CN109711628B - 一种在线校正的丙烯聚合生产过程自适应多尺度预报系统 - Google Patents
一种在线校正的丙烯聚合生产过程自适应多尺度预报系统 Download PDFInfo
- Publication number
- CN109711628B CN109711628B CN201811628007.2A CN201811628007A CN109711628B CN 109711628 B CN109711628 B CN 109711628B CN 201811628007 A CN201811628007 A CN 201811628007A CN 109711628 B CN109711628 B CN 109711628B
- Authority
- CN
- China
- Prior art keywords
- data
- value
- online
- module
- forecasting
- 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.)
- Expired - Fee Related
Links
- 238000012937 correction Methods 0.000 title claims abstract description 39
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 title claims abstract description 36
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 title claims abstract description 36
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 29
- 238000006116 polymerization reaction Methods 0.000 title claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 230000003044 adaptive effect Effects 0.000 claims abstract description 16
- 239000000155 melt Substances 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000002844 melting Methods 0.000 claims 1
- 230000008018 melting Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 2
- -1 Polypropylene Polymers 0.000 description 11
- 239000004743 Polypropylene Substances 0.000 description 10
- 229920001155 polypropylene Polymers 0.000 description 10
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 4
- 239000003054 catalyst Substances 0.000 description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 238000007334 copolymerization reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000005293 physical law Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 229920005992 thermoplastic resin Polymers 0.000 description 2
- 239000004698 Polyethylene Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011127 biaxially oriented polypropylene Substances 0.000 description 1
- 229920006378 biaxially oriented polypropylene Polymers 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004745 nonwoven fabric Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 229920000915 polyvinyl chloride Polymers 0.000 description 1
