本發(fā)明涉及化學反應過程分析技術(shù)和機器學習交叉，尤其涉及一種基于機器學習的異氰酸酯含量在線監(jiān)測方法及系統(tǒng)。

背景技術(shù)：

1、聚氨酯是一種具有優(yōu)良的物理化學性能的合成樹脂，廣泛應用于化工、汽車、建筑等多個行業(yè)。但目前在聚氨酯生產(chǎn)過程中，存在工藝過程控制精度不足的問題，這導致批次質(zhì)量波動大，降低了良品率，影響了聚氨酯系列產(chǎn)品的市場推廣。造成這一問題的重要原因是聚合反應終點控制精度不足。反應物料的異氰酸酯含量是反應終點控制的關(guān)鍵參數(shù)。目前在生產(chǎn)中采用人工取樣后，使用二正丁胺滴定法檢測反應物料中剩余的異氰酸酯含量，并以此結(jié)果判斷反應終點。但此方法存在以下弊端，一是滴定檢測操作需要消耗一定的時間，這造成檢測結(jié)果僅能反映取樣時刻的反應情況，并不能反映檢測完成時刻的反應情況，方法的時效性較差，容易造成反應過度和產(chǎn)品質(zhì)量波動。二是執(zhí)行多次檢測操作需要消耗較多的人工成本。

2、隨著生產(chǎn)過程數(shù)字化的發(fā)展，過程分析技術(shù)(pat)受到了越來越多的重視。過程分析技術(shù)通過對化學反應過程中的多種參數(shù)進行實時監(jiān)測和綜合分析，實現(xiàn)對化學反應進程的監(jiān)測。過程分析技術(shù)對提高產(chǎn)品質(zhì)量、提高生產(chǎn)數(shù)字化水平、降低人工成本都具有積極意義。目前可應用于聚氨酯反應進程監(jiān)測的方法有紅外光譜法、粘度法、光散射法、介電法、拉曼光譜法等，綜合考慮設備投資、維護難度、操作人員的技能要求等因素，粘度法為目前最具推廣應用價值的方法。

3、近年來，人工智能技術(shù)迅速發(fā)展，人工智能技術(shù)賦能科學(ai?for?science)成為研究熱點。人工智能技術(shù)為解決困擾化工行業(yè)多年的科學和工程問題提供了新的解決方案。

4、因此，本領(lǐng)域技術(shù)人員亟需提出一種基于機器學習的異氰酸酯含量在線監(jiān)測方法及系統(tǒng)，來解決現(xiàn)有技術(shù)存在的困難。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供了一種基于機器學習的異氰酸酯含量在線監(jiān)測方法及系統(tǒng)，利用異氰酸酯含量定量模型，實時計算出反應物料的異氰酸酯含量并顯示在計算機屏幕上，能夠通過提高聚氨酯生產(chǎn)過程中的終點控制重復性，有效提高生產(chǎn)的批次穩(wěn)定性和產(chǎn)品合格率，并降低人工成本。

2、為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：一種基于機器學習的異氰酸酯含量在線監(jiān)測方法，包括：

3、s1、構(gòu)建數(shù)據(jù)集：在不同溫度下進行實驗，在實驗過程中采集不同時間點反應樣品的實驗數(shù)據(jù)，得到多組實驗數(shù)據(jù)匯總，包含：溫度、粘度以及異氰酸酯滴定含量，構(gòu)成數(shù)據(jù)集；

4、s2、定量模型設計：構(gòu)建異氰酸酯定量模型，以s1中得到的溫度和粘度數(shù)據(jù)作為異氰酸酯定量模型的輸入，異氰酸酯含量的模型預測值作為輸出；

5、s3、模型訓練與評估：基于s1中得到的數(shù)據(jù)集，對s2中異氰酸酯定量模型進行優(yōu)化，得到優(yōu)化后的異氰酸酯定量模型；

6、s4、模型應用：將從反應釜實時采集的溫度和粘度輸入到異氰酸酯含量定量模型中，得到反應物料中實時的異氰酸酯含量并顯示在計算機屏幕上。

7、上述的方法，可選的，s2中異氰酸酯定量模型包括：

8、數(shù)據(jù)預處理模塊：包括異常值過濾和濾波流程；

9、歸一化模塊：將數(shù)據(jù)映射至[min,max]區(qū)間，采用方法為最大值-最小值歸一化，得到歸一化溫度數(shù)據(jù)以及歸一化粘度數(shù)據(jù)；

10、多層感知機：輸入的歸一化溫度數(shù)據(jù)以及歸一化粘度數(shù)據(jù)，輸出歸一化異氰酸酯含量預測數(shù)據(jù)；

11、逆歸一化模塊：將多層感知機輸出的歸一化異氰酸酯含量預測數(shù)據(jù)轉(zhuǎn)化為異氰酸酯含量預測數(shù)據(jù)。

12、上述的方法，可選的，歸一化模塊：將指的是溫度、粘度或者異氰酸酯含量數(shù)據(jù)映射至[min,max]區(qū)間，采用方法為最大值-最小值歸一化，采用以下公式計算：

