基于后效性函数与杜鹃搜索的工业熔融指数软测量方法技术

本发明专利技术公开了一种基于后效性函数与杜鹃搜索的工业熔融指数软测量方法，用于对丙烯聚合生产过程的工业熔融指数进行在线预测，包括数据预处理模块、后效性函数模块、杜鹃搜索算法模块。本发明专利技术利用杜鹃搜索算法优化后效性函数中的参数，数值逼近其最优解。本发明专利技术兼顾机理与数据建模，从本质上使预测结果更加精确。且利用杜鹃搜索能进一步加快函数网络参数寻优过程，提高了系统的实用性与可推广性。本发明专利技术具有预测精度高，运行稳定，推广性好，抗干扰能力强的特点。

Soft Sensing Method of Industrial Melting Index Based on Aftereffect Function and Rhododendron Search

The invention discloses a soft measurement method of industrial melt index based on aftereffect function and azalea search, which is used for on-line prediction of industrial melt index in propylene polymerization production process, including data preprocessing module, aftereffect function module and azalea search algorithm module. The invention optimizes the parameters in the aftereffect function by using the azalea search algorithm and approximates the optimal solution numerically. The invention takes into account both mechanism and data modeling, and essentially makes prediction results more accurate. Moreover, the use of azalea search can further speed up the process of parameter optimization of functional network, and improve the practicability and generalization of the system. The invention has the characteristics of high prediction accuracy, stable operation, good popularization and strong anti-interference ability.

