[发明专利]一种原料不确定下的酚醛树脂产品质量预测方法

权利要求书

1.一种原料不确定下的酚醛树脂产品质量预测方法，其特征在于，包括步骤：

(1)获取酚醛树脂生产过程和对应批次产品质量的历史数据；

(2)对历史数据进行预处理、特征选择和标准化；

(3)构建基于长短时记忆网络的酚醛树脂产品质量模型；

(4)基于步骤(2)得到的数据对步骤(3)建立的模型进行训练，得到酚醛树脂产品质量预测模型；

(5)获取当前批次的实时生产数据，使用步骤(2)中的预处理和标准化对数据进行处理，通过步骤(4)得到的酚醛树脂产品质量预测模型预测当前批次的产品质量；

(6)当步骤(5)实时预测的精度不满足要求时，根据步骤(5)得到的实时生产数据作为历史数据，使用步骤(2)中的预处理和标准化对数据进行处理，返回步骤(4)进行模型的训练，得到新的酚醛树脂产品质量预测模型；

所述步骤(1)中，酚醛树脂生产过程历史数据包括烷化液流量、液醛流量、固醛流量、反应温度、压力和反应釜重量，对应批次的产品质量数据包括经过实验室分析得到的酚醛树脂软化点数据；

所述步骤(2)中，对历史数据进行预处理，是对时间序列数据进行等时间间隔的重新采样；

所述步骤(2)中，对历史数据进行特征选择，是采用最大信息系数对数据进行相关性分析，通过下式得到：

其中x表示酚醛生产过程历史数据中的其中任一变量，y表示酚醛树脂的产品质量指标，B取样本总量的0.6次方；最大信息系数是一个介于0到1的小数，最大信息系数越大，变量与质量指标的相关性越强；选出与产品质量指标的最大信息系数大于0.3的变量作为酚醛树脂产品质量预测模型的输入变量；

所述步骤(2)中，对历史数据进行标准化，是对上述得到的数据和产品质量分别进行标准化，通过下式得到：

式中，x′_ik表示第i批次的第k维变量x_ik经过标准化后的数值，其范围为[0,1]，无量纲，和分别表示第k维变量中的最小值和最大值，I表示总的批次数；

对产品质量进行标准化，通过下式得到：

式中，y′_i表示第i批次的最终质量指标y_i经过标准化的数值，其范围为[0,1]，无量纲，和分别表示最小值和最大值，I表示总的批次数。

2.如权利要求1所述的原料不确定下的酚醛树脂产品质量预测方法，其特征在于，所述步骤(3)中，所述构建基于长短时记忆网络的酚醛树脂产品质量模型的过程包括建立由LSTM层和输出全连接层构成的长短时记忆网络，模型参数包括各层的网络权重和偏置。

3.如权利要求1所述的原料不确定下的酚醛树脂产品质量预测方法，其特征在于，所述步骤(4)中，基于步骤(2)得到的数据训练酚醛树脂产品质量预测模型包括采用滑动窗口对上述步骤得到的数据进行整理，采用沿时间反向传播算法训练所述酚醛树脂产品质量预测模型。

4.如权利要求3所述的原料不确定下的酚醛树脂产品质量预测方法，其特征在于，采用滑动窗口对步骤(2)得到的数据进行整理，是从起始批次开始的m批数据作为模型的第1个样本，该样本所对应的产品质量为第m批产品质量指标，然后从第2批开始的m批数据作为模型的第2个样本，该样本所对应的产品质量为第m+1批产品质量指标，依次类推；当总批次数为I时，模型的输入样本个数为I-m+1；保持样本的前后顺序，将前80％样本作为模型的训练样本集，后20％的样本作为模型的测试样本集，用于模型训练与测试。

5.如权利要求1所述的原料不确定下的酚醛树脂产品质量预测方法，其特征在于，所述步骤(5)中，对实时读取酚醛树脂生产过程数据按照步骤(2)进行处理后，得到的数据作为输入，利用步骤(4)得到的酚醛树脂产品质量预测模型预测当前批次酚醛树脂的产品质量。

6.如权利要求1所述的原料不确定下的酚醛树脂产品质量预测方法，其特征在于，所述步骤(6)中，当步骤(5)实时预测的精度不满足要求时，根据步骤(5)得到的实时生产数据作为历史数据，使用步骤(2)中的预处理和标准化对数据进行处理，返回步骤(4)进行模型的训练，得到新的酚醛树脂产品质量预测模型；通过此过程，使得模型能够不断得到更新。