[发明专利]一种工业生产条件下聚烯烃分子量分布快速建模方法有效
申请号: | 201410382446.5 | 申请日: | 2014-08-06 |
公开(公告)号: | CN104112082B | 公开(公告)日: | 2017-04-26 |
发明(设计)人: | 钱锋;罗娜;田洲;叶贞成;赵亮 | 申请(专利权)人: | 华东理工大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 上海新天专利代理有限公司31213 | 代理人: | 胡红芳 |
地址: | 200237 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种工业生产条件下聚烯烃分子量分布的快速建模方法,该方法选取影响聚合物产品分子量分布的若干过程关键操作变量作为输入变量,表征分子量分布的若干参数作为输出变量,建立输入变量和输出变量之间的数据模型,核心技术为利用烯烃聚合过程催化剂各活性位上参数化分布函数加权叠加拟合产品的分子量分布,并由支持向量机算法建立催化剂各活性位的分布函数参数与过程关键操作之间的数据模型。本发明的方法避开了复杂的过程机理分析,现场实施方便,测量精度高,尤其适用于非线性、高维且过程数据非常丰富的工业场合;本发明可用于实时监控或指导实际生产,能使产品质量提高、产量增加、装置运行平稳,带来较大的经济效益。 | ||
搜索关键词: | 一种 工业生产 条件下 烯烃 分子量 分布 快速 建模 方法 | ||
【主权项】:
一种工业生产条件下聚烯烃分子量分布的快速建模方法,其特征在于,包括如下步骤:(1)以反应器温度T、反应器压力P、单体进料量fc和氢气进料量fH为输入变量,组合构成的数据模型输入变量X为:X=[T P fc fH];(2)设聚烯烃每一个活性位产生的最可能分子量分布可用下式表示:wj(m)=(pj)2mexp(‑pjm)其中wj(m)表示链长m的聚合物在第j个活性位生产的聚合物中所占的比重,pj是与活性位j对应的参数;以催化剂各活性位分布函数参数pj为输出变量,其中,j=1…n,n为催化剂的活性位个数;组合构成的数据模型输出变量Y为:Y=[p1…pn];(3)在工业生产稳定的情况下,从工业现场的历史数据库中采集生产过程中主要反应器的相关操作变量,记为Xi,i=1,2…NN;采集多组不同工业生产条件的数据;(4)利用高温凝胶色谱仪分析相应工况下的聚烯烃的分子量分布数据,利用烯烃聚合过程催化剂多个活性位的分布函数加权叠加的方式拟合分子量分布曲线,并将不同工业生产条件下催化剂各活性位分布函数参数构成数据模型的输出变量Yi=[pi1…pin],i=1…NN;(5)由数据模型的样本集(Xi,Yi),i=1,2…NN构成建模样本矩阵XX和YY;由建模样本集(Xi,Yi)所构成的建模样本矩阵为:XX=[X1…XNN]T YY=[Y1…YNN]T;其中,Xi是数据模型输入变量X的第i个样本点的样本值,Yi是数据模型输出变量Y的第i个样本点的样本值,NN是建模样本集中的样本点数;(6)对建模样本矩阵XX和YY进行标准化、归一化处理,使得各变量均值 为0、方差为1,得到归一化的建模样本矩阵X0和Y0,其中Y0=[Y01…Y0n];(7)以X0为输入变量矩阵、Y0为输出变量矩阵,分别对n个支持向量机进行训练,得到支持向量机回归的决策函数fj和对应的支持向量,支持向量机训练中的参数集为(Cj,σj);其中,j=1…n;(8)在线运行情况下,每次得到新的相关操作变量测量值,进行标准化、归一化处理后,利用所述支持向量机回归的决策函数fj和对应的支持向量进行预测计算,并把预测结果j=1,…,n进行逆标准化、逆归一化处理,将处理后的结果分别作为分布函数参数代入假设的催化剂各活性位分布函数,再由催化剂各活性位分布函数与对应权重参数线性组合得到所述聚烯烃分子量分布的数据。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
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华东理工大学,未经华东理工大学许可,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/patent/201410382446.5/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用