【技术实现步骤摘要】
基于后效性函数与杜鹃搜索的工业熔融指数软测量方法
本专利技术涉及一种软测量方法，尤其涉及一种基于后效性函数与杜鹃搜索的工业熔融指数软测量方法。
技术介绍
熔融指数是一种代表塑胶材料加工时的流动性数值,其以美国杜邦公司鉴定塑料特性的方法为依据而制定的,别称为熔体流动速率。聚丙烯是通过丙烯聚合而得到的热塑性树脂,主要分为等规聚丙烯、无规聚丙烯、间规聚丙烯三类。严格控制聚丙烯的熔融指数,使熔融指数在相应的允许值范围内,有利于聚丙烯产品的良好加工性能和质量得到保障。然而，熔融指数的在线分析测量目前仍然很难做到，缺乏熔融指数的在线分析仪是制约聚丙烯产品质量的一个主要问题。MI目前的获取方法局限于使聚合物溶体在一定的温度及负荷之下，测量在十分钟内通过标准口模的重量。而且一般每1-3小时分析一次，时间滞后大，难以满足生产实时控制的要求。近年来关于MI的在线预报的研究工作大部分都集中在人工神经网络上面，取得了不错的效果。但是人工神经网络也有其自身的缺点，例如过拟合、隐含层的节点数目和参数不好确定。其次，工业现场采集到的DCS数据也因为噪音、人工操作误差等带有一定的不确定误差，所以使用确定性强的人工神经网络的预报模型一般推广能力不强。后效性函数是基于工业过程的后效性与滞后性提出的产品质量计算模型，从机理上分析了工业生产中各个物理量对最终产品参数指标产生的影响，能够对聚丙烯的熔融指数做出更加准确的预报，且简化了计算过程，加快了预报系统的反应速率，具有很强的实用价值。
技术实现思路
为了克服目前已有的丙烯聚合生产过程中熔融指数在线预报系统反应速度慢，测量精度低、抗干扰能力弱、推广性能差的不足，本专利技术的目的在于提供一种计算精度高，抗干扰能力强，计算速度快，推广性能好的基于后效性函数与杜鹃搜索的工业熔融指数软测量方法。本专利技术解决其技术问题所采用的技术方案是：一种基于后效性函数与杜鹃搜索的工业熔融指数软测量方法，用于对丙烯聚合生产过程的工业熔融指数进行在线预测，包括数据预处理模块、后效性函数模块、杜鹃搜索算法模块。其中：数据预处理模块：用于将从DCS数据库输入的模型训练样本进行预处理，减小从DCS数据库输入的模型训练样本间的数值差，提高系统的预测精度。该处理采用以下算式过程来完成：Xp＝log(X+1)(1)Yp＝Y(2)其中，Xp为处理后的一组训练样本数据，即一组历史易测数据。X＝[x1,x2...,xn]为从DCS数据库输入一组的原始样本数据，n为一组训练样本中变量的数量。Yp与Y分别表示Xp、X对应的工业熔融指数化验值，对其不做变化。后效性函数模块：对从数据预处理模块传过来的输入变量，分组带入后效性函数网络进行计算。后效性函数f(t)表示如下其中，a1、a2、a3为后效性函数参数，表示函数形状，ε(t)为单位阶跃函数、t表示时间。该函数体现了工业生产过程中某一物理量对最终产品影响的后效性与滞后性。该函数在t0处(t0＞0)处取得最大值，表示该物理量对产品的影响在t0时刻达到最大值，0至t0时刻函数值逐渐增大，t0后函数值逐渐减小并趋于0。后效性函数网络其中，Yk为后效性函数网络第k个输出向量，与训练样本中第k个工业熔融指数化验值对应。N为训练样本组数，M为每组训练样本易测变量的组数，表示在训练样本中第k个工业熔融指数化验值前iΔt时刻的一组易测变量，Δt代表现场智能仪表的采样时间，fi代表每组训练样本中第i个易测变量对应的后效性函数(i＝1,2,...,M)。则在此后效性函数网络中，采用滑窗形式输入数据，即输入M组历史易测数据，得到一个预报向量Y。最终该网络输出如下α(M)＝[1,1,...,1]1×M(9)其中，表示由第k组训练样本得到的网络预报值、α(M)表示长度为M的全1向量。完成基于历史数据的工业熔融指数实时预报。杜鹃搜索算法模块：利用杜鹃搜索算法对后效性函数网络中对应于每个输入量的后效性函数进行参数寻优，利用DCS数据库收集的多组历史易测变量和熔融指数离散化验值求得搜索过程中每个解的适应值，确定全局误差值最小时的后效性函数网络参数。实现步骤如下：杜鹃在w个鸟巢中做选择，选出最好的鸟巢，把自己的蛋放在里面；宿主(被寄生的鸟)以一定概率pa发现有自己的鸟巢中有杜鹃鸟的蛋，同时把布谷鸟的鸟蛋扔出去或建造新的鸟巢。步骤1初始化。设置鸟巢的个数w，搜索空间维数d，初始化鸟巢的位置为找出最优鸟巢即误差值最低的位置和此时的误差值dmin。步骤2进入循环。保留上代最优鸟巢的位置并利用下式更新其他鸟巢的位置其中分别表示第t代与第t+1代第i个鸟巢的位置，L(s,λ)表示莱维函数，s为步长，U、V分别表示步长计算中间参数，α为步长缩放因子，根据研究问题搜索域的范围选择；v表示随机生成的方向向量，其模为1。λ为莱维指数，Γ(x)为标准Gamma函数，s0为最小步长U和V服从正态分布，即U～N(0,σ2),V～N(0,1)其中N(0,σ2)表示均值为0，方差为σ2的正态分布，N(0,1)表示均值为0，方差为1的正态分布。得到一组新的鸟巢位置，对这组鸟巢求误差，与上一代鸟巢位置进行比较，保留w个误差较小的鸟巢位置，得到一组较优的鸟巢位置步骤3用服从均匀分布的随机数r∈[0,1]作为鸟巢主人发现杜鹃鸟蛋的可能性并与pa比较，其值小于pa便对鸟巢做随机位置调整，得到新鸟巢的位置其中与是随机选择的gt中不同于的解，ε(x)为单位阶跃函数。对这组新鸟巢的位置进行测试，与gt中每个鸟巢进行比较，保留w个误差较小的鸟巢位置，得到一组新的较优的鸟巢位置步骤4找出pt中最优的一个鸟巢位置和误差值dmin。若达到停止条件则退出循环，否则回到步骤2。上述算法中的鸟巢位置x即为后效性函数网络中的参数。定义第k组训练数据误差dk其中，表示训练样本中第k个工业熔融指数化验值。最终后效性函数网络中的参数为对N组训练样本寻优获得的N个最优参数的聚类中心。本专利技术的有益效果主要表现在：对丙烯聚合生产过程的重要质量指标熔融指数进行在线软测量，克服已有的聚丙稀熔融指数测量仪表测量精度不高、反应速度慢、模型参数设定难度大、推广性不高的不足，引入基于后效性函数与杜鹃搜索的测量方法进行优化，采用滑窗法实现后效性函数网络对熔融指数的在线预测，利用杜鹃搜索算法对后效性函数网络参数进行寻优，能够准确快速的计算出使网络整体误差处于极小值使的参数组，提高了网络在线预测精度。减小了噪声和人工操作误差对模型预报精度的影响、增强了模型的推广性能，对已有模型的过拟合现象进行有效的抑制、简化了计算过程、提高了模型的预测精确度。附图说明图1是基于后效性函数与杜鹃搜索的工业熔融指数软测量方法的基本结构示意图。图2是基于后效性函数与杜鹃搜索的工业熔融指数软测量模型结构示意图。具体实施方式下面根据附图具体说明本专利技术。参照图1，一种基于后效性函数与杜鹃搜索的丙烯聚合生产过程软测量方法，包括丙烯聚合生产过程1、用于测量易测变量的现场智能仪表2、用于测量操作变量的控制站3、存放数据的DCS数据库4以及熔融指数软测量值显示仪6。所述软测量仪表包括基于后效性函数与杜鹃搜索的工业熔融指数软测量算法，所述基于后效性函数与杜鹃搜索的工业熔融指数软测量模型的输入端与所述DCS数据库输出端连接，所述基于后效性函数与杜鹃搜索本文档来自技高网...

