數(shù)據(jù)驅(qū)動技術(shù)及其在聚丙烯生產(chǎn)過程中的應(yīng)用研究.pdf

1、聚合過程監(jiān)測與故障診斷、聚合物生產(chǎn)過程調(diào)優(yōu)以及聚合物重要質(zhì)量指標預(yù)測等研究,交叉了化學(xué)反應(yīng)工程和過程系統(tǒng)工程等學(xué)科,無論在理論研究還是實際應(yīng)用方面都是目前急待解決的前沿研究課題。聚合過程具有高度復(fù)雜性、耦合性和強非線性等特點,導(dǎo)致聚合過程研究存在較大困難。隨著計算機技術(shù)和信息化水平的不斷提高,聚合物生產(chǎn)企業(yè)可以輕易獲得大量生產(chǎn)數(shù)據(jù),采用數(shù)據(jù)驅(qū)動技術(shù)可以從大量生產(chǎn)數(shù)據(jù)中獲取信息并加以利用,將數(shù)據(jù)驅(qū)動技術(shù)引入到聚合過程研究中得到了越來越廣泛

2、的關(guān)注。
　　 針對常規(guī)數(shù)據(jù)驅(qū)動方法所存在的不足,提出了組合神經(jīng)網(wǎng)絡(luò)建模方法、改進多尺度主元分析方法和改進混沌粒子群優(yōu)化算法等改進數(shù)據(jù)驅(qū)動方法,并將其應(yīng)用于聚丙烯生產(chǎn)過程研究中,開展了聚丙烯熔融指數(shù)軟測量、丙烯聚合過程監(jiān)測與故障診斷和聚丙烯最優(yōu)牌號切換等研究工作,取得了以下研究成果:
　　 (1)針對單一神經(jīng)網(wǎng)絡(luò)建模存在預(yù)測精度較低的缺點,提出了一種組合神經(jīng)網(wǎng)絡(luò)建模方法。通過將多個單一神經(jīng)網(wǎng)絡(luò)模型合理組合在一起,可顯著提

3、高模型的預(yù)測精度。由于選擇合適的組合權(quán)重系數(shù)對取得良好模型預(yù)測性能是至關(guān)重要的,因此提出了兩種求取組合權(quán)重系數(shù)的方法,分別是最小化最大絕對預(yù)測誤差方法和嶺回歸分析方法。熔融指數(shù)是決定聚丙烯牌號的最重要參數(shù),但由于缺乏合適的在線測量儀表,導(dǎo)致熔融指數(shù)測量存在較大時滯,無法有效實現(xiàn)聚丙烯質(zhì)量控制,因此將組合神經(jīng)網(wǎng)絡(luò)應(yīng)用于聚丙烯熔融指數(shù)軟測量研究中。研究結(jié)果表明,與單一神經(jīng)網(wǎng)絡(luò)模型相比,基于組合神經(jīng)網(wǎng)絡(luò)的聚丙烯熔融指數(shù)軟測量模型具有更佳的預(yù)測

4、精度;
　　 (2)針對常規(guī)多尺度主元分析在數(shù)據(jù)去噪方面所存在的不足,提出了一種改進多尺度主元分析方法。針對過程數(shù)據(jù)所具有的隨機性、非平穩(wěn)性及含有大量噪聲等特點,首先采用改進小波閾值去噪方法去除過程數(shù)據(jù)中的大部分高頻隨機噪聲,提高數(shù)據(jù)的置信度,然后運用小波多尺度分解方法,將每個變量依次分解成逼近系數(shù)和細節(jié)系數(shù),建立各個尺度矩陣相對應(yīng)的主元分析模型,最后對小波系數(shù)進行重構(gòu)得到了綜合尺度主元分析模型。為了提高聚丙烯生產(chǎn)過程的穩(wěn)定性,

5、將改進多尺度主元分析方法應(yīng)用于丙烯聚合過程監(jiān)測與故障診斷研究中。研究結(jié)果表明,與常規(guī)多尺度主元分析相比,改進多尺度主元分析減少了丙烯聚合過程的故障誤報率和漏報率,大幅度提高了丙烯聚合過程監(jiān)測與故障診斷的精度;
　　 (3)針對常規(guī)粒子群優(yōu)化算法存在的收斂速度慢、易陷入局部極值等缺點,提出了一種改進混沌粒子群優(yōu)化算法。通過算法混合,將混沌搜索融入到粒子群優(yōu)化算法中,建立了早熟收斂判斷和處理機制,以幫助種群擺脫局部最優(yōu),提高了優(yōu)化算