CN103823966A - 一种群智聚丙烯熔融指数软测量系统和方法 - Google Patents
一种群智聚丙烯熔融指数软测量系统和方法 Download PDFInfo
- Publication number
- CN103823966A CN103823966A CN201310659327.5A CN201310659327A CN103823966A CN 103823966 A CN103823966 A CN 103823966A CN 201310659327 A CN201310659327 A CN 201310659327A CN 103823966 A CN103823966 A CN 103823966A
- Authority
- CN
- China
- Prior art keywords
- alpha
- sigma
- particle
- module
- fitness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种群智聚丙烯熔融指数软测量系统和方法,系统包括标准化模块、模型训练模块、群智模块、软测量模块和显示模块;本发明的方法首先从数据库中采集系统正常时的关键变量作为训练样本,然后建立软测量模型,对软测量模型核参数进行群智优化,最后得到对应的熔融指数预测值;本发明建立了熔融指数的软测量模型,可以在线预测熔融指数值,计算速度快,准确性高,并对软测量模型进行群智优化。
Description
技术领域
本发明涉及软测量领域,特别地,涉及一种聚丙烯熔融指数软测量系统和方法。
背景技术
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。
发明内容
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,本发明提供一种能用群智算法对软测量模型进行优化的聚丙烯熔融指数软测量的系统及方法。
本发明解决其技术问题所采用的技术方案是:
一种群智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、模型训练模块、群智模块、软测量模块、显示模块,其特征在于:
模型训练模块,用于建立软测量模型,其具体实现步骤如下
约束条件:
0≤αi≤γ
求解可得待估计函数f(x):
其中,M是支持向量的数目,αi和αj分别是第i个和第j个支持向量的拉格朗日乘子,i=1,…,N,j=1,…,N;和分别是第i个和第j个支持向量,i=1,…,M,j=1,…,M;xi和xj分别是输入矩阵X的第i个和第j个列向量,i=1,…,N,j=1,…,N;K(x,xi)=exp(-||x-xi||/θ2)为支持向量机的核函数,θ是核参数,ε是不敏感系数,yi是输出变量Y的第i个列向量,γ是惩罚系数;‖·‖为范数表达式。
群智模块,用于对软测量模型核参数θ进行群智优化,其具体实现步骤如下:
(3)根据下式更新每个粒子的速度和位置:
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,Υ是约束因子;
(4)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θI即为最佳的核参数值;
显示模块,用于软测量结果的显示。
作为优选的一种方案: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。
一种群智聚丙烯熔融指数软测量方法,其特征在于:所述的方法包括以下步骤:
1)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:
2)建立软测量模型,其具体实现步骤如下
约束条件:
0≤αi≤γ
求解可得待估计函数f(x):
其中,M是支持向量的数目,αi和αj分别是第i个和第j个支持向量的拉格朗日乘子,i=1,…,N,j=1,…,N;和分别是第i个和第j个支持向量,i=1,…,M,j=1,…,M;xi和xj分别是输入矩阵X的第i个和第j个列向量,i=1,…,N,j=1,…,N;K(x,xi)=exp(-||x-xi||/θ2)为支持向量机的核函数,θ是核参数,ε是不敏感系数,yi是输出变量Y的第i个列向量,γ是惩罚系数;‖·‖为范数表达式。
3)软测量模型核参数θ进行群智优化,其具体实现步骤如下:
(3)根据下式更新每个粒子的速度和位置:
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,Υ是约束因子;
(4)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θI即为最佳的核参数值;
5)显示软测量结果。
本发明的技术构思为:对丙烯聚合生产过程的重要质量指标熔融指数进行在线软测量,克服已有的聚丙稀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。
本发明的有益效果主要表现在:1、建立了熔融指数的软测量模型,可以在线预测熔融指数值;2、计算速度快,准确性快:3对软测量模型进行群智优化。
附图说明
图1是本发明所提出的系统的结构图;
图2是在DCS系统上实施例的硬件结构图。
具体实施方式
下面结合附图对本发明作进一步描述。本发明实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
实施例1
当丙烯聚合生产过程已配有DCS系统时,样本实时动态数据的检测、存储利用DCS系统的实时和历史数据库,软测量功能主要在上位机上完成。
参照图图1、图2,一种相关向量聚丙烯熔融指数软测量系统,包括丙烯聚合生产过程1连接的现场智能仪表2、数据库3及上位机,所述的上位机包括:
标准化模块4,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:
