[發明專利]基于循環神經網絡的丙烯聚合生產過程最優在線預報系統在審
| 申請號: | 201811625183.0 | 申請日: | 2018-12-28 |
| 公開(公告)號: | CN109739086A | 公開(公告)日: | 2019-05-10 |
| 發明(設計)人: | 張澤銀;黃國權;劉興高 | 申請(專利權)人: | 浙江大學 |
| 主分類號: | G05B13/04 | 分類號: | G05B13/04 |
| 代理公司: | 杭州求是專利事務所有限公司 33200 | 代理人: | 邱啟旺 |
| 地址: | 310058 浙江*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 在線預報系統 循環神經網絡 丙烯聚合 生產過程 現場智能儀表 預報 控制站 顯示儀 數據預處理模塊 主成分分析模塊 模型更新模塊 抗干擾能力 模型模塊 熔融指數 在線參數 在線測量 自動更新 粒子群 優化 | ||
本發明公開了一種基于循環神經網絡的丙烯聚合生產過程最優在線預報系統,包括丙烯聚合生產過程、現場智能儀表、控制站、存放數據的DCS數據庫、基于循環神經網絡的最優在線預報系統以及熔融指數預報值顯示儀。現場智能儀表及控制站與丙烯聚合生產過程相連,與DCS數據庫相連;最優在線預報系統與DCS數據庫及預報值顯示儀相連。所述的基于循環神經網絡的最優在線預報系統包括模型更新模塊、數據預處理模塊、PCA主成分分析模塊、循環神經網絡模型模塊以及差分粒子群模塊。以及提供了一種用在線預報系統實現的預報方法。本發明實現在線測量、在線參數優化、預報速度快、模型自動更新、抗干擾能力強、精度高。
技術領域
本發明涉及一種最優在線預報系統,具體是一種基于循環神經網絡的丙烯聚合生產過程最優在線預報系統。
背景技術
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。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。為使我國聚丙烯產品具有市場競爭力,開發剛性、韌性、流動性平衡好的抗沖共聚產品、無規共聚產品、BOPP和CPP薄膜料、纖維、無紡布料,及開發聚丙烯在汽車和家電領域的應用,都是今后重要的研究課題。
熔融指數是聚丙烯產品確定產品牌號的重要質量指標之一,它決定了產品的不同用途,對熔融指數的測量是聚丙烯生產中產品質量控制的一個重要環節,對生產和科研,都有非常重要的作用和指導意義。
然而,熔融指數的在線分析測量目前很難做到,一方面是在線熔融指數分析儀的缺乏,另一方面是現有的在線分析儀由于經常會堵塞而測量不準甚至無法正常使用所導致的使用上的困難。因此,目前工業生產中MI的測量,主要是通過人工取樣、離線化驗分析獲得,而且一般每2-4小時只能分析一次,時間滯后大,給丙烯聚合生產的質量控制帶來了困難,成為生產中急需解決的一個瓶頸問題。聚丙烯熔融指數的在線預報系統研究,從而成為學術界和工業界的一個前沿和熱點。
發明內容
為了克服目前已有的丙烯聚合生產過程的測量精度不高、易受人為因素的影響的不足,本發明的目的在于提供一種在線測量、在線參數優化、預報速度快、模型自動更新、抗干擾能力強、精度高的基于循環神經網絡的丙烯聚合生產過程熔融指數最優在線預報系統。
本發明的目的是通過以下技術方案來實現的:基于循環神經網絡的丙烯聚合生產過程最優在線預報系統,包括數據預處理模塊、PCA主成分分析模塊、循環神經網絡模型模塊、差分粒子群模塊、模型更新模塊。
進一步地,所述數據預處理模塊,用于將從DCS數據庫輸入的模型輸入變量進行預處理,對輸入變量中心化,即減去變量的平均值;再進行歸一化處理,即除以變量值的變化區間;
進一步地,所述PCA主成分分析模塊,用于將輸入變量預白化處理及變量去相關,通過對輸入變量施加一個線性變換實現,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。若對原始數據進行重構,可由M=CUT計算,其中上標T表示矩陣的轉置。當選取的主成分數目小于輸入變量的變量個數時,M=CUT+E,其中E為殘差矩陣;
進一步地,所述循環神經網絡模型模塊,用于采用循環神經網絡、通過誤差函數最小化來完成輸入到輸出的一種連續性高度非線性映射,映射中保持拓撲不變性;
對于時刻t,網絡的輸入為xt,隱藏層神經元值為ht,上一時刻隱藏層神經元值為ht-1,設置h0=0,f(·)是非線性激活函數logistic函數,則當前時刻隱藏層神經元值ht可根據下式確定
ht=f(ht-1+xt) (1)
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于浙江大學,未經浙江大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811625183.0/2.html,轉載請聲明來源鉆瓜專利網。





