基于加权组合学习的丙烯聚合生产过程最优在线预报系统技术方案

本发明专利技术公开了一种基于加权组合学习的丙烯聚合生产过程最优在线预报系统,用于对聚丙烯生产产品进行质量检测，所述的基于加权组合学习的最优在线预报模型包括相空间重构、PCA主成分分析模块、支持向量机模块、模型更新模块、布谷鸟搜索算法优化模块，Adaboost模块。本发明专利技术对聚丙烯生产过程重要质量指标熔融指数进行在线预报，克服传统的化工仪表测量时间滞后大，测量精度低的缺点，实现在线测量、优化推广能力强、抗噪音干扰能力强、精度高。

Optimal Online Prediction System for Propylene Polymerization Production Based on Weighted Combination Learning

The invention discloses an on-line optimal prediction system for propylene polymerization production process based on weighted combination learning, which is used for quality detection of polypropylene production products. The on-line optimal prediction model based on weighted combination learning includes phase space reconstruction, PCA principal component analysis module, support vector machine module, model updating module, cuckoo search algorithm optimization module, Adaboo. St module. The melt index of the important quality index in the production process of polypropylene is predicted on-line, which overcomes the shortcomings of the traditional chemical instrument, such as large time lag and low measurement accuracy, and has strong on-line measurement, optimization and popularization ability, strong anti-noise interference ability and high accuracy.

【技术实现步骤摘要】
基于加权组合学习的丙烯聚合生产过程最优在线预报系统
本专利技术涉及聚合过程质量检测领域、数据驱动建模领域，尤其涉及一种基于加权组合学习的丙烯聚合生产过程最优在线预报系统。
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精度不高、易受人为因素的影响的不足，本专利技术的目的在于提供一种在线测量、预报速度快、模型自动更新、抗干扰能力强、精度高的基于加权组合学习的丙烯聚合生产过程熔融指数最优在线预报系统。本专利技术的目的是通过以下技术方案实现的：一种基于加权组合学习的丙烯聚合生产过程最优在线预报系统最优在线预报，用于对聚丙烯生产产品进行质量检测，其特征在于：包括相空间重构模块PCA主成分分析模块，支持向量机模块，布谷鸟搜索算法模块，Adaboost模块。其中：(1)相空间重构模块：输入为工业丙烯聚合过程的9个操作变量，分别为第一股丙烯进料流率、第二股丙烯进料流率、第三股丙烯进料流率、主催化剂流率、辅催化剂流率、搅拌釜内温度、釜内压强、釜内液位以及釜内氢气体积浓度。对于混沌时间序列，混沌不变量的计算，混沌模型的建立和预测都是在相空间中进行，该模块用于将从DCS数据库输入的模型输入变量进行预处理，对于时间序列{x(i)}，其中{x(i)}是熔融指数的测量值，通过不同的延迟时间τ来构建d维相空间矢量X(i)＝(x(i),…,x(i+(d-1)τ)),1≤i≤n-(d-1)τ，延迟时间通过交互信息法得到，嵌入维数通过虚假最临近点法得到；(2)PCA主成分分析模块：用于将输入变量预白化处理及变量去相关，通过对输入变量施加一个线性变换实现，即主成分由C＝MU得到，其中M为输入变量，C为主成分得分矩阵，U为载荷矩阵。若对原始数据进行重构，可由M＝CUT计算，其中上标T表示矩阵的转置。当选取的主成分数目小于输入变量的变量个数时，M＝CUT+E，其中E为残差矩阵；(3)支持向量机模块：用于采用支持向量机、基于贝叶斯框架来完成输入到输出的映射建模。支持向量机的训练是在贝叶斯框架下进行的，通过引入超参数赋予权重向量零均值的高斯先验分布来确保模型的稀疏性，超参数可以采用最大化边缘似然函数的方法来估计。整个模型的目的是根据样本集和先验知识设计一个系统，使系统对新数据能预测输出；(4)布谷鸟搜索算法：用于对支持向量机的超参数进行优化，包括：(4.1)定义目标函数数f(Z)，Z＝(z1,…,zd)T，函数进行初始化，并随机生成n个鸟窝的初始位置Zi，i＝1,2…,n，设置种群规模n，问题维数d，最大发现概率P和最大迭代次数MaxGen，当前迭代次数Gen，最小误差∈；(4.2)求每个鸟窝位置的目标函数值，得到当前位置的最优函数值；(4.3)记录上一代最优函数值，利用i＝1,2…n，对其他鸟窝的位置和状态进行更新，其中为第i个鸟窝在第t代鸟窝的位置，初始化.*为点对点乘法，α为步长控制量，用于控制步长的搜索范围，取值服从正态分布，L(λ)为Levy随机搜索路径，随机步长符合Levy分布L(s,λ)～s-λ,1<λ≤3,s是Levy飞行得到的随机步长；(4.4)求现有位置的目标函数值，并与上一代记录的最优函数值进行比较，若当前目标函数值较好则改变当前最优值；(4.5)进行位置更新后，利用随机数r∈[0,1]和最大发现概率P进行比较，若r>P表示该鸟窝被抛弃，对进行随机改变，反之则认为成功，不进行随机改变，最后保留最好的一组鸟窝位置(4.6)若Gen<MaxGen或未达到最小误差要求,则Gen＝Gen+1，返回步骤4.2，否则向下执行4.7；(4.7)输出全局最优目标函数值作为结果，结束当前算法并返回。(5)Adaboost模块：用于将支持向量机所得到的弱学习器进行加权组合学习，获得一个抗干扰能力更强，精度更高的强学习器，包括：(5.1)进行算法初始化，设置损失函数为均方根误差MSE,设置初始化权值向量为D1的第i个分量，其中n为训练集的元素个数，设置最大迭代次数MaxN，当前迭代次数N；(5.2)对具有权值向量DN的训练数据集通过支持向量机进行学习，获得弱学习器FN(x)；(5.3)求出训练集{(xi,yi)}上的最大误差EN＝max|yi-FN(xi)|,i＝1,…，n，其中xi、yi、为训练集输入样本、输出样本的数据，FN(x)是6.2所得弱学习器；求出每个样本的相对误差其中是最大误差的平方；求回归误差率wNi为权重系数以回归误差率求弱学习器系数并根据回归误差率更新样本的权重系数其中ZN是归一化因子，满足(5.4)若N<MaxN，即尚未达到最大迭代次数，N＝N+1，返回步骤5.2，否则，向下执行5.5；(5.5)输出其中f(x)是αNFN(x),N＝1,2…MaxN的中位数，结束当前算法并返回。(6)系统更新模块，所述基于集成学习的丙烯聚合生产过程最优在线预报系统还包括系统更新模块，用于检测系统的在线更新，解决复杂聚合过程的模型失配问题，定期将离线化验数据输入到模型训练集中，更新检测系统。本专利技术的技术构思为：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预报，为克服已有的聚丙烯熔融指数测量仪表测量精度不高、易受人为因素的影响的不足，引入加权组合学习模块对神经网络参数和结构进行自动优化，不需要人为经验或多次测试来调整神经网络，从而得到具有最优的熔融指数预报功能的最优在线预报系统。本专利技术的有益效果主要表现在：所述的基于加权组合学习的最优在线预报系统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预报，克服已有的聚丙烯熔融指数测量仪表测量精度不高、易受人为因素的影响的不足，引入了Adaboost模块对经过布谷鸟搜索算法优化超参数的支持向量机模型进行加权组合学习，从而得到了具有最优的熔融指数预报功能的最优在线预报系统，具有在线测量、预报速度快、抗干扰能力强、精度高的特点。附图说明图1是基于加权组合学习的丙烯聚合生产过程最优在线预报系统及方法的基本结构示意图；图2是基于加权组合学习的最本文档来自技高网...