- 239000004800 polyvinyl chloride Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种在线校正的丙烯聚合生产过程自适应多尺度预报系统,用于对丙烯聚合生产过程进行熔融指数预报,包括数据预处理模块、多尺度分析模块、预报模型模块以及在线校正模块。本发明对丙烯聚合生产过程的重要参数指标熔融指数进行预报,克服目前已有的预报系统测量精度不高、抗干扰能力弱的不足,引入在线校正以及自适应多尺度分析的技术手段,从而得到在线校正的丙烯聚合生产过程自适应多尺度预报系统,实现的丙烯聚合生产过程熔融指数预报系统能够充分利用丙烯生产过程的生产数据、在线自适应地完成预报模型参数的校正,具有高的预报精度、抗干扰能力以及预报效率。
Description
技术领域
本发明涉及一种在线预报系统,尤其涉及一种在线校正的丙烯聚合生产过程自适应多尺度预报系统。
背景技术
聚丙烯是一种热塑性树脂,由丙烯聚合反应制造得到,是五大通用塑料之一,与我们的日常生活密切相关。聚丙烯是丙烯最重要的下游产品,世界丙烯总产量的50%、我国丙烯产量的65%都用于聚丙烯的制造。聚丙烯是世界上产量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。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
为了克服目前已有的丙烯聚合生产过程预报系统预报精度不高、抗干扰能力弱的不足,本发明的目的在于提供一种在线校正的丙烯聚合生产过程自适应多尺度预报系统,能够充分利用数据多尺度信息、自适应地实现模型自动在线校正,预报精度高、抗干扰能力强、预报效率高。
本发明的目的是通过以下技术方案来实现的:一种在线校正的丙烯聚合生产过程自适应多尺度预报系统,用于对丙烯聚合生产过程进行熔融指数预报,包括数据预处理模块、多尺度分析模块、预报模型模块以及在线校正模块。
其中,mean为各变量的算术平均值,std为各变量的标准差,为输入变量的值,下标r为第r次检测、s为第s维变量,xrs为标准化后输入变量的值作为输入数据。标准化后的数据为S={xr1,xr2,...,xr9}。
进一步地,所述自适应多尺度分析模块将输入数据进行自适应多尺度分析处理,不需要预先分析和研究,自适应地以将输入数据序列分解为内涵模态分量,以获取高频和低频等多尺度下的数据信息:
(1)从i=1开始,进行第i个内涵模态hi的筛选,识别熔融指数数据序列MI(t)中的所有局部极值,将所有局部最大值通过三次样条插值作为上包络线mUi,再将所有局部最小值通过三次样条插值作为下包络线mLi;
(2)提取第i个分量hi如下:
mi=mUi-mLi (2)
hi=MI(t)-mi (3)
其中,mi为上下包络线的均值,MI(t)为时刻t的熔融指数值。
(3)如果hi满足:局部对称、所有局部最大值均为正、所有局部最小值均为负,以上三个条件,则继续下一步骤。否则,将hi视为第i个内涵模态的原型hi1,然后继续运算直到得到符合条件的hin:
mi1=mi (4)
hi1=hi (5)
mik=mUik-mLik,k=2,3,...n (6)
hi(k-1)-mik=hik,k=2,3,...n (7)
ci=hik,k=2,3,...n (8)
其中,mi1为hi1的上下包络线包络线均值,k为第k次迭代,hik为第i个内涵模态第k次迭代时的函数,mUik为hik的上包络线,mLik为hik的下包络线,mik为上下包络线的均值,hi(k-1)为第i个内涵模态第k-1次迭代时的函数,ci为第i个内涵模态。
(4)令i=i+1,MIi+1(t)=MIi(t)-ci,其中MIi(t)为找到第i个内涵模态后的余项,MIi+1(t)为找到第i+1个内涵模态后的余项,回到步骤(2.2),直到剩余的MIi+1(t)无法继续分解,得到余差MIi+1(t)。
进一步地,所述预报模型模块使用统计建模方法,通过误差函数最小化来完成输入参数到输出熔融指数预报值的高度非线性映射,映射中保持拓扑不变性:
其中Γ表示目标函数、w表示惯性权重、ξ表示误差、C表示惩罚因子、u表示权重系数、β表示核函数映射、b表示偏置、x为输入数据、y为输出数据,下标i表示第i个数据,n为输出变量总数,上标T表示矩阵的转置。
进一步地,所述在线校正模块采用在线校正策略对预报模型模块的参数进行实时校正,通过将预报误差较大的预报数据作为新的训练数据加入训练数据集,来实时修正模型误差:
(1)在线校正模块获取测量数据的校正值,使其既满足整个装置和单元设备的物料、能量平衡关系,同时又使其与测量值之差的加权平方和最小。
MIp=MIa+ε (10)
其中,MI为熔融指数,MIp为熔融指数测量值,MIa为熔融指数真实值,ε为误差向量,为校正值,U为预报模型参数向量,为待估计参数向量,F为预报模型函数向量,表示丙烯聚合过程物料平衡、能量平衡、化学反应计量关系等化学和物理规律。Q为MI的(n×n)阶方差-协方差矩阵,可由仪表精度或测量样本估计。
