[发明专利]基于智能算法的合成橡胶转化率在线检测方法及装置

权利要求书

1.基于智能算法的合成橡胶转化率在线检测方法，其特征在于，包括如下步骤：

步骤1，采集影响合成橡胶转化率的工艺参数数据；

步骤2，将所述工艺参数数据进行初步预处理，获取关键工艺参数数据；

步骤3，将所述关键工艺参数数据作为输入变量，将采用人工测量方法得到的合成橡胶转化率结果作为输出变量，所述输入变量与所述输出变量作为建模数据；

步骤4，将所述建模数据进行初步预处理；

步骤5，建立算法模型，训练所述算法模型；

步骤6，调用已经训练好的所述算法模型对实时采集的工艺参数数据进行计算；

步骤7，实时对所述算法模型进行在线校正。

2.如权利要求1所述的基于智能算法的合成橡胶转化率在线检测方法，其特征在于，所述步骤2还包括，步骤21，将采集到的所述工艺参数数据进行降噪，剔除数据中的粗大误差，获取初步工艺参数数据；

步骤22，将获取的初步工艺参数数据利用主元分析方法进一步降维处理，获取所述关键工艺参数数据。

3.如权利要求1所述的基于智能算法的合成橡胶转化率在线检测方法，其特征在于，步骤2中，所述算法模型基于BP神经网络构建。

4.如权利要求3所述的基于智能算法的合成橡胶转化率在线检测方法，其特征在于，选择正切S函数作为所述算法模型的输出层。

5.如权利要求1所述的基于智能算法的合成橡胶转化率在线检测方法，其特征在于，所述BP神经网络设有2层隐含层，第一隐含层的节点取10个，第二隐含层的节点取15个，隐含层的传递函数都选择所述正切S型函数。

6.如权利要求1所述的基于智能算法的合成橡胶转化率在线检测方法，其特征在于，训练所述算法模型时选取的训练精度10^-3。

7.如权利要求1所述的基于智能算法的合成橡胶转化率在线检测方法，其特征在于，所述算法模型的在线校正包括算法模型结构和算法模型参数的校正 。

8.基于智能算法的合成橡胶转化率在线检测装置，其特征在于，包括：

一数据采集模块，用以采集影响合成橡胶转化率的工艺参数数据；

一数据预处理模块，用以将所述工艺参数数据进行初步预处理，获取关键工艺参数数据；

数据构建模块，用以构建建模数据，将所述关键工艺参数数据作为输入变量，将采用人工测量方法得到的合成橡胶转化率结果作为输出变量，所述输入变量与所述输出变量作为建模数据；

样本选取模块，用以将所述建模数据进行初步预处理；

算法构建模块，用以建立算法模型，训练所述算法模型；

计算模块，用以调用已经训练好的所述算法模型对实时采集的工艺参数数据进行计算；

模型校正模块，用以实时对所述算法模型在线校正。

9.如权利要求8所述的基于智能算法的合成橡胶转化率在线检测装置，其特征在于，所述数据预处理模块还包括：

降噪处理模块，用以将采集到的所述工艺参数数据进行降噪，剔除数据中的粗大误差，获取初步工艺参数数据；

主元分析模块，用以将获取的初步工艺参数数据利用主元分析方法进一步降维处理，获取所述关键工艺参数数据。

10.如权利要求8所述的基于智能算法的合成橡胶转化率在线检测装置，其特征在于，所述算法模型基于BP神经网络构建。

11.如权利要求10所述的基于智能算法的合成橡胶转化率在线检测装置，其特征在于，选择正切S函数作为所述算法模型的输出层。

12.如权利要求10所述的基于智能算法的合成橡胶转化率在线检测装置，其特征在于，所述BP神经网络设有2层隐含层，第一隐含层的节点取10个，第二隐含层的节点取15个，隐含层的传递函数都选择所述正切S型函数。

13.如权利要求8所述的基于智能算法的合成橡胶转化率在线检测装置，其特征在于，训练所述算法模型时选取的训练精度10^-3。

14.如权利要求8所述的基于智能算法的合成橡胶转化率在线检测装置，其特征在于，所述模型校正模块用以对算法模型结构和算法模型参数进行校正。