基于醋酸乙烯聚合率在線檢測(cè)軟測(cè)量建模方法的研究

《基于醋酸乙烯聚合率在線檢測(cè)軟測(cè)量建模方法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、蘭州交通大學(xué)碩士學(xué)位論文摘要在工業(yè)過(guò)程控制中，為確保生產(chǎn)裝置處于最佳運(yùn)行工況，提高產(chǎn)品質(zhì)量和企業(yè)的經(jīng)濟(jì)效益，就必須對(duì)產(chǎn)品質(zhì)量或與產(chǎn)品質(zhì)量密切相關(guān)的重要過(guò)程變量進(jìn)行實(shí)時(shí)檢測(cè)和優(yōu)化控制。醋酸乙烯聚合率是聚乙烯醇生產(chǎn)過(guò)程中的重要質(zhì)量指標(biāo)，它對(duì)生產(chǎn)過(guò)程的經(jīng)濟(jì)性、安全性，以及產(chǎn)品的最終用途有著重要影響。然而由于某些技術(shù)或經(jīng)濟(jì)方面的原因，目前我國(guó)大部分工廠還無(wú)法實(shí)現(xiàn)對(duì)醋酸乙烯聚合率的連續(xù)在線檢測(cè)。針對(duì)這一情況，本文采用基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的LSSVM(LeastSquaresSupportVectorMachine，最小二乘支持向量機(jī))對(duì)醋酸乙烯聚合率的在線檢測(cè)進(jìn)行軟

2、測(cè)量方法研究。：具體的研究工作如下：首先，系統(tǒng)闡述了軟測(cè)量技術(shù)的基本原理和常用的建模方法，并通過(guò)深入分析聚乙烯醇工業(yè)生產(chǎn)過(guò)程和醋酸乙烯聚合反應(yīng)機(jī)理，得出了影響醋酸乙烯聚合率的多種因素，研究了輔助變量的選取。其次，詳細(xì)給出了支持向量機(jī)的基本原理，核函數(shù)技術(shù)以及LSSVM回歸算法的推導(dǎo)過(guò)程，并在此基礎(chǔ)上建立了基于LSSVM的醋酸乙烯聚合率軟測(cè)量模型。仿真結(jié)果表明，通過(guò)與徑向基神經(jīng)網(wǎng)絡(luò)、標(biāo)準(zhǔn)支持向量機(jī)相比較，LSSVM方法建立的醋酸乙烯聚合率軟測(cè)量模型具有更強(qiáng)的泛化能力，能較好的跟蹤樣本真實(shí)值的變化。但是研究發(fā)現(xiàn)，LSSVM參數(shù)選擇對(duì)醋酸乙烯聚合率軟測(cè)量模型性

3、能影響很大，不合適的模型參數(shù)將導(dǎo)致醋酸乙烯聚合率軟測(cè)量失敗。最后，針對(duì)傳統(tǒng)方法在選擇LSSVM模型參數(shù)的不足，本文提出采用兩種量子群智能優(yōu)化算法來(lái)自動(dòng)選取LSSVM參數(shù)。把LSSVM模型參數(shù)選擇問(wèn)題轉(zhuǎn)化為優(yōu)化問(wèn)題，分別采用全局搜索能力強(qiáng)的QGA(QuantumGeneticAlgorithm，量子遺傳算法)和QPSO(QuantumParticleSwarmOptimization，量子粒子群優(yōu)化)算法來(lái)進(jìn)行尋優(yōu)，并利用優(yōu)化算法得到的最佳正則化參數(shù)與核函數(shù)參數(shù)建立了基于QGA．LSSVM和QPSO．LSSVM的醋酸乙烯聚合率軟測(cè)量模型。仿真結(jié)果表明，與傳

4、統(tǒng)的交叉驗(yàn)證法，遺傳算法以及粒子群算法相比，本文提出的方法所建立的兩種模型均具有良好的預(yù)測(cè)精度和泛化性能，滿足醋酸乙烯聚合率工業(yè)的控制要求。而QPSO．LSSVM與QGA．LSSVM法相比則具有較快的建模速度和較小的泛化誤差，是更適合醋酸乙烯聚合率軟測(cè)量建模的方法。本文的研究工作為實(shí)現(xiàn)醋酸乙烯聚合率的在線檢測(cè)提供了一種新的有效途徑。關(guān)鍵詞：軟測(cè)量；醋酸乙烯聚合率；LSSVM；量子粒子群優(yōu)化；量子遺傳算法論文類型：應(yīng)用基礎(chǔ)研究基于醋酸乙烯聚合率在線檢測(cè)的軟測(cè)量建模方：琺研究AbstractInordertoensurethatproductionequip

5、mentisunderthebe：stoperatingconditions，andimproveproductqualityandeconomiceffi．ciencyofenterprisesintheindustrialprocesscontr01．Itmustbereal—timedetectionandoptimalcontroltheimportantprocessvariablesthatiscloselyrelatedtoproductquality．Thevinylacetatepolymerizationrateisanimporta

6、ntqualityindicatorsintheprocessofpolyvinylalcoholproduction，ithasansignificantimpactoneconomy，securityofproductionprocessandproductsfinalusage．However，mostofourfactoriescannotbeachievecontinuouson—linedetectionofthe、，inylacetatepolymerizationrateduetosometechnicaloreconomicreason

7、s．Tosolvethisproblem，anonlinepredictionmethodofvinylacetatepolymerizationrateusingsoftsensortechnologybasedonleastsquaressupportvectormachine(LSSVM)wasadvancedwhichisadoptsthestructuralriskMinimizationprinciple．Theprimaryresearchworksofthethesisareasfollows：Firstofall，thebasicpri

8、ncipleofsoftsensortechnologyandmodelingm