一种群智寻优的丙烯聚合生产过程最优软测量仪表制造技术

本发明专利技术公开了一种群智寻优的丙烯聚合生产过程最优软测量仪表，包括丙烯聚合生产过程、现场智能仪表、控制站、存放数据的DCS数据库、基于改进引力搜索算法优化相关向量机的最优软测量模型以及熔融指数软测量值显示仪，现场智能仪表及控制站与丙烯聚合生产过程相连，与DCS数据库相连；最优软测量模型与DCS数据库及软测量值显示仪相连。所述的基于改进引力搜索算法优化相关向量机的最优软测量模型包括数据预处理模块、相关向量机模块、模型更新模块、改进引力搜索算法优化模块。本发明专利技术的丙烯聚合生产过程最优软测量仪表实现群智寻优、易于找到全局最优解。

【技术实现步骤摘要】
一种群智寻优的丙烯聚合生产过程最优软测量仪表
本专利技术涉及一种群智寻优的最优软测量仪表及方法，具体是一种基于改进引力搜索算法优化相关向量机的丙烯聚合过程最优软测量仪表。
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，与我们的日常生活密切相关。聚丙烯是世界上增长最快的通用热塑性树脂，总量仅仅次于聚乙烯和聚氯乙烯。为使我国聚丙烯产品具有市场竞争力，开发刚性、韧性、流动性平衡好的抗冲共聚产品、无规共聚产品、BOPP和CPP薄膜料、纤维、无纺布料，及开发聚丙烯在汽车和家电领域的应用，都是今后重要的研究课题。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，主要是通过人工取样、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预报系统及方法研究，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
为了克服目前已有的丙烯聚合生产过程的测量群智寻优能力差、易受人为因素影响的不足，本专利技术的目的在于提供一种群智寻优的丙烯聚合生产过程最优软测量仪表，易于找到全局最优解。本专利技术解决其技术问题所采用的技术方案是：一种群智寻优的丙烯聚合生产过程最优软测量仪表，用于对丙烯聚合生产过程中的熔融指数进行软测量，所述软测量单元包括依次相连的数据预处理模块、PCA主成分分析模块、相关向量机模块和改进引力搜索算法优化模块，其中：数据预处理模块：将从DCS数据库输入的模型输入变量进行预处理，具体根据下式进行标准化处理：其中，mean表示各变量的算术平均值，std表示各变量的标准差，表示输入变量的值，下标i表示第i次检测、j分别表示第j维变量，xij表示标准化后的输入变量，S表示模型输入变量。主成分分析模块：通过主成分分析来保证在不降低系统精度的情况下降低系统的复杂度，将标准化后的数据集X＝{xij}进行主成分分析。记X＝{xij}是由n个样本组成的p变量数据集，X的协方差矩阵为：Σx为非负定的对称阵，基于线性代数理论可知必定存在正交阵U满足：其中，λ1,λ2,…,λp为协方差矩阵Σx的特征根，且满足λ1≥λ2≥…≥λp；而U恰好是由与特征根对应的特征向量所组成的正交阵：其中，ui＝(u1i，u2i，…，upi)',i＝1,2,…,p前k个主成分所含的信息量比率通过这k个主成分的贡献率之和得到：其中，ηk为前k个主成分的累积贡献率或者累积方差贡献率；λk为协方差矩阵Σx的第k个特征值；p为原数据集中的变量个数。当前k个主成分的累积贡献率超过85％时，表示这k个主成分已经能够代表总体X的主要特征，即最终选取的主成分个数。相关向量机模块：用于建立软测量模型：在相关向量机中，为输入向量，假设目标向量t＝[t1,t2,…,tN]T符合高斯分布N(0,σ2)，则目标向量的似然估计概率为：其中，N为样本点数目，σ2表示方差，w＝[w0,w1,…,wN]为权值向量，Φ是N×(N+1)维的设计矩阵，即Φ＝[φ(x1),φ(x2),…,φ(xN)]T，φ(xn)＝[1,K(xn,x1),K(xn,x2),…,K(xn,xN)]T。