13、

14、其中：xi為待歸一化數(shù)據(jù)的第i個數(shù)據(jù)，xmin為待歸一化數(shù)據(jù)的最小值，xmax為待歸一化數(shù)據(jù)的最大值，min為待歸一化數(shù)據(jù)映射到目標區(qū)間的下限值，max為待歸一化數(shù)據(jù)映射到目標區(qū)間的上限值，nxi為待歸一化數(shù)據(jù)第i個數(shù)據(jù)歸一化后的值。

15、上述的方法，可選的，多層感知機為定量模型的主體，由輸入層、隱藏層、輸出層構(gòu)成；

16、其中，輸入層為歸一化的溫度和粘度；

17、隱藏層共有k個，k為1至50；

18、每個隱藏層中包含2至100個神經(jīng)元；

19、隱藏層之間各神經(jīng)元的關(guān)系為全連接關(guān)系；

20、各隱藏層的激活函數(shù)選用gelu；

21、輸出層為歸一化的異氰酸酯含量。

22、上述的方法，可選的，逆歸一化：對來自多層感知機的數(shù)據(jù)進行逆歸一化，采用最大值-最小值歸一化的逆運算，采用以下公式計算：

23、

24、其中：xnco,min為數(shù)據(jù)集中異氰酸酯滴定含量數(shù)據(jù)的最小值，xnco,max為數(shù)據(jù)集中異氰酸酯滴定含量數(shù)據(jù)的最大值，nnco,i為歸一化的異氰酸酯含量數(shù)據(jù)，min為歸一化映射到目標區(qū)間的下限值，max為歸一化映射到目標區(qū)間的上限值，為逆歸一化后的值，即為異氰酸酯含量的模型預測值。

25、上述的方法，可選的，s1中構(gòu)建數(shù)據(jù)集包括：

26、對于一個工藝規(guī)定溫度為td℃的反應過程，分別以td±δ℃為工藝控制溫度進行實驗，其中δ為0～50的相異的任意值；在不同溫度下進行不少于3組實驗；

27、在實驗過程中，在不同反應時間點采集反應物料樣品，并使用二正丁胺滴定法測定其異氰酸酯含量，同時記錄取樣時刻的已經(jīng)過異常值過濾和濾波的溫度和粘度數(shù)據(jù)；每個實驗過程中取樣2～50個，將多組實驗數(shù)據(jù)匯總得到若干個數(shù)據(jù)組合，數(shù)據(jù)組合包括：溫度、粘度以及異氰酸酯滴定含量，構(gòu)成數(shù)據(jù)集。

28、上述的方法，可選的，s3中優(yōu)化內(nèi)容包括：

29、將s1中數(shù)據(jù)集中的溫度、粘度、異氰酸酯滴定含量分別進行最大值-最小值歸一化，將歸一化的結(jié)果作為優(yōu)化多層感知機隱藏層參數(shù)的訓練集：將歸一化的溫度和粘度作為多層感知機的輸入數(shù)據(jù)特征；歸一化的異氰酸酯滴定含量作為多層感知機的輸出數(shù)據(jù)標簽；

30、采用均方誤差作為損失函數(shù)，使用優(yōu)化算法對隱藏層參數(shù)進行優(yōu)化；優(yōu)化算法為隨機梯度下降算法；多層感知機的評估采用平均絕對值誤差指標。

31、一種基于機器學習的異氰酸酯含量在線監(jiān)測系統(tǒng)，執(zhí)行上述的任一項所述的一種基于機器學習的異氰酸酯含量在線監(jiān)測方法，包括：反應器、在線粘度計、溫度傳感器、計算機；

32、其中，計算機通過通訊線路與在線粘度計以及溫度傳感器相連，溫度傳感器與在線粘度計布置在反應器內(nèi)部，反應器為聚氨酯發(fā)生聚合反應的容器，為釜式反應器；

33、在線粘度計用于測定物料的實時粘度，為振動式或旋轉(zhuǎn)式；

34、溫度傳感器用于測定物料溫度，應位于在線粘度計附近或集成于在線粘度計內(nèi)部，以盡量降低物料溫度不均勻性對粘度測量值的影響；

35、計算機用于進行數(shù)據(jù)采集和數(shù)據(jù)分析。

36、經(jīng)由上述的技術(shù)方案可知，與現(xiàn)有技術(shù)相比，本發(fā)明一種基于機器學習的異氰酸酯含量在線監(jiān)測方法及系統(tǒng)，具有以下有益效果：

37、在聚氨酯聚合過程中，實時采集反應物料的溫度和粘度并傳入計算機。利用異氰酸酯含量定量模型，實時計算出反應物料的異氰酸酯含量并顯示在計算機屏幕上；本發(fā)明能夠通過提高聚氨酯生產(chǎn)過程中的終點控制重復性，有效提高生產(chǎn)的批次穩(wěn)定性和產(chǎn)品合格率，并降低人工成本。