一种基于迁移学习的软测量模型预测PVC聚合转化方法，涉及一种基于迁移学习的软测量模型预测PVC聚合转化方法，本发明专利技术提出一种基于迁移学习的PCGBOA‑Elman软测量模型预测PVC聚合过程转化率设计方法。首先，针对采集的原数据量不足的问题，引用辅助数据，利用TrAdaBoost迁移学习算法来扩充训练集。然后，通过概率、混沌扰动和高斯变异的方式改进蝴蝶优化算法(PCGBOA)，将改进后的PCGBOA算法优化Elman神经网络的结构参数。最后，用本次发明专利技术提出的软测量模型进行仿真实验，仿真结果验证了该模型能够显著提高VCM转化率的预测精度。
【技术实现步骤摘要】
本专利技术涉及一种优化软测量模型用于预测pvc聚合转化方法，特别是涉及一种基于迁移学习的软测量模型预测pvc聚合转化方法。
技术介绍
1、pvc是世界上应用最广泛的聚合物之一，以vcm为原料，采用悬浮法生产pvc树脂是一种典型的间歇式化学生产工艺。vcm转化率对pvc的质量有着重大影响，不同的转化率对pvc的分子量、孔隙率、增塑剂吸收率、氯乙烯单体残留量和热稳定性有一定的影响。
2、想实时获取vcm转化率，实现对pvc产品质量的闭环控制，就需要昂贵的检测设备和良好的现场条件因素，但在现实生活中，很难达到以上良好的环境。因此，建立vcm转化率软测量模型就能够避免使用昂贵且笨重的设备。
3、聚氯乙烯(pvc)是以氯乙烯单体(vcm)为原材料生成的一种通用性树脂。vcm转化率是pvc聚合过程中一个重要质量指标，对pvc树脂的质量有着重大影响。由于pvc聚合过程的复杂性以及现场条件限制，要想实时获取vcm转化率，实现对pvc产品质量的闭环控制是一件艰难的任务。
技术实现思路
>1、本专利技术的目本文档来自技高网...
【技术保护点】
1.一种基于迁移学习的软测量模型预测PVC聚合转化方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于迁移学习的软测量模型预测PVC聚合转化方法，其特征在于，所述对传统的蝴蝶算法进行改进包括三部分：概率学习策略、混沌扰动、高斯变异；
3.根据权利要求1所述的一种基于迁移学习的软测量模型预测PVC聚合转化方法，其特征在于，所述将改进的蝴蝶优化算法优化Elman神经网络结构参数，建立PCGBOA-Elman软测量模型预测PVC聚合过程中VCM转化率，先通过迁移学习对数据量进行扩充，再将改进的蝴蝶优化算法(PCGBOA)优化Elman神经网络的结构...
【技术特征摘要】
1.一种基于迁移学习的软测量模型预测pvc聚合转化方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于迁移学习的软测量模型预测pvc聚合转化方法，其特征在于，所述对传统的蝴蝶算法进行改进包括三部分：概率学习策略、混沌扰动、高斯变异；
3.根据权利要求1所述的一种基于迁移学习的软测量模型预测pvc聚合转...
【专利技术属性】
技术研发人员：高淑芝，杨世伟，张义民，郝文生，李天池，
申请(专利权)人：沈阳化工大学，
类型：发明
国别省市：
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。