核函数K(x,xn)取如下式的RBF核函数，其中σ1为核参数：在相关向量机中，权值w可以通过极大似然估计来确定，但是为了防止过拟合，通过高斯先验概率分布来约束参数：其中，α是N+1维超参数，该值的引入导致了系统的稀疏性。在先验概率的基础上，根据贝叶斯准则计算后验概率：(1)将后验概率进行分解：(2)关于权重的后验概率分布式如下：其中，后验协方差Σ和均值μ分别为：Σ＝(σ-2ΦTΦ+A)-1(11)μ＝σ-2ΣΦTt(12)且A＝diag(α0,α1,…,αN)。(3)根据极大似然方法求下式的最大值：可得α和σ2的迭代更新公式如下：其中，Σii为Σ中第i项对角线元素。改进引力搜索算法优化模块：用于采用改进引力搜索算法对相关向量机模块的核参数σ1进行优化，实现具体步骤如下：(1)算法初始化，随机初始化所有粒子，每个粒子代表问题的一个候选解。在一个D维的搜索空间中，假设有NP个粒子，定义第i个粒子的位置为设定迭代结束条件，即最大迭代次数itermax。(2)在某t时刻，定义第j个粒子作用在第i个粒子上的引力大小为：其中，Maj(t)和Mpi(t)分别为作用粒子j的惯性质量和被作用粒子i的惯性质量，Rij(t)是第i个粒子和第j个粒子之间的欧氏距离，ε是一个很小的常量，G(t)是在t时刻的引力常数：其中，α是下降系数，G0是初始引力常数，itermax是最大迭代次数。(3)粒子的惯性质量依据其适应度值的大小来计算，惯性质量越大表明它越接近最优值，同时意味着该粒子的吸引力越大，但其移动速度却越慢。假设引力质量与惯性质量相等，粒子的质量可以通过适当的运算规则去更新，更新算法如下所示：Mai＝Mpi＝Mii＝Mi,i＝1,2,...,NP(19)其中，fiti(t)代表在t时刻第i个粒子的适应度值的大小。对求解最小值问题，best(t)和worst(t)定义如下：对求解最大值问题，best(t)和worst(t)定义如下：(4)假设t时刻在第d维上作用在第i个粒子上的总作用力等于其他所有粒子对它的作用力之和，计算公式如下：其中，randj是范围在[0,1]的随机数，Kbest是一开始具有最佳适应度的前K个粒子的集合。根据牛顿第二定律，t时刻粒子i在第d维上的加速度为：其中，Mi(t)是第i个粒子的惯性质量。(5)在下一次迭代中，粒子的新速度为部分当前速度与其加速度的总和。因此，GSA在每一次迭代运算过程中，粒子都会根据以下公式更新它的速度和位置：vi(t+1)＝ωvi(t)+c1ri1ai(t)+c2ri2(gbest-xi(t))(28)xi(t+1)＝xi(t)+vi(t+1)(29)其中，vi(t)是粒子i在第t次迭代的速度，xi(t)是粒子i在第t次迭代的位置，ai(t)是粒子i在第t次迭代的加速度，gbest是当前的最优解，ri1和ri2是[0,1]之间的两个随机数；ω逐渐减小的惯性因子，c1和c2是自适应加速度系数，计算公式如下：其中，t和itermax分别是当前迭代次数和最大迭代次数；c1i、c1f、c2i和c2f是常数，使得c1从2.5逐渐减小到0.5，c2从0.5逐渐增加到2.5。(6)重复以上步骤直至达到最大迭代次数，选取适应度值最优的解作为算法的最优解，结束算法并返回。所述群智寻优的丙烯聚合生产过程最优软测量仪表还包括模型更新模块，用于模型的在线更新，定期将离线化验数据输入到训练集中，更新相关向量机模型。本专利技术的有益效果主要表现在：本专利技术对丙烯聚合生产过程的重要质量指标熔融指数进行在线最优软测量，本文档来自技高网...

