[发明专利]基于后效性函数与杜鹃搜索的工业熔融指数软测量方法

说明书

本发明公开了一种基于后效性函数与杜鹃搜索的工业熔融指数软测量方法，用于对丙烯聚合生产过程的工业熔融指数进行在线预测，包括数据预处理模块、后效性函数模块、杜鹃搜索算法模块。本发明利用杜鹃搜索算法优化后效性函数中的参数，数值逼近其最优解。本发明兼顾机理与数据建模，从本质上使预测结果更加精确。且利用杜鹃搜索能进一步加快函数网络参数寻优过程，提高了系统的实用性与可推广性。本发明具有预测精度高，运行稳定，推广性好，抗干扰能力强的特点。

技术领域

本发明涉及一种软测量方法，尤其涉及一种基于后效性函数与杜鹃搜索的工业熔融指数软测量方法。

背景技术

熔融指数是一种代表塑胶材料加工时的流动性数值,其以美国杜邦公司鉴定塑料特性的方法为依据而制定的,别称为熔体流动速率。聚丙烯是通过丙烯聚合而得到的热塑性树脂,主要分为等规聚丙烯、无规聚丙烯、间规聚丙烯三类。严格控制聚丙烯的熔融指数,使熔融指数在相应的允许值范围内,有利于聚丙烯产品的良好加工性能和质量得到保障。然而，熔融指数的在线分析测量目前仍然很难做到，缺乏熔融指数的在线分析仪是制约聚丙烯产品质量的一个主要问题。MI目前的获取方法局限于使聚合物溶体在一定的温度及负荷之下，测量在十分钟内通过标准口模的重量。而且一般每1-3小时分析一次，时间滞后大，难以满足生产实时控制的要求。

近年来关于MI的在线预报的研究工作大部分都集中在人工神经网络上面，取得了不错的效果。但是人工神经网络也有其自身的缺点，例如过拟合、隐含层的节点数目和参数不好确定。其次，工业现场采集到的DCS数据也因为噪音、人工操作误差等带有一定的不确定误差，所以使用确定性强的人工神经网络的预报模型一般推广能力不强。

后效性函数是基于工业过程的后效性与滞后性提出的产品质量计算模型，从机理上分析了工业生产中各个物理量对最终产品参数指标产生的影响，能够对聚丙烯的熔融指数做出更加准确的预报，且简化了计算过程，加快了预报系统的反应速率，具有很强的实用价值。

发明内容

为了克服目前已有的丙烯聚合生产过程中熔融指数在线预报系统反应速度慢，测量精度低、抗干扰能力弱、推广性能差的不足，本发明的目的在于提供一种计算精度高，抗干扰能力强，计算速度快，推广性能好的基于后效性函数与杜鹃搜索的工业熔融指数软测量方法。

本发明解决其技术问题所采用的技术方案是：一种基于后效性函数与杜鹃搜索的工业熔融指数软测量方法，用于对丙烯聚合生产过程的工业熔融指数进行在线预测，包括数据预处理模块、后效性函数模块、杜鹃搜索算法模块。其中：

数据预处理模块：用于将从DCS数据库输入的模型训练样本进行预处理，减小从DCS数据库输入的模型训练样本间的数值差，提高系统的预测精度。

该处理采用以下算式过程来完成：

X_p＝log(X+1) (1)

Y_p＝Y (2)

其中，X_p为处理后的一组训练样本数据，即一组历史易测数据。X＝[x₁,x₂...,x_n]为从DCS数据库输入一组的原始样本数据，n为一组训练样本中变量的数量。Y_p与Y分别表示X_p、X对应的工业熔融指数化验值，对其不做变化。

后效性函数模块：对从数据预处理模块传过来的输入变量，分组带入后效性函数网络进行计算。

后效性函数f(t)表示如下