一种基于集成神经网络的聚丙烯熔融指数混合建模方法技术

一种基于集成神经网络的聚丙烯熔融指数混合建模方法，包括：首先通过采集关键过程变量数据和熔融指数离线分析数据，对原始数据进行离群点检测、标准化等预处理，构建训练样本数据集；然后采用机理分析方法和最速下降法建立聚丙烯熔融指数简化机理模型，采用Bagging集成学习算法和信息熵法建立基于集成BP神经网络的机理模型预测误差补偿模型；最后将简化机理模型与误差补偿模型相结合，建立聚丙烯熔融指数的混合模型，用于实现熔融指数的在线估计。与目前其它建模方法相比，本发明专利技术提高了模型泛化性能，能用于指导聚丙烯生产过程，有效实现聚丙烯质量控制。

A hybrid modeling method for polypropylene melt index based on integrated neural network

A method of hybrid modeling of polypropylene melt index based on integrated neural networks including: first, through the acquisition of key process variables and data fusion index data for off-line analysis, outlier detection, the standardization of the raw data preprocessing, construct the training sample data set; and then by the mechanism analysis method and the steepest descent method to establish the polypropylene melt index the simplified mechanism model, a mechanism model of integrated BP neural network prediction error compensation model based on the Bagging integrated learning algorithm and information entropy method; finally the simplified mechanism model and error compensation model combined with the mixed model of polypropylene melt index, melt index is used to estimate the realization of online. Compared with other modeling methods, the present invention improves the generalization performance of the model and can be used for guiding the polypropylene production process and effectively realizing the quality control of the polypropylene.

【技术实现步骤摘要】
一种基于集成神经网络的聚丙烯熔融指数混合建模方法
本专利技术属于化工生产过程软测量建模和应用领域，特别地，涉及一种基于集成神经网络的聚丙烯生产过程熔融指数混合建模方法。
技术介绍
在聚丙烯生产过程中，存在着产品质量不够稳定、专用料少等问题，这要求聚丙烯生产企业尽快进行产业升级，朝着规模大型化、催化剂多样化和过程控制自动化等方向发展。熔融指数是聚丙烯生产过程中最重要的质量指标之一，用于区分不同牌号的聚丙烯产品。目前在聚丙烯生产过程中，熔融指数只能通过定期在线取样离线化验获得，但该检测方式存在较大时滞，导致熔融指数化验值无法实时指导生产过程，难以满足聚丙烯生产过程的实时质量控制要求。目前针对聚丙烯熔融指数的建模方法主要有两种，分别是机理建模和数据驱动建模。对机理建模方法而言，理论上机理模型能够抓住动态反应的本质特征并且能够描述过程在较大范围内变化，但是前提是需要大量的复杂微分方程以及非常准确的物化参数。而这些方程的建立和参数的估计代价较高，往往很难准确获取。另外，为了简化模型结构和降低模型辨识难度，在采用机理分析方法建立熔融指数机理模型过程中，通常需要基于某些合理的假设，但这些假设通常与本文档来自技高网...

【技术保护点】
一种基于集成神经网络的聚丙烯熔融指数混合建模方法，包括以下步骤：1)通过集散控制系统和实时数据库系统采集聚丙烯生产过程各个关键过程变量的数据，并将这些数据存入历史数据库，作为软测量模型的输入样本数据集；2)通过离线化学分析获取历史数据库中用于建模的样本所对应的熔融指数离线分析值，作为软测量模型的输出样本数据集；3)分别对步骤1获取的关键过程变量数据集和步骤2获取的熔融指数数据集进行预处理，建立训练样本数据集；4)基于预处理后的训练样本数据集，建立聚丙烯熔融指数简化机理模型，将该机理模型参数存入数据库中备用，同时得到简化机理模型的训练值；5)由步骤2获取的熔融指数离线分析值减去步骤4的简化机理模...

【技术特征摘要】
1.一种基于集成神经网络的聚丙烯熔融指数混合建模方法，包括以下步骤：1)通过集散控制系统和实时数据库系统采集聚丙烯生产过程各个关键过程变量的数据，并将这些数据存入历史数据库，作为软测量模型的输入样本数据集；2)通过离线化学分析获取历史数据库中用于建模的样本所对应的熔融指数离线分析值，作为软测量模型的输出样本数据集；3)分别对步骤1获取的关键过程变量数据集和步骤2获取的熔融指数数据集进行预处理，建立训练样本数据集；4)基于预处理后的训练样本数据集，建立聚丙烯熔融指数简化机理模型，将该机理模型参数存入数据库中备用，同时得到简化机理模型的训练值；5)由步骤2获取的熔融指数离线分析值减去步骤4的简化机理模型训练值得到机理模型预测误差，并将步骤1获取的关键过程变量和机理模型预测误差分别作为模型输入和输出，建立基于集成神经网络的机理模型预测误差补偿模型，将该误差补偿模型参数存入数据库中备用；6)将预处理后的新实时数据直接输入到步骤4的简化机理模型和步骤5的误差补偿模型中，将两个模型的输出值相加，可获得该实时数据对应的聚丙烯熔融指数预测值。2.根据权利要求1所述基于集成神经网络的聚丙烯熔融指数混合建模方法，其特征在于，所述步骤1中，聚丙烯生产过程关键变量包括第一环管氢气浓度u1(ppm)、第二环管氢气浓度u2(ppm)、催化剂TEAL流率u3(kg/h)、第一环管丙烯单体流量u4(t/h)、第二环管丙烯单体流量u5(t/h)、第一环管反应器温度u6(ppm)、第二环管反应器温度u7(℃)、第一环管夹层水温u8(℃)、第二环管夹层水温u9(℃)。3.根据权利要求1所述基于集成神经网络的聚丙烯熔融指数混合建模方法，其特征在于，所述步骤3中，数据预处理内容包括采用莱以特准则剔除异常数据和数据标准化，具体实施步骤如下：31)采用莱以特准则剔除异常数据对于样本数据集x1,x2,…xn，判断样本数据xi是否满足下面的条件，若满足，则认为xi是异常数据，应予以剔除；否则保留该样本数据：其中，为所有样本数据的算术平均值，δ为所有样本数据的方差。32)标准化处理对于样本数据集x1,x2,…xn，样本数据xi的标准化处理计算公式为：其中，xi、分别表示第i个原始数据、标准化处理后的数据。样本数据经过标准化处理，使得样本数据处于[-1,1]之间。4.根据权利要求1所述基于集成神经网...

【专利技术属性】
技术研发人员：夏陆岳，潘海天，王海宁，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33