基于RBF神經(jīng)網(wǎng)絡(luò)的智能仿生建模及其在聚丙烯生產(chǎn)過(guò)程中的應(yīng)用.pdf

1、聚丙烯熔融指數(shù)（Melt Index，MI）是丙烯聚合生產(chǎn)過(guò)程質(zhì)量控制的重要環(huán)節(jié)，它決定了產(chǎn)品的不同牌號(hào)和不同牌號(hào)產(chǎn)品的質(zhì)景。由于在線分析儀表的缺乏特別是使用上的困難，熔融指數(shù)的測(cè)量主要通過(guò)人工取樣、離線化驗(yàn)分析的方式獲得，間隔和延遲很大，給生產(chǎn)質(zhì)量控制帶來(lái)了困難，從而使MI預(yù)報(bào)成為烯烴聚合生產(chǎn)控制研究的一個(gè)前沿和熱點(diǎn)。 本文針對(duì)丙烯聚合生產(chǎn)過(guò)程所具有的強(qiáng)相關(guān)性、強(qiáng)非線性等生產(chǎn)過(guò)程特性，以及統(tǒng)計(jì)建模所面臨的參數(shù)選擇上的隨機(jī)性和不

2、同建模者所帶來(lái)的人為因索的影響等問(wèn)題，將智能仿生優(yōu)化方法與主元分析、神經(jīng)網(wǎng)絡(luò)等統(tǒng)計(jì)方法相結(jié)合來(lái)開(kāi)展工作，以期得到聚丙烯生產(chǎn)熔融指數(shù)的最優(yōu)軟測(cè)量模型，提高模型的預(yù)報(bào)精度，消除統(tǒng)計(jì)建模人為因素等隨機(jī)性影響。 全文主要工作及貢獻(xiàn)如下： 1．介紹了聚合工業(yè)及聚丙烯生產(chǎn)的相關(guān)背景知識(shí)和統(tǒng)計(jì)建模方法以及智能仿生方法，并對(duì)丙烯聚合過(guò)程熔融指數(shù)預(yù)報(bào)的研究現(xiàn)狀進(jìn)行了綜述性研究。 2．針對(duì)丙烯聚合生產(chǎn)過(guò)程的強(qiáng)非線性、強(qiáng)相關(guān)性，建立了

3、基于徑向基神經(jīng)網(wǎng)絡(luò)方法和主元分析法相結(jié)合的PCA—RBF熔融指數(shù)預(yù)報(bào)模型，并以某石化企業(yè)聚內(nèi)烯生產(chǎn)過(guò)程的工業(yè)生產(chǎn)實(shí)際數(shù)據(jù)作為實(shí)例進(jìn)行研究，結(jié)果表明常規(guī)的PCA—RBF模型不能滿足工業(yè)生產(chǎn)要求。 3．在PCA—RBF預(yù)報(bào)模型的基礎(chǔ)上，提出了一種基于Logistic映射函數(shù)的混沌尋優(yōu)方法的PCR（PCA—Chaos—RBF）最優(yōu)熔融指數(shù)預(yù)報(bào)模型，對(duì)關(guān)鍵參數(shù)進(jìn)行自動(dòng)尋優(yōu)，工業(yè)實(shí)際數(shù)據(jù)的研究結(jié)果表明了所提出的最優(yōu)MI預(yù)報(bào)模型的有效性。

4、 4．在以上研究的基礎(chǔ)上，考慮到混沌尋優(yōu)方法的局限性，進(jìn)一步引入遺傳算法，提出了聚丙烯生產(chǎn)熔融指數(shù)預(yù)報(bào)的PCGR（PCA—Chaos—GA—RBF）全局最優(yōu)模型，其中混沌尋優(yōu)用以優(yōu)化幾個(gè)關(guān)鍵參數(shù)，工業(yè)實(shí)例研究結(jié)果表明了所建立的預(yù)報(bào)模型的有效性；同時(shí)進(jìn)一步建立了過(guò)程的PGR（PCA—GA—RBF）全局最優(yōu)模型，并與PCGR模型進(jìn)行了詳細(xì)的比較研究，工業(yè)實(shí)例研究結(jié)果表明二者具有幾乎相同的預(yù)報(bào)精度，表明了在MI預(yù)報(bào)中遺傳算法所具有的良好