(2)在线校正模块工作时,实时获取t时刻的分析值MIa(t)和预报值MIp(t),计算分析值MIa和预报值MIp的偏差eo(t):
eo(t)=|MIa(t)-MIp(t)| (12)
如果eo(t)大于一正的误差容限εo:
eo(t)>εo (13)
则将t时刻的分析值MIa(t)和参数值x(t)作为新的训练数据{x(t),MIa(t)}加入训练数据集中,并重新训练预报模型参数,进行预报模型的在线校正。否则,认为模型参数是准确的,无需进行在线校正。
(3)重新训练预报模型参数,对于训练过程模型
其中,E为预报结果的平方误差,UL为待估计参数向量下界,UU为待估计参数向量上界。该模型根据以下公式求解:
(U-UL)zL-μeL=0 (17)
(UU-U)zU-μeU=0 (18)
其中,μ是障碍参数,eL为由zL决定的约束下界UL指示器,eU为由zU决定的约束上界UU指示器。μ的更新方式为:
其中,下标q表示循环迭代计数,εtol为给定的误差容限,参数κμ∈(0,1)、θμ∈(1,2)。
本发明的有益效果主要表现在:1、由于采用了在线校正的技术手段,能够同时观察输入数据的频率和时间轴,以获取多尺度下的数据信息,充分利用丙烯生产过程的生产数据,从而能够提高预报精度;2、由于采用了自适应多尺度分析的技术手段,能够实时监测预报模型的预报精度,在预报模型出现失配而精度下降时,在线完成预报模型参数的校正,并且不需要预先分析数据,从而能够提高预报的抗干扰能力和预报效率。
附图说明
图1是在线校正的丙烯聚合生产过程自适应多尺度预报系统的基本结构示意图;
图2是在线校正的自适应多尺度预报系统结构示意图。
具体实施方式
下面根据附图具体说明本发明。
参照图2,一种在线校正的丙烯聚合生产过程自适应多尺度预报系统,用于对丙烯聚合过程1进行熔融指数预报,包括数据预处理模块7、多尺度分析模块8、预报模型模块9以及在线校正模块10。
其中,mean为各变量的算术平均值,std为各变量的标准差,为输入变量的值,下标r为第r次检测、s为第s维变量,xrs为标准化后输入变量的值作为输入数据。标准化后的数据为S={xr1,xr2,...,xr9}。
进一步地,所述自适应多尺度分析模块8将输入数据进行自适应多尺度分析处理,不需要预先分析和研究,自适应地以将输入数据序列分解为内涵模态分量,以获取高频和低频等多尺度下的数据信息:
(1)从i=1开始,进行第i个内涵模态hi的筛选,识别熔融指数数据序列MI(t)中的所有局部极值,将所有局部最大值通过三次样条插值作为上包络线mUi,再将所有局部最小值通过三次样条插值作为下包络线mLi;
(2)提取第i个分量hi如下:
mi=mUi-mLi (2)
hi=MI(t)-mi (3)
其中,mi为上下包络线的均值,MI(t)为时刻t的熔融指数值。
(3)如果hi满足:局部对称、所有局部最大值均为正、所有局部最小值均为负,以上三个条件,则继续下一步骤。否则,将hi视为第i个内涵模态的原型hi1,然后继续运算直到得到符合条件的hin:
mi1=mi (4)
hi1=hi (5)
mik=mUik-mLik,k=2,3,...n (6)
hi(k-1)-mik=hik,k=2,3,...n (7)
ci=hik,k=2,3,...n (8)
其中,mi1为hi1的上下包络线包络线均值,k为第k次迭代,hik为第i个内涵模态第k次迭代时的函数,mUik为hik的上包络线,mLik为hik的下包络线,mik为上下包络线的均值,hi(k-1)为第i个内涵模态第k-1次迭代时的函数,ci为第i个内涵模态。
(4)令i=i+1,MIi+1(t)=MIi(t)-ci,其中MIi(t)为找到第i个内涵模态后的余项,MIi+1(t)为找到第i+1个内涵模态后的余项,回到步骤(2.2),直到剩余的MIi+1(t)无法继续分解,得到余差MIi+1(t)。
进一步地,所述预报模型模块9使用统计建模方法,通过误差函数最小化来完成输入参数到输出熔融指数预报值的高度非线性映射,映射中保持拓扑不变性:
其中Γ表示目标函数、w表示惯性权重、ξ表示误差、C表示惩罚因子、u表示权重系数、β表示核函数映射、b表示偏置、x为输入数据、y为输出数据,下标i表示第i个数据,n为输出变量总数,上标T表示矩阵的转置。
进一步地,所述在线校正模块10采用在线校正策略对预报模型模块9的参数进行实时校正,通过将预报误差较大的预报数据作为新的训练数据加入训练数据集,来实时修正模型误差:
(1)在线校正模块10获取测量数据的校正值,使其既满足整个装置和单元设备的物料、能量平衡关系,同时又使其与测量值之差的加权平方和最小。
MIp=MIa+ε (10)
其中,MI为熔融指数,MIp为熔融指数测量值,MIa为熔融指数真实值,ε为误差向量,为校正值,U为预报模型参数向量,为待估计参数向量,F为预报模型函数向量,表示丙烯聚合过程物料平衡、能量平衡、化学反应计量关系等化学和物理规律。Q为MI的(n×n)阶方差-协方差矩阵,可由仪表精度或测量样本估计。
