[发明专利]一种在线校正的丙烯聚合生产过程自适应多尺度预报系统有效
申请号: | 201811628007.2 | 申请日: | 2018-12-28 |
公开(公告)号: | CN109711628B | 公开(公告)日: | 2021-04-09 |
发明(设计)人: | 张泽银;王之宇;刘兴高 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/04 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 邱启旺 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 在线 校正 丙烯 聚合 生产过程 自适应 尺度 预报 系统 | ||
1.一种在线校正的丙烯聚合生产过程自适应多尺度预报系统,用于对丙烯聚合生产过程进行熔融指数预报,其特征在于:包括数据预处理模块、多尺度分析模块、预报模型模块以及在线校正模块;
所述数据预处理模块的输入为丙烯聚合生产过程的9个变量由于每个变量都有不同的单位,为了防止不同的量纲引起数据量级之间的误差,先对所有数据进行标准化处理,标准化公式如下:
其中,mean为各变量的算术平均值,std为各变量的标准差,为输入变量的值,下标r为第r次检测、s为第s维变量,xrs为标准化后输入变量的值作为输入数据;标准化后的数据为S={xr1,xr2,...,xr9};
所述自适应多尺度分析模块,用于将输入数据进行自适应多尺度分析处理,不需要预先分析和研究,自适应地以将输入数据序列分解为内涵模态分量,以获取高频和低频多尺度下的数据信息:
(1)从i=1开始,进行第i个内涵模态hi的筛选,识别熔融指数数据序列MI(t)中的所有局部极值,将所有局部最大值通过三次样条插值作为上包络线mUi,再将所有局部最小值通过三次样条插值作为下包络线mLi;
(2)提取第i个分量hi如下:
mi=mUi-mLi (2)
hi=MI(t)-mi (3)
其中,mi为上下包络线的均值,MI(t)为时刻t的熔融指数值;
(3)如果hi满足:局部对称、所有局部最大值均为正、所有局部最小值均为负,以上三个条件,则继续下一步骤;否则,将hi视为第i个内涵模态的原型hi1,然后继续运算直到得到符合条件的hin:
mi1=mi (4)
hi1=hi (5)
mik=mUik-mLik,k=2,3,…n (6)
hi(k-1)-mik=hik,k=2,3,...n (7)
ci=hik,k=2,3,...n (8)
其中,mi1为hi1的上下包络线包络线均值,k为第k次迭代,hik为第i个内涵模态第k次迭代时的函数,mUik为hik的上包络线,mLik为hik的下包络线,mik为上下包络线的均值,hi(k-1)为第i个内涵模态第k-1次迭代时的函数,ci为第i个内涵模态;
(4)令i=i+1,MIi+1(t)=MIi(t)-ci,其中MIi(t)为找到第i个内涵模态后的余项,MIi+1(t)为找到第i+1个内涵模态后的余项,回到步骤(2),直到剩余的MIi+1(t)无法继续分解,得到余差MIi+1(t);
所述预报模型模块使用统计建模方法,通过误差函数最小化来完成输入参数到输出熔融指数预报值的高度非线性映射,映射中保持拓扑不变性:
其中Γ表示目标函数、w表示惯性权重、ξ表示误差、C表示惩罚因子、u表示权重系数、β表示核函数映射、b表示偏置、x为输入数据、y为输出数据,下标i表示第i个数据,n为输出变量总数,上标T表示矩阵的转置;
所述在线校正模块采用在线校正策略对预报模型模块的参数进行实时校正,通过将预报误差较大的预报数据作为新的训练数据加入训练数据集,来实时修正模型误差:
(1)在线校正模块获取测量数据的校正值,使其既满足整个装置和单元设备的物料、能量平衡关系,同时又使其与测量值之差的加权平方和最小;
MIp=MIa+ε (10)
其中,MI为熔融指数,MIp为熔融指数测量值,MIa为熔融指数真实值,ε为误差向量,为校正值,U为预报模型参数向量,为待估计参数向量,F为预报模型函数向量,表示丙烯聚合过程物料平衡、能量平衡和化学反应计量关系;Q为MI的(n×n)阶方差-协方差矩阵,可由仪表精度或测量样本估计;
(2)在线校正模块工作时,实时获取t时刻的分析值MIa(t)和预报值MIp(t),计算分析值MIa和预报值MIp的偏差eo(t):
eo(t)=|MIa(t)-MIp(t)| (12)
如果eo(t)大于一正的误差容限εo:
eo(t)>εo (13)
则将t时刻的分析值MIa(t)和参数值x(t)作为新的训练数据{x(t),MIa(t)}加入训练数据集中,并重新训练预报模型参数,进行预报模型的在线校正;否则,认为模型参数是准确的,无需进行在线校正;
(3)重新训练预报模型参数,对于训练过程模型
其中,E为预报结果的平方误差,UL为待估计参数向量下界,UU为待估计参数向量上界;该模型根据以下公式求解:
其中,为E的雅可比矩阵,为F关于的雅可比矩阵,λ为Lagrange乘子,zL为由束下界UL决定的对偶变量,zU为由束上界UU决定的对偶变量,该方程等价于:
(U-UL)zL-μeL=0 (17)
(UU-U)zU-μeU=0 (18)
其中,μ是障碍参数,eL为由zL决定的约束下界UL指示器,eU为由zU决定的约束上界UU指示器;μ的更新方式为:
其中,下标q表示循环迭代计数,εtol为给定的误差容限,参数κμ∈(0,1)、θμ∈(1,2)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811628007.2/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理