[发明专利]模糊神经网络结合群智能寻优的工业熔融指数软测量方法

权利要求书

1.一种模糊神经网络结合群智能寻优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，其特征在于：包括数据预处理模块、模糊神经网络模块、蜻蜓寻优算法模块、滑窗模块、模糊规则优化模块。

2.根据权利要求1所述模糊神经网络结合群智能寻优的工业熔融指数软测量方法，其特征在于：所述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，使得训练样本的均值为0，方差为1，该处理采用以下算式过程来完成：

均值：

方差：

标准化：

其中，N为训练样本数，TX_i为第i个训练样本，为训练样本的均值，X为标准化后的训练样本；σ_x表示训练样本的标准差，表示训练样本的方差；

3.根据权利要求1所述模糊神经网络结合群智能寻优的工业熔融指数软测量方法，其特征在于：模糊神经网络模块对从数据预处理模块传过来的输入变量，进行模糊推理和建立模糊规则；对从数据预处理模块传过来的经过预处理过的训练样本X进行模糊分类，利用聚类方法得到模糊规则库中每个模糊类的中心和宽度；设第p个训练样本X_p＝[X_p1,…,X_pn]，其中n是输入变量的个数。

设模糊神经网络有R个模糊规则，对每个模糊规则i,i＝1,…,R，都赋予一个权重值D_i，用以表示规则i在模糊神经网络中的重要性。为了求得训练样本X_p的每个输入变量X_pj,j＝1,…,n对每个模糊规则的隶属程度，由下面的模糊化方程给出训练样本X_pj,j＝1,…,n的第j个输入对其第i个模糊规则的隶属度：

设训练样本X_p对模糊规则i的适应度为μ⁽ⁱ⁾(X_p)，则μ⁽ⁱ⁾(X_p)的大小由下式决定：

其中M_ij表示输入变量X_pj对第i个模糊规则的隶属度，m_ij和σ_ij分别表示第i个模糊规则的第j个高斯成员函数的中心和宽度，由聚类算法求得。

求得输入训练样本对于每个规则的适应度之后，模糊神经网络对模糊规则输出进行推导以得到最后的解析解；在模糊神经网络结构中，每个模糊规则推导的过程都表示为如下：首先求得训练样本中所有输入变量的线性乘积和，然后用此线性乘积和与规则的适用度μ⁽ⁱ⁾(X_p)相乘，得到最终的每条模糊规则的输出。模糊规则i的推导输出表示如下：

式中，f⁽ⁱ⁾为第i条模糊规则的输出，是模糊神经网络模型对第p个训练样本的预测输出，a_ij,j＝1,…,n是第i条模糊规则中第j个变量的线性系数，a_i0是第i条模糊规则中输入变量线性乘积和的常数项，b是输出偏置量。