【技术保护点】
1.一种基于加权组合学习的丙烯聚合生产过程最优在线预报系统最优在线预报系统，用于对聚丙烯生产产品进行质量检测，其特征在于：包括相空间重构模块PCA主成分分析模块，支持向量机模块，布谷鸟搜索算法模块，Adaboost模块。

【技术特征摘要】
1.一种基于加权组合学习的丙烯聚合生产过程最优在线预报系统最优在线预报系统，用于对聚丙烯生产产品进行质量检测，其特征在于：包括相空间重构模块PCA主成分分析模块，支持向量机模块，布谷鸟搜索算法模块，Adaboost模块。2.根据权利要求1所述基于加权组合学习的丙烯聚合生产过程最优在线预报系统，其特征在于：所述的相空间重构模块的输入为工业丙烯聚合过程的9个操作变量，分别为第一股丙烯进料流率、第二股丙烯进料流率、第三股丙烯进料流率、主催化剂流率、辅催化剂流率、搅拌釜内温度、釜内压强、釜内液位以及釜内氢气体积浓度。对于混沌时间序列，混沌不变量的计算，混沌模型的建立和预测都是在相空间中进行，该模块用于将从DCS数据库输入的模型输入变量进行预处理，对于时间序列{x(i)}，其中{x(i)}是熔融指数的测量值，通过不同的延迟时间τ来构建d维相空间矢量X(i)＝(x(i)，...，x(i+(d-1)τ))，1≤i≤n-(d-1)τ，延迟时间通过交互信息法得到，嵌入维数通过虚假最临近点法得到；3.根据权利要求1所述基于加权组合学习的丙烯聚合生产过程最优在线预报系统，其特征在于：所述的PCA主成分分析模块，用于将输入变量预白化处理及变量去相关，通过对输入变量施加一个线性变换实现，即主成分由C＝MU得到，其中M为输入变量，C为主成分得分矩阵，U为载荷矩阵。若对原始数据进行重构，可由M＝CUT计算，其中上标T表示矩阵的转置。当选取的主成分数目小于输入变量的变量个数时，M＝CUT+E，其中E为残差矩阵；4.根据权利要求1所述基于加权组合学习的丙烯聚合生产过程最优在线预报系统，其特征在于：所述的支持向量机模块，用于采用支持向量机、基于贝叶斯框架来完成输入到输出的映射建模。支持向量机的训练是在贝叶斯框架下进行的，通过引入超参数赋予权重向量零均值的高斯先验分布来确保模型的稀疏性，超参数可以采用最大化边缘似然函数的方法来估计。整个模型的目的是根据样本集和先验知识设计一个系统，使系统对新数据能预测输出；5.根据权利要求1所述基于加权组合学习的丙烯聚合生产过程最优在线预报系统，其特征在于：所述的布谷鸟搜索算法，用于对支持向量机的超参数进行优化，包括：(5.1)定义目标函数数f(Z)，Z＝(z1，...，zd)T，函数进行初始化，并随机生成n个鸟窝的初始位置Zi，i＝1，2…，n，设置种群规模n，问题维数d，最大发现概率P和最大迭代次数MaxGen，当前迭代次数Gen，最小误...

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