基于RBF神经网络的智能仿生建模及其在聚丙烯生产过程中的应用

论文摘要

聚丙烯熔融指数（Melt Index,MI）是丙烯聚合生产过程质量控制的重要环节,它决定了产品的不同牌号和不同牌号产品的质量。由于在线分析仪表的缺乏特别是使用上的困难,熔融指数的测量主要通过人工取样、离线化验分析的方式获得,间隔和延迟很大,给生产质量控制带来了困难,从而使MI预报成为烯烃聚合生产控制研究的一个前沿和热点。本文针对丙烯聚合生产过程所具有的强相关性、强非线性等生产过程特性,以及统计建模所面临的参数选择上的随机性和不同建模者所带来的人为因素的影响等问题,将智能仿生优化方法与主元分析、神经网络等统计方法相结合来开展工作,以期得到聚丙烯生产熔融指数的最优软测量模型,提高模型的预报精度,消除统计建模人为因素等随机性影响。全文主要工作及贡献如下:1.介绍了聚合工业及聚丙烯生产的相关背景知识和统计建模方法以及智能仿生方法,并对丙烯聚合过程熔融指数预报的研究现状进行了综述性研究。2.针对丙烯聚合生产过程的强非线性、强相关性,建立了基于径向基神经网络方法和主元分析法相结合的PCA-RBF熔融指数预报模型,并以某石化企业聚丙烯生产过程的工业生产实际数据作为实例进行研究,结果表明常规的PCA-RBF模型不能满足工业生产要求。3.在PCA-RBF预报模型的基础上,提出了一种基于Logistic映射函数的混沌寻优方法的PCR（PCA-Chaos-RBF）最优熔融指数预报模型,对关键参数进行自动寻优,工业实际数据的研究结果表明了所提出的最优MI预报模型的有效性。4.在以上研究的基础上,考虑到混沌寻优方法的局限性,进一步引入遗传算法,提出了聚丙烯生产熔融指数预报的PCGR（PCA-Chaos-GA-RBF）全局最优模型,其中混沌寻优用以优化几个关键参数,工业实例研究结果表明了所建立的预报模型的有效性;同时进一步建立了过程的PGR（PCA-GA-RBF）全局最优模型,并与PCGR模型进行了详细的比较研究,工业实例研究结果表明二者具有几乎相同的预报精度,表明了在MI预报中遗传算法所具有的良好的全局寻优能力,将具有良好的应用前景。5.本文将以上研究结果与国内外公开文献报道结果进行了详细的比较研究,结果表明本文所提出的PCGR模型和PGR模型在工业实际生产数据上的推广测试预报结果均方根误差分别可达1.19%、1.25%,与国际上到目前为止所报道的最好结果1.51%（Han教授在Journal of Applied Polymer Science上的公开结果）相比,分别将预测误差减少了21.2%、17.2%。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 丙烯聚合工业及熔融指数的预报
• 1.2.1 聚合工业
• 1.2.2 聚丙烯
• 1.2.3 丙烯聚合生产工艺
• 1.2.4 熔融指数
• 1.2.5 MI预报国内外研究现状
• 1.3 统计建模方法
• 1.3.1 工业过程中的几个问题
• 1.3.2 通过统计建模解决工业过程中的问题
• 1.3.3 统计学习理论和支持向量机
• 1.4 智能仿生方法
• 1.4.1 人工智能
• 1.4.2 智能仿生
• 1.5 本文研究意义及结构
• 1.5.1 本文研究意义
• 1.5.2 本文结构
• 第2章 PCA-RBF神经网络模型的建立
• 2.1 RBF神经网络方法
• 2.1.1 结构原理
• 2.1.2 RBF神经网络与 BP神经网络的比较
• 2.2 主元分析法
• 2.2.1 问题的提出
• 2.2.2 多维推广
• 2.2.3 贡献率和累积贡献率
• 2.3 PCA-RBF神经网络模型在MI预报中的应用
• 2.3.1 丙烯聚合生产过程
• 2.3.2 过程变量的确定
• 2.3.3 建模数据的采集和最小样本数的确定
• 2.3.4 预报模型评价指标
• 2.3.5 MI预报的PCA-RBF神经网络建模
• 2.3.6 仿真结果与分析
• 2.4 小结
• 第3章 混沌方法和 PCR建模研究
• 3.1 混沌理论
• 3.1.1 简介
• 3.1.2 混沌理论的发展及应用现状
• 3.2 混沌寻优
• 3.2.1 Logistic映射函数
• 3.2.2 混沌寻优算法实施步骤
• 3.3 PCR建模方法及其在 MI预报中的应用
• 3.3.1 PCR模型建立
• 3.3.2 仿真结果与分析
• 3.4 与国内外研究结果的比较分析
• 3.5 小结
• 第4章 遗传算法和 PCGR建模研究
• 4.1 遗传算法
• 4.1.1 遗传算法简介
• 4.1.2 遗传算法的核心内容
• 4.1.3 遗传算法的具体实施步骤
• 4.2 PCGR建模方法及其在 MI预报中的应用
• 4.2.1 模型建立
• 4.2.2 仿真结果与分析
• 4.3 PGR建模方法及其在 MI预报中的应用
• 4.4 与国内外研究结果的比较
• 4.5 小结
• 第5章 总结与展望
• 5.1 全文工作总结
• 5.1.1 本文主要工作及贡献
• 5.1.2 本文方法及国内外研究结果的比较
• 5.2 今后工作展望
• 参考文献
• 致谢
• 作者攻读硕士期间的成果