遗传算法的聚丙烯熔融指数最优预报.pdfVIP

第28 卷 第7 期 计算机与应用化学 Vol.28, No.7 2011 年7 月28 日 Computers and Applied Chemistry July, 2011 遗传算法的聚丙烯熔融指数最优预报 1，2 1 1* 张志猛 ，楼巍 ，刘兴高 （1. 浙江大学 工业控制技术国家重点实验室，浙江，杭州，310027 ； 2. 浙江大学软件学院，浙江，杭州，310027 ） 摘要：熔融指数只能通过人工取样、离线化验分析获得，时间滞后大，难以满足实时控制的要求，其软测量预报意义很大。本 文提出了一种基于遗传算法的聚丙烯熔融指数最优预报方法。径向基函数（RBF ）神经网络用来拟合输入与输出之间的非线性 关系，用遗传算法对RBF 神经网络权值进行优化。基于某石化企业聚丙烯生产过程采集的历史数据进行研究。根据反应机理以 及流程工艺分析，将温度、压力、液位、氢气气相百分数、3 股丙烯进料流率、2 股催化剂进料流率等 9 个过程变量作为模型 的输入。经过优化的预报模型的均方根误差从优化前的0.0107 减小为0.0057 ；平均绝对误差从原来的0.0392 减小为0.0220 ； 平均相对误差从优化前的1.49%减小为0.94%，表明优化后模型精度大大提高。优化后的标准差从优化前的0.0496 减小为0.0271， 表明优化后模型具有更好的预报稳定性。希尔不等系数从优化前的0.0096 减小为优化后的0.0051，表明优化后模型与实际过程 具有更好的一致性。优化后的RBF 神经网络模型预测结果的各项指标都明显优于优化前的RBF 模型，表明遗传算法提高了原 模型的预报准确性、稳定性和可靠性。 关键词：遗传算法；径向基函数神经网络；熔融指数 中图分类号：TP273; TQ018 文献标识码：A 文章编号：1001-4160(2011)07-843-846 1 引言 Function Neural Network ），在一定程度上克服了传统前 馈神经网络（如BP 网络）存在的局部最优，以及训练速 聚丙烯是五大通用塑料之一，与我们日常生活密切 度慢、效率低等问题，因此它的研究与应用越来越得到 相关，是丙烯最重要的下游产品，世界丙烯的 50%、我 重视。 国丙烯的 65% 都用来生产聚丙烯。而熔融指数(Melt Index)是聚丙烯产品质量控制的主要质量指标之一，它决 RBF 神经网络用径向基函数作为隐单元的“基”构成 定了产品的不同用途。 隐含层空间，将输入矢量直接映射到隐含层空间，隐含 目前，聚丙烯生产中产品质量控制的一个主要困难 层空间到输出空间的映射是线性的。从总体上看，网络 是缺乏熔融指数在线分析仪。熔融指数只能通过人工取 由输入到输出的映射是非线性的，而网络输出对可调参 样、离线化验分析获得，而且一般每2～4 小时分析一次， 数而言却又是线性的。理论已经证明，RBF 网络具有全 时间滞后大，难以满足实时控制的要求。因此建立软测 局和最佳逼近性能，是前馈神经网络中完成映射功能最 量模型，对熔融指数进行在线估计预报，就成为一项迫 优的网络。只要有足够多的隐层神经元，RBF 能以任意 切的任务，是丙稀聚合生产控制中的核心环节[1] 。