[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

说明书

技术领域

本发明涉及在线检测领域，特别涉及基于智能算法的合成橡胶转化率在线检测方法及装置。

背景技术

在工业合成橡胶生产中，橡胶的转化率是主要的生产控制质量指标。对于这个指标的监测，国内合成橡胶生产厂家均采用人工间歇化验的方法取得。人工采样化验分析结果远滞后于生产，通常情况下从采样到分析得到最终结果要经过几个小时的时间。在化验值还没有出来之前，装置的操作人员对转化率只能根据经验判断了，这样在生产过程中，一旦装置发生突然的波动，人工化验数据无法及时跟踪，就可能导致最终产品质量变化。这种生产模式远不能满足装置质量控制的要求。因此有必要建立橡胶转化率的软测量算法模型，实时对转化率进行检测，这也是实施先进控制、提升装置经济效益的重要因素，对于生产效率的提高能起到非常重要的作用。

橡胶生产过程是复杂和高度非线性的，加之多种添加剂的存在，导致采用传统机理方法建模的难度很大。近年来兴起的软测量技术，对工艺控制中一些难以测量或暂时不能测量的重要变量，根据某种最优准则，选择一组既与主导变量密切相关又容易测量的辅助变量，通过构造某种数学关系，利用计算机软件对主导变量进行估计。这种技术仅需检测一些易测变量作为辅助变量，其他工作则通过软件实现，无需多少投资和时间就可实现。国外在软测量技术研究方面十分活跃，在化工领域已经取得了可喜的研究成果，近年来，国内已有应用软测量技术试图解决橡胶生产中转化率的在线测量问题。大连理工大学基于软测量技术，根据γ量子与物质相互作用理论，采用放射性仪器对橡胶胶浆进行检测，并将检测结果与顺丁橡胶单体转化率进行关联计算(顺丁橡胶转化率在线测量方法的研究，《化工学报》，1996年第47卷第2期)。兰州理工大学提出了一种采用支持向量机构建丁苯橡胶聚合转化率模型的方法(基于集成 修剪的丁苯橡胶聚合转化率软测量，《仪器仪表学报》，2011年第32卷第1期)。兰州石化公司提出了一种将软测量技术和现场分析仪表技术结合的方法测得转化率(专利：一种合成橡胶胶浆单体转化率在线多点连续检测系统)。前两种方法都是利用现场参数构建测量转化率的数学模型，只是构建数学模型时选取的参数和构建模型的方法不同。第三种将现场分析器设计与多个测量点的测量模型相结合，在现场管道上安装大型分析器，获取有针对性的现场原始数据，再通过构建的数学模型计算出合成橡胶胶浆转化率。但该方法在构建模型时采用的是线性单个模型，由于橡胶聚合反应包含复杂的物理化学反应，是一个强非线性、时变和间歇的复杂多变系统。特别对于现场工艺发生变化时，这种线性方法建立的模型在工况复杂时难以满足现场要求。

神经网络是大量简单的神经元联结而成的非线性复杂动力学系统，是一种智能算法，它以其并行分布处理、自组织、自适应、自学习和健全性与容错性等独特性能引起人们关注。在信息获取不完备的情况下，神经网络在模式识别、方案决策、知识处理等方面具有很强的应变能力。方法可以实现对现实工况的线性、非线性拟合，在非线性对象静态或动态辩识的应用已成为研究的热点。它可以代替传统数学模型完成由输入到输出空间的映射，直接根据对象的输入、输出数据进行建模，需要的对象先验知识较少，并且其较强的学习能力对模型校正十分有利。

由于神经网络受到网络结构复杂性和样本复杂性的影响较大，容易出现“过拟合”现象，且泛化能力较低。近期研究结果表明，如果将统计学原理应用到神经网络建模过程中，将会有效地提高模型的模拟性能。比如，先通过主元分析方法对已有数据进行降维分析后，再将其应用到神经网络中。主元分析方法简化了神经网络模型的结构，提高了收敛速度和精度，同时使得神经网络过拟合现象减少，泛化能力增强。这是由于神经网络预测能力依赖于训练样本的质量，若训练样本中存在噪音和不确定性，会出现过拟合现象，而主元分析能实现从含噪音数据中提取出必要信息，减少了过拟合现象。

在实际应用中，为了全面、系统地分析问题，必须考虑众多影响因素，这些涉及的因素一般称为指标，在多元统计分析中也称为变量。每个指标都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有所重叠。在用统计方法研究多 变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主元分析正是适应这一要求产生的，是解决这类问题的理想工具。

本发明是将现场分析器设计与测量模型相结合，现场分析器的采用可以将与转化率密切相关的胶浆密度直接表现出来，在模型的构建时采用了基于主元分析的神经网络智能算法，在提高模型准确性的同时，也提高了模型的鲁棒性。