣的轉置。當選取的主成分數目小於輸入變量的變量個數時，x=CUT+E，其中E為殘差矩陣；
[0010](3)、神經網絡模型模塊，用於採用RBF神經網絡、通過誤差函數最小化來完成輸入到輸出的一種高度非線性映射，映射中保持拓撲不變性；
[0011](4)、全局優化模塊，用於採用全局優化模塊對神經網絡進行優化，包括:
[0012](4.1)算法初始化，根據待優化的RBF神經網絡結構構造出初始的解集S=G1, S2,…，sn), η為初始解的個數，sn為第η個初始解，確定蟻群的大小m,設置蟻群尋優算法迭代次數的閾值MaxGen並初始化蟻群尋優的迭代次數序號gen=0 ；
[0013](4.2)計算出解集S對應的適應度值FiQ=I, 2，…，η)，適應度值越大代表解越好；再根據下式確定解集中每個解被取到作為螞蟻尋優的初始解的概率Pi (i=l, 2，…，η)
【權利要求】
1.一種全局最優丙烯聚合生產過程最優軟測量儀表，包括丙烯聚合生產過程、用於測量易測變量的現場智能儀表、用於測量操作變量的控制站、存放數據的DCS資料庫、基於智能連續空間蟻群算法算法尋優的最優軟測量儀以及熔融指數軟測量顯示儀，所述現場智能儀表、控制站與丙烯聚合生產過程連接，所述現場智能儀表、控制站與DCS資料庫連接，智能連續空間蟻群算法所述DCS資料庫與全局最優軟測量儀的輸入端連接，所述全局最優軟測量儀的輸出端與熔融指數軟測量顯示儀連接，其特徵在於:所述全局最優軟測量儀包括: (1)、數據預處理模塊，用於將從DCS資料庫輸入的模型輸入變量進行預處理，對輸入變量中心化，即減去變量的平均值；再進行歸一化處理，即除以變量值的變化區間； (2)、PCA主成分分析模塊，用於將輸入變量預白化處理及變量去相關，通過對輸入變量施加一個線性變換實現，即主成分由C=xU得到，其中X為輸入變量，C為主成分得分矩陣，U為載荷矩陣。若對原始數據進行重構，可由X=CUt計算，其中上標T表示矩陣的轉置。當選取的主成分數目小於輸入變量的變量個數時，x=CUT+E，其中E為殘差矩陣； (3)、神經網絡模型模塊，用於採用RBF神經網絡、通過誤差函數最小化來完成輸入到輸出的一種高度非線性映射，映射中保持拓撲不變性； (4 )、全局優化模塊，用於採用全局優化模塊對神經網絡進行優化，包括: (4.1)算法初始化，根據待優化的RBF神經網絡結構構造出初始的解集S=(Sl，S2,…,sn),η為初始解的個數，sn為第η個初始解，確定蟻群的大小m，設置蟻群尋優算法迭代次數的閾值MaxGen並初始化蟻群尋優的迭代次數序號gen=0 ； (4.2)計算出解集S對應的適應度值Fi (i=l, 2，…，η)，適應度值越大代表解越好；再根據下式確定解集中每個解被取到作為螞蟻尋優的初始解的概率Pi (i=l, 2，…，η)
2.一種用如權利要求1所述的基於智能連續空間蟻群算法尋優的聚丙烯生產過程最優軟測量儀表實現的軟測量方法，其特徵在於，所述軟測量方法具體實現步驟如下: (5.1)對丙烯聚合生產過程對象，根據工藝分析和操作分析，選擇操作變量和易測變量作為模型的輸入，一般操作變量和易測變量取溫度、壓力、液位、氫氣氣相百分數、3股丙烯進料流速和2股催化劑進料流速這些變量，由DCS資料庫獲得； (5.2)對樣本數據進行預處理，對輸入變量中心化，即減去變量的平均值；再進行歸一化處理，即除以變量值的變化區間； (5.3)PCA主成分分析模塊，用於將輸入變量預白化處理及變量去相關，通過對輸入變量施加一個線性變換實現，即主成分由C=xU得到，其中X為輸入變量，C為主成分得分矩陣，U為載荷矩陣。若對原始數據進行重構，可由X=⑶τ計算，其中上標T表示矩陣的轉置。當選取的主成分數目小於輸入變量的變量個數時，x=CUT+E，其中E為殘差矩陣； (5.4)基於模型輸入、輸出數據建立初始神經網絡模型，採用RBF神經網絡，通過誤差最小化來完成輸入到輸出的一種高度非線性映射，映射中保持拓撲不變性； (5.5)採用全局優化模塊對神經網絡進行優化，包括: (5.5.1)算法初始化，根據待優化的RBF神經網絡結構構造出初始的解集S=(Sl，S2,…,sn),η為初始解的個數，sn為第η個初始解，確定蟻群的大小m，設置蟻群尋優算法迭代次數的閾值MaxGen並初始化蟻群尋優的迭代次數序號gen=0 ； (5.5.2)計算出解集S對應的適應度值Fi (i=l, 2，…，η)，適應度值越大代表解越好；再根據下式確定解集中每個解被取到作為螞蟻尋優的初始解的概率Pi (i=l, 2，…，η)
【文檔編號】G06N3/02GK103823964SQ201310659245
【公開日】2014年5月28日 申請日期:2013年12月9日 優先權日:2013年12月9日
【發明者】劉興高, 李九寶 申請人:浙江大學