【技术保护点】
1.一种基于后效性函数与杜鹃搜索的工业熔融指数软测量方法，用于对丙烯聚合生产过程的工业熔融指数进行在线预测，包括数据预处理模块、后效性函数模块、杜鹃搜索算法模块。

【技术特征摘要】
1.一种基于后效性函数与杜鹃搜索的工业熔融指数软测量方法，用于对丙烯聚合生产过程的工业熔融指数进行在线预测，包括数据预处理模块、后效性函数模块、杜鹃搜索算法模块。2.根据权利要求1所述基于后效性函数与杜鹃搜索的工业熔融指数软测量方法，其特征在于：所述数据预处理模块用于将从DCS数据库输入的模型训练样本进行预处理，减小从DCS数据库输入的模型训练样本间的数值差，提高系统的预测精度。该处理采用以下算式过程来完成：Xp＝log(X+1)(1)Yp＝Y(2)其中，Xp为处理后的一组训练样本数据，即一组历史易测数据。X＝[x1,x2...,xn]为从DCS数据库输入一组的原始样本数据，n为一组训练样本中变量的数量。Yp与Y分别表示Xp、X对应的工业熔融指数化验值，对其不做变化。3.根据权利要求1所述基于后效性函数与杜鹃搜索的工业熔融指数软测量方法，其特征在于：所述后效性函数模块对从数据预处理模块传过来的输入变量，分组带入后效性函数网络进行计算。后效性函数f(t)表示如下其中，a1、a2、a3为后效性函数参数，表示函数形状，ε(t)为单位阶跃函数、t表示时间。该函数体现了工业生产过程中某一物理量对最终产品影响的后效性与滞后性。该函数在t0处(t0＞0)处取得最大值，表示该物理量对产品的影响在t0时刻达到最大值，0至t0时刻函数值逐渐增大，t0后函数值逐渐减小并趋于0。后效性函数网络其中，Yk为后效性函数网络第k个输出向量，与训练样本中第k个工业熔融指数化验值对应。N为训练样本组数，M为每组训练样本易测变量的组数，表示在训练样本中第k个工业熔融指数化验值前iΔt时刻的一组易测变量，Δt代表现场智能仪表的采样时间，fi代表每组训练样本中第i个易测变量对应的后效性函数(i＝1,2,...,M)。则在此后效性函数网络中，采用滑窗形式输入数据，即输入M组历史易测数据，得到一个预报向量Y。最终该网络输出如下α(M)＝[1,1,...,1]1×M(9)其中，表示由第k组训练样本得到的网络预报值、α(M)表示长度为M的全1向量。完成基于历史数据的工业熔融指数实时预报。4.根据权利要求1...

【专利技术属性】
技术研发人员：张泽银，吕以豪，刘兴高，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33