模型训练模块5,用于建立软测量模型,其具体实现步骤如下
约束条件:
0≤αi≤γ
求解可得待估计函数f(x):
其中,M是支持向量的数目,αi和αj分别是第i个和第j个支持向量的拉格朗日乘子,i=1,…,N,j=1,…,N;和分别是第i个和第j个支持向量,i=1,…,M,j=1,…,M;xi和xj分别是输入矩阵X的第i个和第j个列向量,i=1,…,N,j=1,…,N;K(x,xi)=exp(-||x-xi||/θ2)为支持向量机的核函数,θ是核参数,ε是不敏感系数,yi是输出变量Y的第i个列向量,γ是惩罚系数;‖·‖为范数表达式。
群智模块6,用于对软测量模型核参数θ进行群智优化,其具体实现步骤如下:
(3)根据下式更新每个粒子的速度和位置:
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,Υ是约束因子;
(4)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θI即为最佳的核参数值;
显示模块8,用于软测量结果的显示;
当生产过程没有配备DCS系统时,采用数据存储器来替代DCS系统的实时和历史数据库的数据存储功能,并将软测量系统制造成包括I/O元件、数据存储器、程序存储器、运算器、显示模块几大构件的不依赖于DCS系统的一个独立的完整的片上系统,在不管生产过程是否配备DCS的情况下,都能够独立使用,更有益于推广使用。
实施例2
参照图1、图2,一种群智聚丙烯熔融指数软测量方法,其特征在于:所述的方法包括以下步骤:
1)模块4从数据库3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:
2)模块5建立软测量模型,其具体实现步骤如下
约束条件:
0≤αi≤γ
求解可得待估计函数f(x):
其中,M是支持向量的数目,αi和αj分别是第i个和第j个支持向量的拉格朗日乘子,i=1,…,N,j=1,…,N;和分别是第i个和第j个支持向量,i=1,…,M,j=1,…,M;xi和xj分别是输入矩阵X的第i个和第j个列向量,i=1,…,N,j=1,…,N;K(x,xi)=exp(-||x-xi||/θ2)为支持向量机的核函数,θ是核参数,ε是不敏感系数,yi是输出变量Y的第i个列向量,γ是惩罚系数;‖·‖为范数表达式。
3)模块6对软测量模型核参数θ进行群智优化,其具体实现步骤如下:
(3)根据下式更新每个粒子的速度和位置:
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,Υ是约束因子;
(4)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θI即为最佳的核参数值;
Claims (2)
1.一种群智聚丙烯熔融指数软测量系统,包括标准化模块、模型训练模块、群智模块、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:
模型训练模块,用于建立软测量模型,其具体实现步骤如下
约束条件:
0≤αi≤γ
求解可得待估计函数f(x):
其中,M是支持向量的数目,αi和αj分别是第i个和第j个支持向量的拉格朗日乘子,i=1,…,N,j=1,…,N;和分别是第i个和第j个支持向量,i=1,…,M,j=1,…,M;xi和xj分别是输入矩阵X的第i个和第j个列向量,i=1,…,N,j=1,…,N;K(x,xi)=exp(-||x-xi||/θ2)为支持向量机的核函数,θ是核参数,ε是不敏感系数,yi是输出变量Y的第i个列向量,γ是惩罚系数;‖·‖为范数表达式。
群智模块,用于对软测量模型核参数θ进行群智优化,其具体实现步骤如下:
(3)根据下式更新每个粒子的速度和位置:
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,Υ是约束因子;
(4)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θI即为最佳的核参数值;
显示模块,用于软测量结果的显示。
2.一种群智聚丙烯熔融指数软测量方法,其特征在于:所述的方法包括以下步骤:
1)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:
2)建立软测量模型,其具体实现步骤如下
约束条件:
0≤αi≤γ
求解可得待估计函数f(x):
其中,M是支持向量的数目,αi和αj分别是第i个和第j个支持向量的拉格朗日乘子,i=1,…,N,j=1,…,N;和分别是第i个和第j个支持向量,i=1,…,M,j=1,…,M;xi和xj分别是输入矩阵X的第i个和第j个列向量,i=1,…,N,j=1,…,N;K(x,xi)=exp(-||x-xi||/θ2)为支持向量机的核函数,θ是核参数,ε是不敏感系数,yi是输出变量Y的第i个列向量,γ是惩罚系数;‖·‖为范数表达式。
3)软测量模型核参数θ进行群智优化,其具体实现步骤如下:
(3)根据下式更新每个粒子的速度和位置:
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,Υ是约束因子;
(4)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θI即为最佳的核参数值;
5)显示软测量结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310659327.5A CN103823966B (zh) | 2013-12-09 | 2013-12-09 | 一种群智聚丙烯熔融指数软测量系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310659327.5A CN103823966B (zh) | 2013-12-09 | 2013-12-09 | 一种群智聚丙烯熔融指数软测量系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103823966A true CN103823966A (zh) | 2014-05-28 |
