一种聚酯纤维酯化过程的低聚物密度预测方法技术

本发明专利技术涉及一种聚酯纤维酯化过程的低聚物密度预测方法，首先采集过程变量(酯化釜出口温度、酯化分离水流量、预缩聚过程液位、酯化釜液位和酯化釜温度)和质量变量(低聚物密度)传感器数据，针对因传感器故障与采样率不同而导致的过程变量和质量变量数据缺失问题，通过数据填补模型得到缺失数据的分布填补样本，利用过采样策略得到其对应的多个数据填补样本，通过自训练方法提高完整样本的数量和质量，进而获得相对较完备数据集，最后针对测试样本的不同数据填补样本分别建立不同指标预测模型并将各预测模型输出的平均值作为最终结果。本发明专利技术的方法可以同时处理过程变量和质量变量的数据缺失问题，克服了现有技术对高完整样本依赖的缺点。依赖的缺点。依赖的缺点。

【技术实现步骤摘要】
一种聚酯纤维酯化过程的低聚物密度预测方法


[0001]本专利技术属于自动控制
，特别是涉及一种聚酯纤维酯化过程的低聚物密度预测方法。

技术介绍

[0002]聚酯纤维(PET)作为合成纤维的一种，具有较高的强度和良好的抗皱性等多种优点，因而获得了比其他合成纤维更广泛的应用，现已逐渐发展成长为产量最高、应用最广泛的合成纤维。聚酯纤维的生产流程包括聚合过程、熔体输送、纺丝、后加工四个阶段，聚合过程作为首道工序，对最终产品的质量和性能有着直接且重要的影响。聚合过程包括酯化、预缩聚、终缩聚三个阶段，酯化过程作为聚合过程的第一个阶段，其反应程度将直接影响后续工序以及最终产物的质量。在该过程中，低聚物密度反映了酯化反应和缩聚反应的程度，对于评价该过程的生产进度以及后续整条生产线的产能都具有重要意义。然而，由于反应组分之间存在多重平衡关系，同时还要考虑反应物的性质，例如平均分子量和聚合物活性，因此对该过程进行建模具有挑战性。此外，该阶段的反应过程具有强耦合、高时延、非线性等特点，使得数据驱动模型的建立也面临诸多障碍。
[0003]随着聚酯纤维的生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种聚酯纤维酯化过程的低聚物密度预测方法，其特征在于包括如下步骤：(1)将采集的过程变量和质量变量传感器数据作为样本数据集，将样本数据集划分为训练数据集和验证数据集；(2)利用训练数据集中的完整样本训练数据填补模型，再将训练数据集中带有缺失值的样本输入至训练好的数据填补模型中进行填补，得到缺失数据的分布填补样本；(3)将缺失数据的分布填补样本按照质量变量分布的方差进行排序，选择方差较小的指定比例的分布填补样本，采用过采样策略从这些分布填补样本的分布中采样从而得到缺失数据的数据填补样本，视为新的完整样本；(4)基于自训练方法循环迭代，得到根据填补样本扩充后的相对较完备数据集和经该数据集训练过的数据填补模型；(5)实时采集过程变量数据，并输入至利用训练数据集中的完整样本训练好的数据填补模型进行填补，得到缺失数据的分布填补样本，再采用过采样策略从该分布填补样本的分布中采样得到缺失数据的多个数据填补样本，从而扩充得到多个完整样本；(6)基于KL散度计算步骤(5)得到的多个完整样本中的每一个样本与所述相对较完备数据集中所有样本之间的相似度，针对多个完整样本中的任一个样本X，从所述相对较完备数据集中选择与该样本之间相似度较大的指定数量的样本，以选出的样本中的过程变量作为输入、质量变量作为输出，训练得到一个指标预测模型，并采用训练好的指标预测模型对样本X进行预测，得到样本X的预测结果；(7)将多个完整样本中的每一个样本的预测结果取平均，即为预测得到的质量变量数据；过程变量为酯化釜出口温度、酯化分离水流量、预缩聚过程液位、酯化釜液位和酯化釜温度，质量变量为酯化过程的低聚物密度；数据填补模型为带有不确定性的变分自编码器模型，是将变分自编码器模型的输出由数据点替代为数据分布的形式；指标预测模型为高斯过程回归模型。2.根据权利要求1所述的一种聚酯纤维酯化过程的低聚物密度预...

【专利技术属性】
技术研发人员：陈磊，王恒骞，郝矿荣，
申请(专利权)人：东华大学，
类型：发明
国别省市：