[发明专利]基于遗传算法优化BP神经网络的丙烯聚合生产过程最优软测量仪表及方法

说明书

技术领域

本发明涉及最优软测量仪表及方法，具体是一种基于遗传算法优化BP神经网络的丙烯聚合生产过程最优软测量仪表及方法。

背景技术

聚丙烯是由丙烯聚合而制得的一种热塑性树脂，丙烯最重要的下游产品，世界丙烯的50％，我国丙烯的65％都是用来制聚丙烯，是五大通用塑料之一，与我们日常生活密切相关。聚丙烯是世界上增长最快的通用热塑性树脂，总量仅仅次于聚乙烯和聚氯乙烯。为使我国聚丙烯产品具有市场竞争力，开发刚性、韧性、流动性平衡好的抗冲共聚产品、无规共聚产品、BOPP和CPP薄膜料、纤维、无纺布料及开发聚丙烯在汽车和家电领域的应用都是今后重要的研究课题。熔融指数是聚丙烯产品确定产品牌号的重要质量指标之一，它决定了产品的不同用途，对熔融指数的测量，对生产和科研，都有非常重要的作用和指导意义。然而，熔融指数的在线分析测量目前很难做到，缺乏熔融指数的在线分析仪是聚丙烯生产中产品质量控制的一个主要困难。MI只能通过人工取样、离线化验分析获得，而且一般每2-4小时智能分析一次，时间滞后大，难以满足生产实时控制的要求。

近年来神经网络发展迅速，在经济、军事、工业生产和生物医学等领域得到广泛应用，并产生了深远的影响。其中应用最为广泛的是前馈神经网络，尤其是BP神经网络。神经网络具有很强的自适应、自组织、自学习的能力以及大规模并行运算的能力。但在实际应用中，神经网络也暴露了一些自身固有的缺陷：权值的初始化是随机的，易陷入局部极小；学习过程中隐含层的节点数目和其他参数的选择只能根据经验和实验来选择；收敛时间过长、鲁棒性差等。

由美国密歇根大学Holland教授及其学生首次提出的遗传算法，即GeneticAlgorithm，简称GA，是一种高效的并行全局搜索算法。该算法具有很好的鲁棒性，适用于并行处理；具有良好的全局搜索性能，减少了陷入局部最优解的风险。遗传算法的这些优点恰好弥补了传统神经网络的缺点，因此可以采用遗传算法来优化神经网络。BP神经网络是最常用的神经网络算法，如何建立合理的神经网络模型是提高预测精度的核心内容，因此出现了多种优化方法或改进方法。对于丙烯聚合生产过程中熔融指数的软测量，由于生产过程具有多样性和相关性，建立其基于遗传算法的BP神经网络最优软测量仪表及方法，能够得到最优的软测量模型，提高软测量精度。因此，具有非常重要的意义。

发明内容

为了克服已有的丙烯聚合生产过程的测量精度不高、易受人为因素的影响的不足，本发明提供一种在线测量、在线参数自动优化、计算速度快、模型自动更新、抗干扰能力强、精度高的基于遗传算法优化BP神经网络的丙烯聚合生产过程熔融指数最优软测量仪表及方法。

本发明解决其技术问题所采用的技术方案是：

一种基于遗传算法优化BP神经网络的丙烯聚合生产过程最优软测量仪表，包括丙烯聚合生产过程、用于测量易测变量的现场智能仪表、用于测量操作变量的控制站、存放数据的DCS数据库以及熔融指数软测量值显示仪，所述现场智能仪表、控制站与丙烯聚合生产过程连接，所述现场智能仪表、控制站与DCS数据库连接，所述软测量仪表还包括基于遗传算法优化BP神经网络的最优软测量模型，所述DCS数据库与所述基于遗传算法优化BP神经网络的最优软测量模型的输入端连接，所述基于遗传算法优化BP神经网络的最优软测量模型的输出端与熔融指数软测量值显示仪连接，所述基于遗传算法优化BP神经网络的最优软测量模型包括：

数据预处理模块，用于将从DCS数据库输入的模型输入变量进行预处理，对输入变量中心化，即减去变量的平均值；再对输入变量预白化处理即变量去相关，对输入变量施加一个线性变换；通过独立成分分析方法，从经过中心化和预白化处理的线性混合数据中恢复出基本源信号；

BP神经网络模型模块，用于采用BP神经网络，设BP神经网络的输出层第k个神经元的实际输出为y_k，输入为net_k，与此层相邻的隐含层中任一神经元j的输出为y_j，则有：