[发明专利]基于群智寻优的丙烯聚合生产过程在线预报系统和方法

摘要

本发明公开了一种群智寻优的丙烯聚合生产过程最优在线预报系统，包括丙烯聚合生产过程、现场智能仪表、控制站、存放数据的DCS数据库、基于群智寻优的最优在线预报系统以及熔融指数预报值显示仪。现场智能仪表及控制站与丙烯聚合生产过程相连，与DCS数据库相连；最优在线预报系统与DCS数据库及预报值显示仪相连。所述的基于群智寻优的最优在线预报系统包括模型更新模块、数据预处理模块、PCA主成分分析模块、神经网络模型模块以及群智优化模块。以及提供了一种用在线预报系统实现的预报方法。本发明实现在线测量、在线参数优化、预报速度快、模型自动更新、抗干扰能力强、精度高。

主权项

一种群智寻优的丙烯聚合生产过程最优在线预报系统，包括丙烯聚合生产过程、用于测量易测变量的现场智能仪表、用于测量操作变量的控制站、存放数据的DCS数据库、基于群智寻优的最优在线预报系统以及熔融指数预报显示仪，所述现场智能仪表、控制站与丙烯聚合生产过程连接，所述现场智能仪表、控制站与DCS数据库连接，所述DCS数据库与基于群智寻优的最优在线预报系统的输入端连接，所述基于群智寻优的最优在线预报系统的输出端与熔融指数预报显示仪连接，其特征在于：所述基于群智寻优的最优在线预报系统包括：（1）、数据预处理模块，用于将从DCS数据库输入的模型输入变量进行预处理，对输入变量中心化，即减去变量的平均值；再进行归一化处理，即除以变量值的变化区间；（2）、PCA主成分分析模块，用于将输入变量预白化处理及变量去相关，通过对输入变量施加一个线性变换实现，即主成分由C=MU得到，其中M为输入变量，C为主成分得分矩阵，U为载荷矩阵。若对原始数据进行重构，可由M=CU^T计算，其中上标T表示矩阵的转置。当选取的主成分数目小于输入变量的变量个数时，M=CU^T+E，其中E为残差矩阵；（3）、神经网络模型模块，用于采用RBF神经网络、通过误差函数最小化来完成输入到输出的一种高度非线性映射，映射中保持拓扑不变性；（4）、群智优化模块，用于采用基于群智算法的优化模块对神经网络进行优化，包括：（4.1）算法初始化，根据待优化的RBF神经网络结构构造出初始的解集S=(s₁,s₂,…,s_n)，n为初始解的个数，sn为第n个初始解。确定蚁群的大小m，设置蚁群寻优算法迭代次数的阈值MaxGen并初始化蚁群寻优的迭代次数序号gen=0；（4.2）计算出解集S对应的适应度值F_i(i=1,2,…,n)，适应度值越大代表解越好；再根据下式确定解集中每个解被取到作为蚂蚁寻优的初始解的概率P_i(i=1,2,…,n)$P_i\left(k\right)=\frac{F_i}{{\mathrm{\&Sigma;}}_{i=1}^n{F}_i}(i=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,n)---\left(1\right)$n为初始解的个数，sn为第n个初始解，k为迭代次数。初始化执行寻优算法的蚂蚁编号a=0；（4.3）蚂蚁a选取S中的一个解作为寻优的初始解，选取规则是根据P来做轮盘选；（4.4）蚂蚁a在选取的初始解的基础上进行寻优，找到更好的解s_a′；（4.5）如果a<m，则a=a+1，返回步骤4.3；否则继续向下执行步骤4.6；（4.6）如果gen<MaxGen，则gen=gen+1，使用步骤4.4中所有蚂蚁得到的更好的解取代S中的对应解，返回步骤4.2；否则向下执行步骤4.7；（4.7）计算出解集S对应的适应度值F_a(a=1,2,…,n)，选取适应度值最大的解作为算法的最优解，结束算法并返回。所述基于群智寻优的最优预报模型还包括模型更新模块，用于模型的在线更新，定期将离线化验数据输入到训练集中，更新神经网络模型。在所述群智优化模块中，每一只蚂蚁在它选定的初始解的基础上寻优时会循环固定的次数，提高群智算法的搜索到更好解的概率。PCA主成分分析模块中，PCA方法实现输入变量的预白化处理，能够简化神经网络模型的输入变量，进而提高建模的效率和模型的性能。