[发明专利]基于非线性最小二乘改进方法的聚丙烯熔融指数预报

权利要求书

1.一种基于非线性最小二乘改进方法的聚丙烯熔融指数预报方法，其特征在于：所述预报方法首先通过将机理模型的非线性项泰勒展开并做变量替换而得到线性化模型，采用线性神经网络辨识线性化模型；再将线性神经网络的辨识结果作为非线性最小二乘的参数初值，对所述机理模型进行非线性最小二乘辨识，得到最终的辨识结果为预报的聚丙烯熔融指数，所述非线性最小二乘辨识后的机理模型作为熔融指数的实时预报模型；

所述预报方法包括如下步骤：

(1)建立熔融指数与操作变量参数的机理模型，参见式(8)：

ln(MI)=k1+k2T+3.36ln(k3+k4[H2])---(8)]]>

(2)采用线性神经网络辨识参数：对所述机理模型做线性化处理，采用泰勒公式展开底数是变量线性组合的对数项，即公式(8)的最后一项，保留其二阶以下的部分，结果为：

ln(k3+k4[H2])=k3+k4[H2]-12(k3+k4[H2])2=k3+k4[H2]---(9)]]>

-12(k3)2-12(k4)2[H2]2-k3·k4[H2]=k3′+k4′[H2]+k5′[H2]2]]>

其中：k4′＝k4-k3·k4，[H₂]为氢气浓度；

熔融指数的对数表达式写成：

ln(MI)=K1+K2T+3.36K3·[H2]+3.36K4·[H2]2---(10)]]>

其中：

K2＝k2，K3＝k4′＝k4-k3·k4，

若令ln(MI)＝y，则有

y＝K1·x1+K2·x2+K3·x3+K4·x4                    (11)

其中，x1代表常数矩阵，是与x2、x3、x4同维的单位向量；

将P＝[x1，x2，x3，x4]′作为输入、T＝y′作为输出，在输入输出已知的情况下，应用newlind()设计出特定的神经网络，其权值和阈值能保证均方差最小，并将辨识的阈值K1，权值K2，K3，K4转化成k1，k2，k3，k4，即得到参数辨识初值

(3)非线性最小二乘辨识：lsqcurvefit是非线性最小二乘曲线拟合函数，基本表达式为X＝lsqcurvefit(fun，x0，xdata，ydata)，即已知输入数据xdata、输出数据ydata和非线性函数fun，函数从初始值x0开始搜索，寻找与数据拟合最好的非线性函数fun中的系数X；将线性神经网络辨识得到的参数作为非线性最小二乘的初值，调用寄存在存储器中的现场采集数据作为模型的输入输出，采用MATLAB中的lsqcurvefit函数实现该非线性模型的非线性最小二乘辨识，得到的系数即为参数的最终辨识结果。