(2)在线校正模块10工作时,实时获取t时刻的分析值MIa(t)和预报值MIp(t),计算分析值MIa和预报值MIp的偏差eo(t):
eo(t)=|MIa(t)-MIp(t)| (12)
如果eo(t)大于一正的误差容限εo:
eo(t)>εo (13)
则将t时刻的分析值MIa(t)和参数值x(t)作为新的训练数据{x(t),MIa(t)}加入训练数据集中,并重新训练预报模型模块9的参数,进行预报模型的在线校正。否则,认为模型参数是准确的,无需进行在线校正。
(3)重新训练预报模型模块9参数,对于训练过程模型
其中,E为预报结果的平方误差,UL为待估计参数向量下界,UU为待估计参数向量上界。该模型根据以下公式求解:
(U-UL)zL-μeL=0 (17)
(UU-U)zU-μeU=0 (18)
其中,μ是障碍参数,eL为由zL决定的约束下界UL指示器,eU为由zU决定的约束上界UU指示器。μ的更新方式为:
其中,下标q表示循环迭代计数,εtol为给定的误差容限,参数κμ∈(0,1)、θμ∈(1,2)。
参照图1,现场智能仪表2及控制站3与丙烯聚合生产过程1相连,并且与数据库4相连;在线校正的自适应多尺度预报系统5与数据库4及预报结果显示仪6相连。现场智能仪表2测量丙烯聚合生产过程1的易测变量,将易测变量传输到数据库4;控制站3控制丙烯聚合生产过程1的操作变量,将操作变量传输到数据库4。数据库4中记录的变量数据作为在线校正的自适应多尺度预报系统5的输入,预报结果显示仪6用于显示在线校正的自适应多尺度预报系统5的输出,即预报结果。
根据反应机理以及流程工艺分析,考虑到聚丙烯生产过程中对熔融指数产生影响的各个因素,取实际生产过程中常用的九个操作变量和易测变量作为模型输入变量,包括:三股丙烯进料流率,主催化剂流率,辅催化剂流率,釜内温度、压强、液位,釜内氢气体积浓度等。
表1:在线校正的自适应多尺度预报系统5所需模型输入变量
表1列出了作为在线校正的自适应多尺度预报系统5输入的9个模型输入变量,分别为釜内温度(T)、釜内压强(p)、釜内液位(L)、釜内氢气体积浓度(Xv)、3股丙烯进料流率(第一股丙烯进料流率f1,第二股丙烯进料流率f2,第三股丙烯进料流率f3)、2股催化剂进料流率(主催化剂流率f4,辅催化剂流率f5)。反应釜中的聚合反应是反应物料反复混合后参与反应的,因此模型输入变量涉及物料的过程变量采用前若干时刻的平均值。此例中数据采用前一小时的平均值。熔融指数离线化验值通过人工取样、离线化验分析获得,每4小时分析采集一次。
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。
Claims (1)
1.一种在线校正的丙烯聚合生产过程自适应多尺度预报系统,用于对丙烯聚合生产过程进行熔融指数预报,其特征在于:包括数据预处理模块、多尺度分析模块、预报模型模块以及在线校正模块;
其中,mean为各变量的算术平均值,std为各变量的标准差,为输入变量的值,下标r为第r次检测、s为第s维变量,xrs为标准化后输入变量的值作为输入数据;标准化后的数据为S={xr1,xr2,...,xr9};
所述自适应多尺度分析模块,用于将输入数据进行自适应多尺度分析处理,不需要预先分析和研究,自适应地以将输入数据序列分解为内涵模态分量,以获取高频和低频多尺度下的数据信息:
(1)从i=1开始,进行第i个内涵模态hi的筛选,识别熔融指数数据序列MI(t)中的所有局部极值,将所有局部最大值通过三次样条插值作为上包络线mUi,再将所有局部最小值通过三次样条插值作为下包络线mLi;
(2)提取第i个分量hi如下:
mi=mUi-mLi (2)
hi=MI(t)-mi (3)
其中,mi为上下包络线的均值,MI(t)为时刻t的熔融指数值;
(3)如果hi满足:局部对称、所有局部最大值均为正、所有局部最小值均为负,以上三个条件,则继续下一步骤;否则,将hi视为第i个内涵模态的原型hi1,然后继续运算直到得到符合条件的hin:
mi1=mi (4)
hi1=hi (5)
mik=mUik-mLik,k=2,3,…n (6)
hi(k-1)-mik=hik,k=2,3,...n (7)
ci=hik,k=2,3,...n (8)
其中,mi1为hi1的上下包络线包络线均值,k为第k次迭代,hik为第i个内涵模态第k次迭代时的函数,mUik为hik的上包络线,mLik为hik的下包络线,mik为上下包络线的均值,hi(k-1)为第i个内涵模态第k-1次迭代时的函数,ci为第i个内涵模态;
(4)令i=i+1,MIi+1(t)=MIi(t)-ci,其中MIi(t)为找到第i个内涵模态后的余项,MIi+1(t)为找到第i+1个内涵模态后的余项,回到步骤(2),直到剩余的MIi+1(t)无法继续分解,得到余差MIi+1(t);
所述预报模型模块使用统计建模方法,通过误差函数最小化来完成输入参数到输出熔融指数预报值的高度非线性映射,映射中保持拓扑不变性:
