基于混合尋優(yōu)的丙烯聚合生產(chǎn)過程最優(yōu)軟測量系統(tǒng)和方法
【專利摘要】本發(fā)明公開了一種基于混合尋優(yōu)的丙烯聚合生產(chǎn)過程最優(yōu)軟測量系統(tǒng),包括丙烯聚合生產(chǎn)過程、現(xiàn)場智能儀表、控制站、存放數(shù)據(jù)的DCS數(shù)據(jù)庫、基于混合尋優(yōu)的最優(yōu)軟測量系統(tǒng)以及熔融指數(shù)軟測量值顯示儀。現(xiàn)場智能儀表及控制站與丙烯聚合生產(chǎn)過程相連,與DCS數(shù)據(jù)庫相連;最優(yōu)軟測量系統(tǒng)與DCS數(shù)據(jù)庫及軟測量值顯示儀相連。所述的基于混合尋優(yōu)的最優(yōu)軟測量系統(tǒng)包括模型更新模塊、數(shù)據(jù)預(yù)處理模塊、PCA主成分分析模塊、神經(jīng)網(wǎng)絡(luò)模型模塊以及混合尋優(yōu)優(yōu)化模塊。以及提供了一種用軟測量系統(tǒng)實(shí)現(xiàn)的軟測量方法。本發(fā)明實(shí)現(xiàn)在線測量、在線參數(shù)優(yōu)化、軟測量速度快、模型自動(dòng)更新、抗干擾能力強(qiáng)、精度高。
【專利說明】基于混合尋優(yōu)的丙烯聚合生產(chǎn)過程最優(yōu)軟測量系統(tǒng)和方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種最優(yōu)軟測量系統(tǒng)及方法,具體是一種基于混合尋優(yōu)的丙烯聚合生產(chǎn)過程最優(yōu)軟測量系統(tǒng)及方法。
【背景技術(shù)】
[0002]聚丙烯是由丙烯聚合而制得的一種熱塑性樹脂,丙烯最重要的下游產(chǎn)品,世界丙烯的50%,我國丙烯的65%都是用來制聚丙烯,是五大通用塑料之一,與我們的日常生活密切相關(guān)。聚丙烯是世界上增長最快的通用熱塑性樹脂,總量僅僅次于聚乙烯和聚氯乙烯。為使我國聚丙烯產(chǎn)品具有市場競爭力,開發(fā)剛性、韌性、流動(dòng)性平衡好的抗沖共聚產(chǎn)品、無規(guī)共聚產(chǎn)品、BOPP和CPP薄膜料、纖維、無紡布料,及開發(fā)聚丙烯在汽車和家電領(lǐng)域的應(yīng)用,都是今后重要的研究課題。
[0003]熔融指數(shù)是聚丙烯產(chǎn)品確定產(chǎn)品牌號(hào)的重要質(zhì)量指標(biāo)之一,它決定了產(chǎn)品的不同用途,對(duì)熔融指數(shù)的測量是聚丙烯生產(chǎn)中產(chǎn)品質(zhì)量控制的一個(gè)重要環(huán)節(jié),對(duì)生產(chǎn)和科研,都有非常重要的作用和指導(dǎo)意義。
[0004]然而,熔融指數(shù)的在線分析測量目前很難做到,一方面是在線熔融指數(shù)分析儀的缺乏,另一方面是現(xiàn)有的在線分析儀由于經(jīng)常會(huì)堵塞而測量不準(zhǔn)甚至無法正常使用所導(dǎo)致的使用上的困難。因此,目前工業(yè)生產(chǎn)中MI的測量,主要是通過人工取樣、離線化驗(yàn)分析獲得,而且一般每2-4小時(shí)只能分析一次,時(shí)間滯后大,給丙烯聚合生產(chǎn)的質(zhì)量控制帶來了困難,成為生產(chǎn)中急需解決的一個(gè)瓶頸問題。聚丙烯熔融指數(shù)的在線軟測量系統(tǒng)及方法研究,從而成為學(xué)術(shù)界和工業(yè)界的一個(gè)前沿和熱點(diǎn)。
【發(fā)明內(nèi)容】
[0005]為了克服目前已有的丙烯聚合生產(chǎn)過程的測量精度不高、易受人為因素的影響的不足,本發(fā)明的目的在于提供一種在線測量、在線參數(shù)優(yōu)化、軟測量速度快、模型自動(dòng)更新、抗干擾能力強(qiáng)、精度高的基于混合尋優(yōu)的的丙烯聚合生產(chǎn)過程熔融指數(shù)最優(yōu)軟測量系統(tǒng)及方法。
[0006]本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:
[0007]—種基于混合尋優(yōu)的的丙烯聚合生產(chǎn)過程最優(yōu)軟測量系統(tǒng),包括丙烯聚合生產(chǎn)過程、用于測量易測變量的現(xiàn)場智能儀表、用于測量操作變量的控制站、存放數(shù)據(jù)的DCS數(shù)據(jù)庫、基于混合尋優(yōu)的最優(yōu)軟測量系統(tǒng)以及熔融指數(shù)軟測量顯示儀,所述現(xiàn)場智能儀表、控制站與丙烯聚合生產(chǎn)過程連接,所述現(xiàn)場智能儀表、控制站與DCS數(shù)據(jù)庫連接,所述DCS數(shù)據(jù)庫與基于混合尋優(yōu)的最優(yōu)軟測量系統(tǒng)的輸入端連接,所述基于混合尋優(yōu)的最優(yōu)軟測量系統(tǒng)的輸出端與熔融指數(shù)軟測量顯示儀連接,其特征在于:所述基于混合尋優(yōu)的最優(yōu)軟測量系統(tǒng)包括:(I )、數(shù)據(jù)預(yù)處理模塊,用于將從DCS數(shù)據(jù)庫輸入的模型輸入變量進(jìn)行預(yù)處理,對(duì)輸入變量中心化,即減去變量的平均值;再進(jìn)行歸一化處理,即除以變量值的變化區(qū)間;
[0008](2)、PCA主成分分析模塊,用于將輸入變量預(yù)白化處理及變量去相關(guān),通過對(duì)輸入變量施加一個(gè)線性變換實(shí)現(xiàn),即主成分由C=MU得到,其中M為輸入變量,C為主成分得分矩陣,U為載荷矩陣。若對(duì)原始數(shù)據(jù)進(jìn)行重構(gòu),可由M=CUt計(jì)算,其中上標(biāo)T表示矩陣的轉(zhuǎn)置。當(dāng)選取的主成分?jǐn)?shù)目小于輸入變量的變量個(gè)數(shù)時(shí),M=CUT+E,其中E為殘差矩陣;
[0009](3)、神經(jīng)網(wǎng)絡(luò)模型模塊,用于采用RBF神經(jīng)網(wǎng)絡(luò)、通過誤差函數(shù)最小化來完成輸入到輸出的一種高度非線性映射,映射中保持拓?fù)洳蛔冃裕?br>
[0010](4)、混合尋優(yōu)優(yōu)化模塊,用于采用基于HPSO-SA算法的優(yōu)化模塊對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,包括:
[0011](4.1)算法初始化,根據(jù)待優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)造出初始的粒子群體X= (χ1, X2,…,Xn),初始移動(dòng)速度V= (v1, V2,…,Vn),初始的各粒子歷代最優(yōu)值OP= (P1, X2,...,Pn)和全局最優(yōu)值Ps ;
[0012](4.2)通過下式執(zhí)行HPSO算法,讓粒子群收斂:
【權(quán)利要求】
1.一種基于混合尋優(yōu)的丙烯聚合生產(chǎn)過程最優(yōu)軟測量系統(tǒng),包括丙烯聚合生產(chǎn)過程、用于測量易測變量的現(xiàn)場智能儀表、用于測量操作變量的控制站、存放數(shù)據(jù)的DCS數(shù)據(jù)庫、基于混合尋優(yōu)的最優(yōu)軟測量系統(tǒng)以及熔融指數(shù)軟測量顯示儀,所述現(xiàn)場智能儀表、控制站與丙烯聚合生產(chǎn)過程連接,所述現(xiàn)場智能儀表、控制站與DCS數(shù)據(jù)庫連接,所述DCS數(shù)據(jù)庫與基于混合尋優(yōu)的的最優(yōu)軟測量模型的輸入端連接,所述基于混合尋優(yōu)的最優(yōu)軟測量系統(tǒng)的輸出端與熔融指數(shù)軟測量顯示儀連接,其特征在于:所述基于混合尋優(yōu)的最優(yōu)軟測量系統(tǒng)包括: (1)、數(shù)據(jù)預(yù)處理模塊,用于將從DCS數(shù)據(jù)庫輸入的模型輸入變量進(jìn)行預(yù)處理,對(duì)輸入變量中心化,即減去變量的平均值;再進(jìn)行歸一化處理,即除以變量值的變化區(qū)間; (2)、PCA主成分分析模塊,用于將輸入變量預(yù)白化處理及變量去相關(guān),通過對(duì)輸入變量施加一個(gè)線性變換實(shí)現(xiàn),即主成分由C=MU得到,其中M為輸入變量,C為主成分得分矩陣,U為載荷矩陣。若對(duì)原始數(shù)據(jù)進(jìn)行重構(gòu),可由M=CUt計(jì)算,其中上標(biāo)T表示矩陣的轉(zhuǎn)置。當(dāng)選取的主成分?jǐn)?shù)目小于輸入變量的變量個(gè)數(shù)時(shí),M=CUT+E,其中E為殘差矩陣; (3)、神經(jīng)網(wǎng)絡(luò)模型模塊,用于采用RBF神經(jīng)網(wǎng)絡(luò)、通過誤差函數(shù)最小化來完成輸入到輸出的一種高度非線性映射,映射中保持拓?fù)洳蛔冃裕? (4)、混合尋優(yōu)優(yōu)化模塊,用于采用基于粒子群-模擬退火(HPSO-SA)混合算法的優(yōu)化模塊對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,包括: (4.1)算法初始化,根據(jù)待優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)造出初始的粒子群體X= (x1, X2,…,xN),初始移動(dòng)速度V= (v1, V2,…,vN),初始的各粒子歷代最優(yōu)值OP= (P1, P2,...,Pn)和全局最優(yōu)值Pg ; (4.2)通過下式執(zhí)行HPSO算法,讓粒子群收斂:xUi=K+vIi⑴ vIu = + m 4)+c2ri (Pt - 4)(2) 式中X為粒子的位置向量,i為粒子的序號(hào),k為算法迭代代數(shù),V為粒子速度,P表示初始的各粒子歷代最優(yōu)值OP= (P1, P2,…,pN)和全局最優(yōu)值Pg的最優(yōu)值集合。