【摘要】 本发明公开了一种基于多重先验知识混合模型的聚丙烯熔融指数预报方法。本发明充分发掘利用聚丙烯工业现场先验知识，将各种先验知识有机融合，并以非线性等式约束的形式嵌入到多层感知器神经网络中，同时基于增广拉格朗日乘子法约束处理机制，用粒子群优化算法优化网络权值。在多重先验知识神经网络模型的基础上，将其与聚丙烯熔融指数简化机理模型有机结合为调和平均混合软测量模型。本发明提出的多重先验知识混合软测量建模方法，不仅有很好的拟合预测能力，而且增强了模型外推能力，可以实现模型外推性和对聚丙烯熔融指数预测精度的良好统一。同时能避免零增益和增益反转，确保在实际聚丙烯熔融指数质量闭环控制应用中的安全性。 【专利类型】发明授权 【申请人】浙江大学 【申请人类型】学校 【申请人地址】310027 浙江省杭州市西湖区浙大路38号 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210055017.8 【申请日】2012-03-05 【申请年份】2012 【公开公告号】CN102609593B 【公开公告日】2014-01-08 【公开公告年份】2014 【授权公告号】CN102609593B 【授权公告日】2014-01-08 【授权公告年份】2014.0 【IPC分类号】G06F17/50 【发明人】苏宏业; 娄海川; 谢磊; 古勇; 侯卫锋; 荣冈 【主权项内容】1.基于多重先验知识混合模型的聚丙烯熔融指数预报方法，其特征在于包括以下步骤： 1)从现场DCS站和实验室化验台中采集聚丙烯生产过程关键辅助变量和主导变量的数据作为训练样本； 2)应用数据预处理模块，包括小波阈值去噪、鲁棒尺度离值点检测和剔除以及最大最小归一化方法对训练样本进行预处理，从而获得平滑可靠的建模数据； 3)建立归一化互信息时延辨识模块，利用该辨识模块得到时延，对聚丙烯熔融指数预报模型的辅助变量和主导变量进行时序匹配； 4)充分发掘和利用聚丙烯工业现场先验知识，将各种先验知识有机融合，并以非线性不等式约束的形式嵌入到多层感知器神经网络中，构建多重先验知识神经网络模型模块； 5)基于增广拉格朗日乘子法约束处理机制，构建有约束粒子群优化模块对先验知识神经网络权值进行在线优化； 6)在构建多重先验知识神经网络模型的基础上，将该模型与聚丙烯熔融指数简化机理模型模块有机结合为调和平均混合软测量预报模型对聚丙烯熔融指数进行预报； 所述的建立归一化互信息时延辨识模块，得到时延Td, i的具体步骤为： (2-1)设定主导变量聚丙烯熔融指数MI的采样周期为Ts=T, 辅助变量ui的采样周期为ts，确定最大滞后步长Dmax为 其中i=1, 2, …n； (2-2)根据滞后步长的大小将各辅助变量ui的样本数据重新排列，[ui(t), ui(t-1), …, ui(t-d), …, ui(t-Dmax)]，d为待确定的时延；经过数据的重新排列等价于将每一个变量转化为Dmax+1个子变量，其中Dmax+1个子变量中每个变量的样本数等于主导变量样本数Nmi； (2-3)利用下式归一化互信息方法求出Dmax+1个子变量与主导变量的归一化互信息NMI， 其中p(ui(t-j))和p(MI)分别为子变量和主导变量熔融指数的概率，p(ui(t-j), MI)为联合概率； 可得辅助变量ui对应的时延步长为 di=arg?max{NMIj, i}, j=1, 2, …, Dmax+1 则得到时延Td, i=di×ts； 所述的构建多重先验知识神经网络模型模块的步骤： (3-1)构建多重先验知识神经网络 式中，ii, jj, k分别为输入节点、隐节点、输出节点个数；xii，yk分别对应模型输入输出；wj1i，wkj1，wki和bk分别为输入层对隐层，隐层对输出层，输入层对输出层的权值和输出层阈值；非线性隐节点采用非线性Sigmoid激活函数， 线性隐节点采用线性激活函数Φj2(x)=x, j2=m+1, …, jj (3-2)挖掘聚丙烯现场先验知识，包括过程增益及其特性，过程的单调性，以及过程特性曲线凹凸性，具体如下： 1)过程增益及其特性： 并给定增益约束 其中，hj1为隐层节点，mi, Mi分别为增益最小和最大值，根据现场或实际经验给出；当wj1iwkj1>0时保证增益单调衰减，当wj1iwkj1<0时保证增益平滑增加； 2)过程的单调性：当过程单调递增，则 当单调递减，则 3)过程特性曲线凹凸性： 即当 时，过程特性曲线显凹性，反之当 时，为凸性； (3-3)设计目标函数；把误差项作为目标函数的基础上，将各种先验知识直接用非线性不等式约束来表示： s.t. wj1iwkj1>0, or?wj1iwkj1<0 ； 所述的调和平均混合软测量预报模型的步骤： (4-1)由采集的聚丙烯现场主导变量和辅助变量数据，用无约束优化算法优化聚丙烯熔融指数简单机理模型参数； (4-2)由采集的现场主导变量和辅助变量数据，根据建立的目标函数，用增广拉格朗日乘子粒子群优化模块优化多重先验知识神经网络权值参数，得到多重先验知识神经网络模型； (4-3)构建调和平均混合软测量模型 其中， 分别为多重先验知识神经网络模型、熔融指数简单机理模型和调和平均混合软测量模型，w1, w2为多重先验知识神经网络模型、熔融指数简单机理模型的权重，采用调和平均法获得。 【当前权利人】浙江大学 【当前专利权人地址】浙江省杭州市西湖区浙大路38号 【专利权人类型】公立 【统一社会信用代码】12100000470095016Q 【引证次数】5.0 【自引次数】2.0 【他引次数】3.0 【家族引证次数】5.0 【家族被引证次数】20

未经允许不得转载：http://www.zhongzhencnc.com/1791599089.html