【技术保护点】
1.一种群智寻优的丙烯聚合生产过程最优软测量仪表，用于对丙烯聚合生产过程中的熔融指数进行软测量，其特征在于，包括现场智能仪表、控制站、DCS数据库、软测量单元、显示仪；现场智能仪表和控制站分别测量丙烯聚合生产过程中的易测变量和操作变量后，存放在DCS数据库中，软测量单元对DCS数据库中的数据进行软测量处理后，输出到显示仪；所述软测量单元包括依次相连的数据预处理模块、PCA主成分分析模块、相关向量机模块和改进引力搜索算法优化模块，DCS数据库输入的模型输入变量由数据预处理模块进行预处理后，在PCA主成分分析模块中进行主成分分析，然后在相关向量机模块进行建模，最后由改进引力搜索算法优化模块对模型的核参数进行优化。

【技术特征摘要】
1.一种群智寻优的丙烯聚合生产过程最优软测量仪表，用于对丙烯聚合生产过程中的熔融指数进行软测量，其特征在于，包括现场智能仪表、控制站、DCS数据库、软测量单元、显示仪；现场智能仪表和控制站分别测量丙烯聚合生产过程中的易测变量和操作变量后，存放在DCS数据库中，软测量单元对DCS数据库中的数据进行软测量处理后，输出到显示仪；所述软测量单元包括依次相连的数据预处理模块、PCA主成分分析模块、相关向量机模块和改进引力搜索算法优化模块，DCS数据库输入的模型输入变量由数据预处理模块进行预处理后，在PCA主成分分析模块中进行主成分分析，然后在相关向量机模块进行建模，最后由改进引力搜索算法优化模块对模型的核参数进行优化。2.根据权利要求1所述群智寻优的丙烯聚合生产过程最优软测量仪表，其特征在于，所述数据预处理模块将从DCS数据库输入的模型输入变量进行预处理，具体根据下式进行标准化处理：其中，mean表示各变量的算术平均值，std表示各变量的标准差，表示输入变量的值，下标i表示第i次检测、j分别表示第j维变量，xij表示标准化后的输入变量，S表示模型输入变量。3.根据权利要求1所述群智寻优的丙烯聚合生产过程最优软测量仪表，其特征在于，所述PCA主成分分析模块通过主成分分析来保证在不降低系统精度的情况下降低系统的复杂度，将标准化后的数据集X＝{xij}进行主成分分析。记X＝{xij}是由n个样本组成的p变量数据集，X的协方差矩阵为：Σx为非负定的对称阵，基于线性代数理论可知必定存在正交阵U满足：其中，λ1,λ2,…,λp为协方差矩阵Σx的特征根，且满足λ1≥λ2≥…≥λp；而U恰好是由与特征根对应的特征向量所组成的正交阵：其中，ui＝(u1i，u2i，…，upi)',i＝1,2,…,p前k个主成分所含的信息量比率通过这k个主成分的贡献率之和得到：其中，ηk为前k个主成分的累积贡献率或者累积方差贡献率；λk为协方差矩阵Σx的第k个特征值；p为原数据集中的变量个数。当前k个主成分的累积贡献率超过85％时，表示这k个主成分已经能够代表总体X的主要特征，即最终选取的主成分个数。4.根据权利要求1所述群智寻优的丙烯聚合生产过程最优软测量仪表，其特征在于，所述相关向量机模块用于建立软测量模型。在相关向量机中，为输入向量，假设目标向量t＝[t1,t2,…,tN]T符合高斯分布N(0,σ2)，则目标向量的似然估计概率为：其中，N为样本点数目，σ2表示方差，w＝[w0,w1,…,wN]为权值向量，Φ是N×(N+1)维的设计矩阵，即Φ＝[φ(x1),φ(x2),…,φ(xN)]T，φ(xn)＝[1,K(xn,x1),K(xn,x2),…,K(xn,xN)]T。核函数K(x,xn)取如下式的RBF核函数，其中σ1为核参数：在相关向量机中，权值w可以通过极大似然估计来确定，但是为了防止过拟合，通过高斯先验概率分布来约束参数：其中，α是N+1维超参数，该值的引入导致了系统的稀疏性。在先验概率的基础上，根据贝叶斯准则计算后验概率：(1)将后验概率进行分解：(2)关于权重的后验概率分布式如下：其中，后验协方...

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