Vk1為第k次迭代代數(shù)中第i個(gè)粒子的速度第k次迭代代數(shù)中第i個(gè)粒子的位置向量;pki為第k次迭代代數(shù)中第i個(gè)粒子的歷代最優(yōu)位置,Pi為第i個(gè)粒子的歷代最優(yōu)解,w為速度權(quán)重系數(shù),C1, C2分別為粒子歷代最優(yōu)解和群體最優(yōu)解的吸引系數(shù),分別為隨機(jī)數(shù)。 (4.3)待粒子群收斂到合適的程度時(shí),開始對(duì)各個(gè)粒子的歷代最優(yōu)解組成的集合(best1, best2,…,bestN)執(zhí)行SA算法,得到的最優(yōu)解作為算法的最后結(jié)果返回。 所述基于混合尋優(yōu)的最優(yōu)軟測量系統(tǒng)還包括:模型更新模塊,用于模型的在線更新,定期將離線化驗(yàn)數(shù)據(jù)輸入到訓(xùn)練集中,更新神經(jīng)網(wǎng)絡(luò)模型。 所述的基于混合尋優(yōu)的的丙烯聚合生產(chǎn)過程最優(yōu)軟測量系統(tǒng),其特征在于=PCA主成分分析模塊中,PCA方法實(shí)現(xiàn)輸入變量的預(yù)白化處理,能夠簡化神經(jīng)網(wǎng)絡(luò)模型的輸入變量,進(jìn)而提聞1旲型的性能。
2.一種用如權(quán)利要求1所述的基于混合尋優(yōu)的的聚丙烯生產(chǎn)過程最優(yōu)軟測量系統(tǒng)實(shí)現(xiàn)的軟測量方法,其特征在于:所述軟測量方法具體實(shí)現(xiàn)步驟如下: (4.1)對(duì)丙烯聚合生產(chǎn)過程對(duì)象,根據(jù)工藝分析和操作分析,選擇操作變量和易測變量作為模型的輸入,一般操作變量和易測變量取溫度、壓力、液位、氫氣氣相百分?jǐn)?shù)、3股丙烯進(jìn)料流速和2股催化劑進(jìn)料流速這些變量,由DCS數(shù)據(jù)庫獲得; (4.2)對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理,對(duì)輸入變量中心化,即減去變量的平均值;再進(jìn)行歸一化處理,即除以變量值的變化區(qū)間; (4.3)PCA主成分分析模塊,用于將輸入變量預(yù)白化處理及變量去相關(guān),通過對(duì)輸入變量施加一個(gè)線性變換實(shí)現(xiàn),即主成分由C=MU得到,其中M為輸入變量,C為主成分得分矩陣,U為載荷矩陣。若對(duì)原始數(shù)據(jù)進(jìn)行重構(gòu),可由M=CUt計(jì)算,其中上標(biāo)T表示矩陣的轉(zhuǎn)置。當(dāng)選取的主成分?jǐn)?shù)目小于輸入變量的變量個(gè)數(shù)時(shí),M=CUT+E,其中E為殘差矩陣; (4.4)基于模型輸入、輸出數(shù)據(jù)建立初始神經(jīng)網(wǎng)絡(luò)模型,采用RBF神經(jīng)網(wǎng)絡(luò),通過誤差最小化來完成輸入到輸出的一種高度非線性映射,映射中保持拓?fù)洳蛔冃裕? (4.5)采用基于HPSO-SA算法的優(yōu)化模塊對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,包括: (4.5.1)算法初始化,根據(jù)待優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)造出初始的粒子群體X= (x1, X2,…,Xn),初始移動(dòng)速度V= (v1, V2,…,Vn),初始的各粒子歷代最優(yōu)值OP= (P1, P2,...,Pn)和全局最優(yōu)值Ps ; (4.5.2)通過下式執(zhí)行HPSO算法,讓粒子群收斂:
【文檔編號(hào)】G05B13/04GK103838142SQ201310658804
【公開日】2014年6月4日 申請(qǐng)日期:2013年12月9日 優(yōu)先權(quán)日:2013年12月9日
【發(fā)明者】劉興高, 李九寶 申請(qǐng)人:浙江大學(xué)