其中Γ表示目标函数、w表示惯性权重、ξ表示误差、C表示惩罚因子、u表示权重系数、β表示核函数映射、b表示偏置、x为输入数据、y为输出数据,下标i表示第i个数据,n为输出变量总数,上标T表示矩阵的转置;
所述在线校正模块采用在线校正策略对预报模型模块的参数进行实时校正,通过将预报误差较大的预报数据作为新的训练数据加入训练数据集,来实时修正模型误差:
(1)在线校正模块获取测量数据的校正值,使其既满足整个装置和单元设备的物料、能量平衡关系,同时又使其与测量值之差的加权平方和最小;
MIp=MIa+ε (10)
其中,MI为熔融指数,MIp为熔融指数测量值,MIa为熔融指数真实值,ε为误差向量,为校正值,U为预报模型参数向量,为待估计参数向量,F为预报模型函数向量,表示丙烯聚合过程物料平衡、能量平衡和化学反应计量关系;Q为MI的(n×n)阶方差-协方差矩阵,可由仪表精度或测量样本估计;
(2)在线校正模块工作时,实时获取t时刻的分析值MIa(t)和预报值MIp(t),计算分析值MIa和预报值MIp的偏差eo(t):
eo(t)=|MIa(t)-MIp(t)| (12)
如果eo(t)大于一正的误差容限εo:
eo(t)>εo (13)
则将t时刻的分析值MIa(t)和参数值x(t)作为新的训练数据{x(t),MIa(t)}加入训练数据集中,并重新训练预报模型参数,进行预报模型的在线校正;否则,认为模型参数是准确的,无需进行在线校正;
(3)重新训练预报模型参数,对于训练过程模型
其中,E为预报结果的平方误差,UL为待估计参数向量下界,UU为待估计参数向量上界;该模型根据以下公式求解:
(U-UL)zL-μeL=0 (17)
(UU-U)zU-μeU=0 (18)
其中,μ是障碍参数,eL为由zL决定的约束下界UL指示器,eU为由zU决定的约束上界UU指示器;μ的更新方式为:
其中,下标q表示循环迭代计数,εtol为给定的误差容限,参数κμ∈(0,1)、θμ∈(1,2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811628007.2A CN109711628B (zh) | 2018-12-28 | 2018-12-28 | 一种在线校正的丙烯聚合生产过程自适应多尺度预报系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811628007.2A CN109711628B (zh) | 2018-12-28 | 2018-12-28 | 一种在线校正的丙烯聚合生产过程自适应多尺度预报系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109711628A CN109711628A (zh) | 2019-05-03 |
CN109711628B true CN109711628B (zh) | 2021-04-09 |
Family
ID=66259231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811628007.2A Expired - Fee Related CN109711628B (zh) | 2018-12-28 | 2018-12-28 | 一种在线校正的丙烯聚合生产过程自适应多尺度预报系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109711628B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759834A (zh) * | 2020-06-05 | 2021-12-07 | 中国石油天然气股份有限公司 | 一种混沌多尺度智能最优丙烯聚合过程测量仪表 |
CN113764049A (zh) * | 2020-06-05 | 2021-12-07 | 中国石油天然气股份有限公司 | 一种聚丙烯生产质量检测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127326A (zh) * | 2016-05-16 | 2016-11-16 | 葛龙 | 一种化工材料加工熔融指数预报方法 |
CN108958181A (zh) * | 2018-06-28 | 2018-12-07 | 浙江大学 | 一种敏捷的丙烯聚合生产过程最优软测量仪表 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108804851A (zh) * | 2018-06-28 | 2018-11-13 | 浙江大学 | 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 |
-
2018
