[发明专利]基于Chaos混沌寻优的丙烯聚合生产过程最优软测量仪表及方法

摘要

一种基于Chaos混沌寻优的丙烯聚合生产过程最优软测量仪表，包括丙烯聚合生产过程、现场智能仪表、控制站、存放数据的DCS数据库、基于Chaos混沌寻优的最优软测量模型以及熔融指数软测量值显示仪，现场智能仪表及控制站与丙烯聚合生产过程相连，与DCS数据库相连；最优软测量模型与DCS数据库及软测量值显示仪相连。所述的基于Chaos混沌寻优的最优软测量模型包括数据预处理模块、ICA独立成分分析模块、神经网络建模模块以及Chaos混沌寻优模块。以及提供了一种用软测量仪表实现的软测量方法。本发明实现在线测量、在线参数自动优化、计算速度快、模型自动更新、抗干扰能力强、精度高。

主权项

1、一种基于Chaos混沌寻优的丙烯聚合生产过程最优软测量仪表，包括丙烯聚合生产过程、用于测量易测变量的现场智能仪表、用于测量操作变量的控制站、存放数据的DCS数据库以及熔融指数软测量值显示仪，所述现场智能仪表、控制站与丙烯聚合生产过程连接，所述现场智能仪表、控制站与DCS数据库连接，其特征在于：所述软测量仪表还包括基于Chaos混沌寻优的最优软测量模型，所述DCS数据库与所述基于Chaos混沌寻优的最优软测量模型的输入端连接，所述基于Chaos混沌寻优的最优软测量模型的输出端与熔融指数软测量值显示仪连接，所述基于Chaos混沌寻优的最优软测量模型包括：数据预处理模块，用于将从DCS数据库输入的模型输入变量进行预处理，对输入变量中心化，即减去变量的平均值；再对输入变量预白化处理即变量去相关，对输入变量施加一个线性变换；ICA独立成分分析模块，用于从经过数据预处理的线性混合数据中恢复出基本源信号，包括：(3.1)选择随机初始权值B；(3.2)对B进行迭代更新，B+＝E{xg(BTx)}-E{g′(BTx)}B；式中，B+表示更新后的权值，BT是B的转置，g′是g的倒数，E是数学期望，x是矩阵X的矢量；(3.3)让B＝B+/||B+||；式中，||.||表示泛数；(3.4)判断是否收敛，||B+-B||＜epsilon(6)式中epsilon表示收敛指标，不收敛返回(3.2)，否则继续；(3.5)存储B；然后，由式(2)计算各分离分量：Y＝BX (2)式中Y即为S的估计矢量，S为独立成分变量矩阵，X为观测变量矩阵；分离结果独立性的测度，采用基于负熵的独立性判别准则J(y)∝[E{G(y)}-E{G(y)}2] (3)式中G(·)为非二次函数，y是矩阵Y的矢量；选择：G(y)＝-exp(-y2/2) (4)式(3)即基于熵原理的负熵估计，当负熵J(y)最大时，变量独立；估计分离矩阵B，基于固定点反复迭代寻找BX，以基于负熵式(3)为判别准则的非高斯性最大化，取：g(x)＝xexp(-x2/2) (5)；式中函数g(·)为函数G(·)的倒数；神经网络建模模块，用于采用BP神经网络，通过误差函数最小化来完成输入到输出的一种高度非线性映射，映射中保持拓扑不变性；Chaos混沌寻优模块，用于采用基于Logistic映射的Chaos混沌寻优模块对神经网络进行优化，包括(5.1)算法初始化：置混沌变量迭代步数k＝0，为细搜索混沌迭代步数，对xi分别赋予i个具有微小差异的初值，为[0，1]区间n个相异的随机值，则得到i个轨迹不同的混沌变量xi，n+1，初始化最优变量及最优目标值，令$x_i^n=x_i\left(0\right),fn＝f(0)\; (9)(5.2)将混沌变量映射到参变量上，通过下式：x\prime i，n+1＝ci+dixi，n+1\; (10)式中ci，di为常数，用载波的方法将选定的i个混沌变量xi，n+1分别引入到i个优化变量中使其变成混沌优化变量x\prime i，n+1，并将混沌变量的变化范围分别“放大”到相应的优化变量的取值范围；(5.3)用混沌变量进行迭代搜索，令xi(k)＝x\prime i，n+1\; (11)计算产生的新的混沌变量相应的目标值fi(k)，如果fi(k)\le fn，则更新当前最优变量及最优目标值为$ x_i^n=x_i\left(k\right),fn＝f(k)，否则放弃变量xi(k)；(5.4)在i个轨迹上通过Logistic映射产生新的混沌变量，迭代步数计数k加1；(5.5)判断是否满足中止迭代条件，以最大迭代步数K为判定条件；或以在设定迭代步数m内目标值是否变化为标准，若经过m步迭代，目标值没有更新，则判定为迭代结束；若满足中止条件，迭代中止，输出最优变量x\prime i\; n及最优目标值fn；否则，返回步骤(5.3)，继续迭代过程。$$