加權模糊的工業熔融指數軟測量儀表及方法
2023-06-12 01:57:26
加權模糊的工業熔融指數軟測量儀表及方法
【專利摘要】本發明公開了一種加權模糊的工業熔融指數軟測量儀表及方法。該軟測量方法通過使用加權最小二乘支持向量機作為模糊方程系統中的局部方程,對訓練樣本進行模糊化處理以增強系統對噪聲的抑制,從而得到更精確的軟測量預報值。在本發明中,用於測量易測變量的現場智能儀表、控制站與DCS資料庫連接,所述加權模糊的工業熔融指數軟測量儀表的輸出端與熔融指數軟測量值顯示儀連接;本發明具有在線測量、抗噪聲能力強、模型自動更新、推廣性能好的特點。
【專利說明】加權模糊的工業熔融指數軟測量儀表及方法
【技術領域】
[0001]本發明設計軟測量儀表及方法,尤其涉及一種加權模糊的工業熔融指數軟測量儀表及方法。
【背景技術】
[0002]聚丙烯是一種由丙烯聚合而成的半結晶的熱塑性塑料,具有較高的耐衝擊性,機械性質強韌,抗多種有機溶劑和酸鹼腐蝕,在工業界有廣泛的應用,是平常最常見的高分子材料之一。熔融指數(MI)是聚丙烯生產中確定最終產品牌號的重要質量指標之一,它決定了產品的不同用途。熔融指數的精確、及時的測量,對生產和科研,都有非常重要的作用和指導意義。然而,熔融指數的在線分析測量目前仍然很難做到,缺乏熔融指數的在線分析儀是制約聚丙烯產品質量的一個主要問題。MI只能通過人工取樣、離線化驗分析獲得,而且一般每2-4小時分析一次,時間滯後大,難以滿足生產實時控制的要求。
[0003]近年來關於MI的在線預報的研究工作大部分都集中在人工神經網絡上面,取得了不錯的效果。但是人工神經網絡也有其自身的缺點,例如過擬合、隱含層的節點數目和參數不好確定。其次,工業現場採集到的DCS數據也因為噪音、人工操作誤差等帶有一定的不確定誤差,所以使用確定性強的人工神經網絡的預報模型一般推廣能力不強。
[0004]1965年美國數學家L.Zadeh首先提出了模糊集合的概念。隨後模糊邏輯以其更接近於日常人們的問題和語意陳述的方式,開始代替堅持所有事物都可以用二元項表示的經典邏輯。模糊邏輯迄今已經成功應用在了工業的多個領域之中,例如家電、工業控制等領域。2003年,Demirci提出了模糊方程的概念,通過使用模糊隸屬度矩陣和和其變形構建一個新的輸入矩陣,接著在局部方程中以反模糊方法中的重心法得出解析值作為最後的輸出。對於丙烯聚合生產過程中熔融指數的軟測量,考慮到工業生產過程中的噪音影響以及操作誤差,可以使用模糊邏輯的模糊性能降低誤差對整個預報精度的影響。
[0005]支持向量機,由Vapnik在1998年引入,由於其良好的推廣能力,被廣泛應用在模式識別、擬合和分類問題中。由於標準支持向量機對孤立點和噪點敏感,所以後來又提出了加權最小二乘支持向量機。加權最小二乘支持向量機相比於標準支持向量機能夠更好地處理帶有噪點的樣本數據,這裡被選作模糊方程中的局部方程。
【發明內容】
[0006]為了克服已有的丙烯聚合生產過程的測量精度不高、對噪聲敏感度低、推廣性能差的不足,本發明提供一種在線測量、計算速度快、模型自動更新、抗噪聲能力強、推廣性能好的加權模糊的工業聚丙烯生產熔融指數軟測量儀表及方法。
[0007]—種加權模糊的工業聚丙烯生產熔融指數軟測量儀表,包括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資料庫以及熔融指數軟測量值顯示儀,所述現場智能儀表、控制站與DCS資料庫連接,所述軟測量儀表還包括加權模糊的軟測量模型,所述DCS資料庫與所述加權模糊的軟測量模型的輸入端連接,所述加權模糊的軟測量模型的輸出端與熔融指數軟測量值顯示儀連接,所述加權模糊的軟測量模型包括:
[0008]數據預處理模塊,用於將從DCS資料庫輸入的模型訓練樣本進行預處理,對訓練樣本中心化,即減去樣本的平均值,然後對其進行標準化:
[0009]計算均值:
【權利要求】
1.一種加權模糊的工業熔融指數軟測量儀表,包括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資料庫以及熔融指數軟測量值顯示儀,所述現場智能儀表、控制站與DCS資料庫連接,其特徵在於:所述軟測量儀表還包括加權模糊的軟測量模型,所述DCS資料庫與所述加權模糊的軟測量模型的輸入端連接,所述加權模糊的軟測量模型的輸出端與熔融指數軟測量值顯示儀連接,所述加權模糊的軟測量模型包括: 數據預處理模塊,用於將從DCS資料庫輸入的模型訓練樣本進行預處理,對訓練樣本中心化,即減去樣本的平均值,然後對其進行標準化:
2.一種用如權利要求1所述的加權模糊的工業熔融指數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: 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,操作變量和易測變量由DCS資料庫獲得; 2)、將從DCS資料庫輸入的模型訓練樣本進行預處理,對訓練樣本中心化,即減去樣本的平均值,然後對其進行標準化,使得其均值為0,方差為I。該處理採用以下算式過程來完成:2.1)計算均值:
【文檔編號】G05B13/04GK103675008SQ201310433112
【公開日】2014年3月26日 申請日期:2013年9月22日 優先權日:2013年9月22日
【發明者】劉興高, 張明明, 李見會 申請人:浙江大學