The invention discloses a sparse polypropylene melt index soft measurement system and method system, including standard module, sparse model training module, immune intelligent optimization module, soft measurement module and a display module; the normal acquisition system from the database when the key variables as the training sample, a soft measurement model, and then the soft measurement model of nuclear intelligent optimization, melt index corresponding to the predicted value obtained by the new sample after standard treatment; the invention establishes a soft measurement model of melt index, online prediction of melt index value; fast calculation speed and high precision.
【技术实现步骤摘要】
本专利技术涉及软测量领域，特别地，涉及一种聚丙烯熔融指数软测量系统和方法。
技术介绍
聚丙烯是由丙烯聚合而制得的一种热塑性树脂，丙烯最重要的下游产品，世界丙烯的50%，我国丙烯的65%都是用来制聚丙烯，是五大通用塑料之一，与我们日常生活密切相关。熔融指数是聚丙烯产品确定产品牌号的重要质量指标之一，它决定了产品的不同用途，对熔融指数的测量是聚丙烯生产中产品质量控制的一个重要环节，对生产和科研，都有非常重要的作用和指导意义。然而，熔融指数的在线分析测量目前很难做到，一方面是在线熔融指数分析仪的缺乏，另一方面是现有的在线分析仪由于经常会堵塞而测量不准甚至无法正常使用所导致的使用上的困难。因此，目前工业生产中MI的测量，主要通过人工取样、离线化验分析获得，而且一般每2-4小时只能分析一次，时间滞后大，给丙烯聚合生产的质量控制带来了困难，成为生产中急需解决的一个瓶颈问题。聚丙烯熔融指数的在线软测量仪表及方法研究，从而成为学术界和工业界的一个前沿和热点。
技术实现思路
为了克服已有的丙烯聚合生产过程的测量精度不高、易受人为因素的影响的不足，本发明提供一种稀疏软测量模型的聚丙烯熔融指数软测量的系统及方法。本专利技术解决其技术问题所采用的技术方案是：一种稀疏聚丙烯熔融指数软测量系统，包括与丙烯聚合生产过程连接的现场智能仪表、数据库、标准化模块、稀疏模型训练模块、免疫智能优化模块、软测量模块、显示模块，其特征在于：
【技术保护点】
1.一种稀疏聚丙烯熔融指数软测量系统，包括标准化模块、稀疏模型训练模块、免疫智能优化模块、软测量模块、显示模块，其特征在于：标准化模块，用于从数据库中采集系统正常时的关键变量作为训练样本，所述的关键变量包括三股丙烯进料流量、主催化剂流量、辅催化剂流量、釜内温度、压强、液位，氢气体积浓度，对训练样本进行标准化处理，得到输入矩阵X，采用以下过程来完成：X‾=1NΣi=1NX~---(1)]]>σ2=1N-1Σi=1N(X~-X‾)---(2)]]>X=X~-X‾σ---(3)]]>其中，X为标准化后的训练样本，为训练样本，对应的聚丙烯熔融指数数据为Y，N为训练样本数，为训练样本的均值，σ为训练样本的标准差；稀疏模型训练模块，用于建立软测量模型，其具体实现步骤如下01vT1vK+γ-1Ibα=0Y---(4)]]>求解以上线性方程组，得到：Y=Σi=1MαiK(x,xi)+b---(5)]]>其中，1v=[1,...,1]T,α=[α1,...,αM...
【技术特征摘要】
1.一种稀疏聚丙烯熔融指数软测量系统，包括标准化模块、稀疏模型训练模块、免疫智能优
化模块、软测量模块、显示模块，其特征在于：
标准化模块，用于从数据库中采集系统正常时的关键变量作为训练样本，所述的关键变
量包括三股丙烯进料流量、主催化剂流量、辅催化剂流量、釜内温度、压强、液位，氢气体
积浓度，对训练样本进行标准化处理，得到输入矩阵X，采用以下过程来完成：
X‾=1NΣi=1NX~---(1)]]>σ2=1N-1Σi=1N(X~-X‾)---(2)]]>X=X~-X‾σ---(3)]]>其中，X为标准化后的训练样本，为训练样本，对应的聚丙烯熔融指数数据为Y，N
为训练样本数，为训练样本的均值，σ为训练样本的标准差；
稀疏模型训练模块，用于建立软测量模型，其具体实现步骤如下
01vT1vK+γ-1Ibα=0Y---(4)]]>求解以上线性方程组，得到：
Y=Σi=1MαiK(x,xi)+b---(5)]]>其中，1v=[1,...,1]T,α=[α1,...,αM]T，K=[kij]M×M,kij=K(xi,xj)，I为单位阵，上标T表示矩
阵转置，K(x,xi)=exp(-||x-xi||/θ2)为核函数，θ是核参数，M是支持向量的数目，αi是第
i个支持向量的拉格朗日乘子，b是偏置量，γ是惩罚系数；||·||为范数表达式。
免疫智能优化模块，用于对软测量模型核参数θ进行智能优化，其具体实现步骤如下：
(1)初始化n个随机粒子，每个粒子表示为每个粒子对应的速度表示为令其中，n是群体规模，pk表示第k个粒子自己搜索到的历史最优值，上标0表示初始值，下
标k=1,…,n，令迭代步数I=0；
(2)将每个粒子代入模型训练模块，计算训练误差作为其适应度，并将其与的适应
度进行比较，将适应度较小的粒子作为新的比较当前迭代步所有n个粒子的适应度，将
适应度最小的粒子记为gI；
(3)计算进化因子f和惯性权重ω，
f=||Σj=1n(gI-θjI)||Σj=1n||gI-θjI||---(6)]]>ω=[1+2exp(-1.4f)]-1(7)
(4)根据下式更新每个粒子的速度和位置：
vkI+1=ωvkI+c1ξ(pkI-θkI)+c2η(gI-θkI)---(8)]]>θkI+1=θkI+γvkI+1---(9)]]>其中，ω是惯性权重，c1是“认知”系数，c2是“社会”系数，ξ和η是[0,1]区间内的均
匀分布的随机数，γ是约束因子；
(5)将新粒子代入模型训练模块，计算训练误差作为其适应度F，计算每个粒子的个体概
率选择公式：
P(θkI)=αE(1-F(θkI))F(gI)+βF(θkI)F(gI)---(10)]]>式中，α，β是[0,1]之间的随机数，是粒子的适应度，F(gI)是gI的适应度，E
是抗体浓度；
用式(10)计算粒子的选择概率，依概率大小选择新粒子替换原来适应度较差的粒子，克
隆适应度较好的粒子形成新一代粒子群体；
(6)判断是否满足终止条件，如果达到最大迭代次数或gI对应的适应度小于预定阈值，
则终止迭代，否则，令迭代步数I增加1，返回(2)继续迭代；
迭代终止时的gI即为最佳的核参数值；
软测量模块，用于实现聚丙烯熔融指数的软测量，将经过标准化处理的新样本代...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。