[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

说明书

本发明公开了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，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。本发明通过滑窗法提供每一时刻模糊神经网络的输入，利用改进的蜻蜓寻优算法对模糊神经网络参数进行智能寻优，使原本模糊神经网络参数设置问题得到解决。本发明同时兼顾寻优过程中的全局与局部信息，可对网络参数进行稳定在线校正并提高系统对输入数据波动的适应性。其具有稳定优化模型结构，推广性好，抗干扰能力强的特点。

技术领域

本发明涉及一种软测量方法，尤其涉及一种模糊神经网络与群智能寻优的工业熔融指数软测量方法。

背景技术

聚丙烯是一种由丙烯聚合而成的半结晶的热塑性塑料，具有较高的耐冲击性，机械性质强韧，抗多种有机溶剂和酸碱腐蚀，在工业界有广泛的应用，是平常最常见的高分子材料之一。熔融指数(MI)是聚丙烯生产中确定最终产品牌号的重要质量指标之一，它决定了产品的不同用途。熔融指数的精确、及时的测量，对生产和科研，都有非常重要的作用和指导意义。然而，熔融指数的在线分析测量目前仍然很难做到，缺乏熔融指数的在线分析仪是制约聚丙烯产品质量的一个主要问题。MI只能通过人工取样、离线化验分析获得，而且一般每2-4小时分析一次，时间滞后大，难以满足生产实时控制的要求。

近年来关于MI的在线预报的研究工作大部分都集中在人工神经网络上面，取得了不错的效果。但是人工神经网络也有其自身的缺点，例如过拟合、隐含层的节点数目和参数不好确定。其次，工业现场采集到的DCS数据也因为噪音、人工操作误差等带有一定的不确定误差，所以使用确定性强的人工神经网络的预报模型一般推广能力不强。

1965年美国数学家L.Zadeh首先提出了Fuzzy集合的概念。随后模糊逻辑以其更接近于日常人们的问题和语意陈述的方式，开始代替坚持所有事物都可以用二元项表示的经典逻辑。1987年，Bart Kosko率先将模糊理论与神经网络有机结合进行了较为系统的研究。在这之后的时间里，模糊神经网络的理论及其应用获得了飞速的发展，各种新的模糊神经网络模型的提出及其相适应的学习算法的研究不仅加速了模糊神经理论的完善，而且在实践中也得到了非常广泛的应用。但同时模糊神经网络结构的确定也遇到了和神经网络一样的问题，结构参数需要操作工依赖自己的操作经验人工确定。

蜻蜓算法(DragonflyAlgorithm，DA)是由Seyedali与Mirjalili在2015年提出的一种新型群智能优化算法。该算法的灵感来源于自然界中蜻蜓的独特的两个聚集群体：觅食群体(又称静态群体)和迁徙群体(又称动态群体)。该算法在搜索最优解过程中兼顾全局信息与局部信息，对于函数优化问题表现出不俗的性能。本方案中，蜻蜓算法被用来优化模糊神经网络模型中的参数。

发明内容

为了克服目前已有的丙烯聚合生产过程的熔融指数在线预报系统工作状态不稳定，测量精度低、抗干扰能力弱、推广性能差的不足，本发明的目的在于提供一种计算精度高，抗干扰能力强，模型结构自动更新和优化，推广性能好的模糊神经网络与群智能寻优的工业熔融指数软测量方法。

本发明解决其技术问题所采用的技术方案是：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，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。其中：

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；