CN103823966B CN103823966B (zh) | 2016-08-24 |
Family
ID=50759023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310659327.5A Active CN103823966B (zh) | 2013-12-09 | 2013-12-09 | 一种群智聚丙烯熔融指数软测量系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103823966B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916791A (zh) * | 2006-09-12 | 2007-02-21 | 浙江大学 | 一种丙烯聚合工业生产熔融指数软测量方法 |
CN1916613A (zh) * | 2006-09-12 | 2007-02-21 | 浙江大学 | 一种基于小波分析的工业聚丙烯生产熔融指数软测量方法 |
CN101799888A (zh) * | 2010-01-22 | 2010-08-11 | 浙江大学 | 基于仿生智能蚁群算法的工业软测量方法 |
-
2013
- 2013-12-09 CN CN201310659327.5A patent/CN103823966B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1916791A (zh) * | 2006-09-12 | 2007-02-21 | 浙江大学 | 一种丙烯聚合工业生产熔融指数软测量方法 |
CN1916613A (zh) * | 2006-09-12 | 2007-02-21 | 浙江大学 | 一种基于小波分析的工业聚丙烯生产熔融指数软测量方法 |
CN101799888A (zh) * | 2010-01-22 | 2010-08-11 | 浙江大学 | 基于仿生智能蚁群算法的工业软测量方法 |
Non-Patent Citations (2)
Title |
---|
HUAQIN JIANG ET AL.: "melt index prediction using optimized least squares support vector machines based on hybrid particle swarm optimization algorithm", 《NEUROCOMPUTING》 * |
赵成业等: "基于粒子群优化算法的熔融指数预报", 《控制工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN103823966B (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101315557B (zh) | 基于遗传算法优化bp神经网络的丙烯聚合生产过程最优软测量仪表及方法 | |
CN101763084B (zh) | 农药生产废液焚烧炉化学耗氧量排放最小化系统及方法 | |
CN103674778B (zh) | Rbf粒子群优化的工业熔融指数软测量仪表和方法 | |
CN108804851A (zh) | 一种混沌群智寻优高精度的丙烯聚合生产过程最优软测量仪表 | |
CN101382801A (zh) | 基于ega优化的丙烯聚合生产过程最优软测量仪表及方法 | |
CN103675006B (zh) | 最小二乘的工业熔融指数软测量仪表和方法 | |
CN100470418C (zh) | 基于盲源信号分析的聚丙烯熔融指数软测量仪表及方法 | |
CN103675011B (zh) | 最优支持向量机的工业熔融指数软测量仪表和方法 | |
CN108873838A (zh) | 一种群智寻优的丙烯聚合生产过程最优软测量仪表 | |
CN103823430B (zh) | 智能加权丙烯聚合生产过程最优软测量系统和方法 | |
CN109507888B (zh) | 基于集成学习的丙烯聚合生产过程最优在线预报系统 | |
CN103675005B (zh) | 最优模糊网络的工业熔融指数软测量仪表及方法 | |
CN103675010B (zh) | 支持向量机的工业熔融指数软测量仪表及方法 | |
CN103823963A (zh) | 一种鲁棒聚丙烯熔融指数软测量系统和方法 | |
CN103675012B (zh) | Bp粒子群优化的工业熔融指数软测量仪表和方法 | |
CN103675009B (zh) | 模糊方程的工业熔融指数软测量仪表及方法 | |
CN103823965A (zh) | 一种智能聚丙烯熔融指数软测量系统和方法 | |
CN103823966A (zh) | 一种群智聚丙烯熔融指数软测量系统和方法 | |
CN103838954A (zh) | 一种相关向量聚丙烯熔融指数软测量系统和方法 | |
CN103838957A (zh) | 丙烯聚合生产过程径向基最优软测量仪表和方法 | |
CN103838958A (zh) | 模糊智能最优丙烯聚合生产过程最优软测量仪表和方法 | |
CN103838956A (zh) | 一种稀疏聚丙烯熔融指数软测量系统和方法 | |
CN103838209A (zh) | 丙烯聚合生产过程自适应最优预报系统和方法 | |
CN103630568B (zh) | Bp网络的工业熔融指数软测量仪表及方法 | |
CN103675007B (zh) | Rbf网络的工业熔融指数软测量仪表及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |