[發(fā)明專利]基于后效性函數(shù)與杜鵑搜索的工業(yè)熔融指數(shù)軟測量方法

有效

• 申請?zhí)枺?/td>: 201811628020.8
• 申請日: 2018-12-28
• 公開（公告）號: CN109471363B
• 公開（公告）日: 2020-08-04
• 發(fā)明（設(shè)計(jì)）人: 張澤銀;呂以豪;劉興高
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 邱啟旺

1.一種基于后效性函數(shù)與杜鵑搜索的工業(yè)熔融指數(shù)軟測量方法，用于對丙烯聚合生產(chǎn)過程的工業(yè)熔融指數(shù)進(jìn)行在線預(yù)測，包括數(shù)據(jù)預(yù)處理模塊、后效性函數(shù)模塊、杜鵑搜索算法模塊；

所述數(shù)據(jù)預(yù)處理模塊用于將從DCS數(shù)據(jù)庫輸入的模型訓(xùn)練樣本進(jìn)行預(yù)處理，減小從DCS數(shù)據(jù)庫輸入的模型訓(xùn)練樣本間的數(shù)值差，提高系統(tǒng)的預(yù)測精度；

該處理采用以下算式過程來完成：

X_p＝log(X+1) (1)

Y_p＝Y(jié) (2)

其中，X_p為處理后的一組訓(xùn)練樣本數(shù)據(jù)，即一組歷史易測數(shù)據(jù)；X＝[x₁,x₂...,x_n]為從DCS數(shù)據(jù)庫輸入一組的原始樣本數(shù)據(jù)，n為一組訓(xùn)練樣本中變量的數(shù)量；Y_p與Y分別表示X_p、X對應(yīng)的工業(yè)熔融指數(shù)化驗(yàn)值，對其不做變化；

所述后效性函數(shù)模塊對從數(shù)據(jù)預(yù)處理模塊傳過來的輸入變量，分組帶入后效性函數(shù)網(wǎng)絡(luò)進(jìn)行計(jì)算；

后效性函數(shù)f(t)表示如下

其中，a₁、a₂、a₃為后效性函數(shù)參數(shù)，表示函數(shù)形狀，ε(t)為單位階躍函數(shù)、t表示時(shí)間；該函數(shù)體現(xiàn)了工業(yè)生產(chǎn)過程中某一物理量對最終產(chǎn)品影響的后效性與滯后性；該函數(shù)在t₀處(t₀＞0)處取得最大值，表示該物理量對產(chǎn)品的影響在t₀時(shí)刻達(dá)到最大值，0至t₀時(shí)刻函數(shù)值逐漸增大，t₀后函數(shù)值逐漸減小并趨于0；

后效性函數(shù)網(wǎng)絡(luò)

其中，Y^k為后效性函數(shù)網(wǎng)絡(luò)第k個(gè)輸出向量，與訓(xùn)練樣本中第k個(gè)工業(yè)熔融指數(shù)化驗(yàn)值對應(yīng)；N為訓(xùn)練樣本組數(shù)，M為每組訓(xùn)練樣本易測變量的組數(shù)，表示在訓(xùn)練樣本中第k個(gè)工業(yè)熔融指數(shù)化驗(yàn)值前iΔt時(shí)刻的一組易測變量，Δt代表現(xiàn)場智能儀表的采樣時(shí)間，f_i代表每組訓(xùn)練樣本中第i個(gè)易測變量對應(yīng)的后效性函數(shù)(i＝1,2,...,M)；

則在此后效性函數(shù)網(wǎng)絡(luò)中，采用滑窗形式輸入數(shù)據(jù)，即輸入M組歷史易測數(shù)據(jù)，得到一個(gè)預(yù)報(bào)向量Y；最終該網(wǎng)絡(luò)輸出如下

α(M)＝[1,1,...,1]_1×M (9)

其中，表示由第k組訓(xùn)練樣本得到的網(wǎng)絡(luò)預(yù)報(bào)值、α(M)表示長度為M的全1向量；完成基于歷史數(shù)據(jù)的工業(yè)熔融指數(shù)實(shí)時(shí)預(yù)報(bào)；

所述杜鵑搜索算法模塊利用杜鵑搜索算法對后效性函數(shù)網(wǎng)絡(luò)中對應(yīng)于每個(gè)輸入量的后效性函數(shù)進(jìn)行參數(shù)尋優(yōu)，利用DCS數(shù)據(jù)庫收集的多組歷史易測變量和熔融指數(shù)離散化驗(yàn)值求得搜索過程中每個(gè)解的適應(yīng)值，確定全局誤差值最小時(shí)的后效性函數(shù)網(wǎng)絡(luò)參數(shù)；

實(shí)現(xiàn)步驟如下：杜鵑在w個(gè)鳥巢中做選擇，選出最好的鳥巢，把自己的蛋放在里面；宿主(被寄生的鳥)以一定概率p_a發(fā)現(xiàn)有自己的鳥巢中有杜鵑鳥的蛋，同時(shí)把布谷鳥的鳥蛋扔出去或建造新的鳥巢；

步驟1

初始化；設(shè)置鳥巢的個(gè)數(shù)w，搜索空間維數(shù)d，初始化鳥巢的位置為找出最優(yōu)鳥巢即誤差值最低的位置和此時(shí)的誤差值d_min；

步驟2

進(jìn)入循環(huán)；保留上代最優(yōu)鳥巢的位置并利用下式更新其他鳥巢的位置

其中分別表示第t代與第t+1代第i個(gè)鳥巢的位置，L(s,λ)表示萊維函數(shù)，s為步長，U、V分別表示步長計(jì)算中間參數(shù)，α為步長縮放因子，根據(jù)研究問題搜索域的范圍選擇；v表示隨機(jī)生成的方向向量，其模為1；λ為萊維指數(shù)，Γ(x)為標(biāo)準(zhǔn)Gamma函數(shù)，s₀為最小步長U和V服從正態(tài)分布，即

U～N(0,σ²),V～N(0,1)

其中N(0,σ²)表示均值為0、方差為σ²的正態(tài)分布，N(0,1)表示均值為0、方差為1的正態(tài)分布；得到一組新的鳥巢位置，對這組鳥巢求誤差，與上一代鳥巢位置進(jìn)行比較，保留w個(gè)誤差較小的鳥巢位置，得到一組較優(yōu)的鳥巢位置

步驟3

用服從均勻分布的隨機(jī)數(shù)r∈[0,1]作為鳥巢主人發(fā)現(xiàn)杜鵑鳥蛋的可能性并與p_a比較，其值小于p_a便對鳥巢做隨機(jī)位置調(diào)整，得到新鳥巢的位置

其中與是隨機(jī)選擇的g_t中不同于的解，ε(x)為單位階躍函數(shù)；對這組新鳥巢的位置進(jìn)行測試，與g_t中每個(gè)鳥巢進(jìn)行比較，保留w個(gè)誤差較小的鳥巢位置，得到一組新的較優(yōu)的鳥巢位置

步驟4

找出p_t中最優(yōu)的一個(gè)鳥巢位置和誤差值d_min；若達(dá)到停止條件則退出循環(huán)，否則回到步驟2；

上述算法中的鳥巢位置x即為后效性函數(shù)網(wǎng)絡(luò)中的參數(shù)；

定義第k組訓(xùn)練數(shù)據(jù)誤差d^k

其中，表示訓(xùn)練樣本中第k個(gè)工業(yè)熔融指數(shù)化驗(yàn)值；最終后效性函數(shù)網(wǎng)絡(luò)中的參數(shù)為對N組訓(xùn)練樣本尋優(yōu)獲得的N個(gè)最優(yōu)參數(shù)的聚類中心。