- 2018-12-28 CN CN201811628007.2A patent/CN109711628B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127326A (zh) * | 2016-05-16 | 2016-11-16 | 葛龙 | 一种化工材料加工熔融指数预报方法 |
CN108958181A (zh) * | 2018-06-28 | 2018-12-07 | 浙江大学 | 一种敏捷的丙烯聚合生产过程最优软测量仪表 |
Non-Patent Citations (4)
Title |
---|
"8.1.2 EMD的基本原理";何正嘉 等;《现代信号处理及工程应用》;20071031;第222-224页 * |
"A method to incorporate bounds in data reconciliation and gross error detection-I. The bounded data reconciliation Problem";Narasimhan S.等;《Computers and Chemical Engineering》;19931231;第1116-1118页 * |
"智能支持向量机方法及其在丙烯聚合熔融指数预报中的应用";蒋华琴;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20120715;第1.5节、第2.4节、第5章 * |
蒋华琴."智能支持向量机方法及其在丙烯聚合熔融指数预报中的应用".《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》.2012, * |
Also Published As
Publication number | Publication date |
---|---|
CN109711628A (zh) | 2019-05-03 |
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 | |
CN101382801B (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 | |
CN101863088B (zh) | 一种橡胶混炼过程中门尼粘度的预报方法 | |
CN101315556B (zh) | 基于Chaos混沌寻优的丙烯聚合生产过程最优软测量仪表及方法 | |
CN109711628B (zh) | 一种在线校正的丙烯聚合生产过程自适应多尺度预报系统 | |
CN108982576A (zh) | 一种混沌高精度的丙烯聚合生产过程最优软测量仪表 | |
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 | |
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 | |
CN102880809A (zh) | 基于关联向量回归模型的聚丙烯熔融指数在线检测方法 | |
CN108803525A (zh) | 一种混沌敏捷高精度的丙烯聚合生产过程最优软测量仪表 | |
CN103823964A (zh) | 一种全局最优丙烯聚合生产过程最优软测量仪表和方法 | |
CN108873838A (zh) | 一种群智寻优的丙烯聚合生产过程最优软测量仪表 | |
CN103823430A (zh) | 智能加权丙烯聚合生产过程最优软测量系统和方法 | |
CN109507889A (zh) | 卷积神经网络的丙烯聚合生产过程最优在线预报系统 | |
CN109726474B (zh) | 一种在线校正的丙烯聚合生产过程多尺度预报系统 | |
CN103839103A (zh) | 丙烯聚合生产过程bp最优预报系统和方法 | |
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 | |
CN108958181A (zh) | 一种敏捷的丙烯聚合生产过程最优软测量仪表 | |
CN103955170A (zh) | 基于群智寻优的丙烯聚合生产过程在线预报系统和方法 | |
CN109445398B (zh) | 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 | |
CN103838206A (zh) | 最优bp多模丙烯聚合生产过程最优软测量仪表和方法 | |
CN103838142A (zh) | 基于混合寻优的丙烯聚合生产过程最优软测量系统和方法 | |
CN103675009B (zh) | 模糊方程的工业熔融指数软测量仪表及方法 | |
CN101281182A (zh) | 铝酸钠溶液组分浓度软测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210409 Termination date: 20211228 |