一种混沌高精度的丙烯聚合生产过程最优软测量仪表的制作方法

本发明涉及一种混沌高精度的最优软测量仪表及方法，具体是一种基于混沌支持向量机的丙烯聚合过程最优软测量仪表。
背景技术：
聚丙烯是由丙烯聚合而制得的一种热塑性树脂，丙烯最重要的下游产品，世界丙烯的50％，我国丙烯的65％都是用来制聚丙烯，是五大通用塑料之一，与我们的日常生活密切相关。聚丙烯是世界上增长最快的通用热塑性树脂，总量仅仅次于聚乙烯和聚氯乙烯。为使我国聚丙烯产品具有市场竞争力，开发刚性、韧性、流动性平衡好的抗冲共聚产品、无规共聚产品、bopp和cpp薄膜料、纤维、无纺布料，及开发聚丙烯在汽车和家电领域的应用，都是今后重要的研究课题。熔融指数是聚丙烯产品确定产品牌号的重要质量指标之一，它决定了产品的不同用途，对熔融指数的测量是聚丙烯生产中产品质量控制的一个重要环节，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很难做到，一方面是在线熔融指数分析仪的缺乏，另一方面是现有的在线分析仪由于经常会堵塞而测量不准甚至无法正常使用所导致的使用上的困难。因此，目前工业生产中mi的测量，主要是通过人工取样、离线化验分析获得，而且一般每2-4小时只能分析一次，时间滞后大，给丙烯聚合生产的质量控制带来了困难，成为生产中急需解决的一个瓶颈问题。聚丙烯熔融指数的在线预报系统及方法研究，从而成为学术界和工业界的一个前沿和热点。技术实现要素：为了克服目前已有的丙烯聚合生产过程的测量精度不高的不足，本发明的目的在于提供一种混沌预报、高精度性的丙烯聚合生产过程最优软测量仪表。本发明解决其技术问题所采用的技术方案是：一种混沌高精度的丙烯聚合生产过程最优软测量仪表，用于对丙烯聚合生产过程中的熔融指数进行软测量，所述软测量单元包括依次相连的数据预处理模块、混沌分析模块和支持向量机模块，其中：数据预处理模块：将从dcs数据库输入的模型输入变量进行预处理，具体根据下式进行标准化处理：其中，mean表示各变量的算术平均值，std表示各变量的标准差，表示输入变量的值，下标i表示第i次检测、j分别表示第j维变量，xij表示标准化后的输入变量，s表示模型输入变量。混沌分析模块：根据混沌理论对样本x＝{xij}进行混沌特性分析。首先要确定相空间重构的两个重要参数，即延迟时间和嵌入维数。如果系统的最大lyapunov指数大于0，则该系统一定是混沌的，所以可以根据最大lyapunov指数判断系统的混沌特性。(1)互信息法确定重构的延迟时间τ，是在非线性情形下，对某个时刻t与另一时刻t+τ的信息量之间的关系进行分析。设a、b两个系统，ar、bk是某一物理量的测量结果，pa(ar)、pb(bk)分别是ar与bk的概率，pab(ar,bk)表示为a与b的联合概率。则互信息量定义为平均互信息量定义如下：如果a和b不相关，则iab(ar,bk)＝0。设a代表时间序列y(t)，b代表时间序列y(t+τ)，则平均互信息量为：绘制τ～i(τ)曲线，取曲线的第一个极小值点对应的时间作为相空间重构的延迟时间τ。(2)cao方法确定重构的嵌入维数，在m维相空间中，第i个相点矢量记为xm(i)＝[x(i),x(i+τ),…,x(i+(m-1)τ)]t(5)首先定义其中，为xm(i)的最近邻点，xm+1(i)和是相点xm(i)和在m+1维相空间的延拓。距离公式采用最大范数，即记a2(i,m)关于i的均值为为研究e(m)的变换情况，定义如果时间序列是由吸引子产生的，那么当m大于某个m0时，e1(m)不再发生变化，则m0就是重构相空间的最小嵌入维数。(3)采用小数据量法计算最大lyapunov指数，过程如下：①对时间序列{x(t)|t＝1,2,…,n}进行快速傅里叶变换，计算其平均周期p；②确定时间序列的延迟时间τ和嵌入维数m，设重构以后的相空间为{xi|i＝1,2,…,k}，其中k＝n-(m-1)τ代表相空间中相点的个数；③找到相点xi在相空间中对应的最近邻点同时限制其在相空间中短时分离：④针对相空间中的任一相点xi，求得其对应邻点对的j个离散时间后的距离di(j)为：⑤对每个j，求出所有的ln(di(j))的平均y(j)，即：其中，q是记录di(j)≠0的个数。用最小二乘法拟合，则回归直线的斜率就是该时间序列的最大lyapunov指数λ1。(4)对样本进行相空间重构：其中，n＝n-(m-1)τ为相点总数。支持向量机模块：用于建立软测量模型，建模过程如下：在支持向量机中，考虑如下函数的回归问题：给定m个样本数据其中xi为模型样本输入，yi为样本输出。通过非线性映射将输入数据投影到高维特征空间，从而将非线性回归问题转化为高维特征空间中的线性回归问题。w的维数为特征空间维数(可能为无穷维),b为偏置量。定义ε不敏感损失函数为其中，ε>0为与函数估计精度直接相关的设计参数，求解目的是构造f(x)，使与目标值之间的距离小于ε。寻找上式中的参数等价于求解如下优化问题：其中，ξ,ξ*为松弛因子，γ为惩罚系数。采用拉格朗日乘子法求解这个具有线性不等式约束的二次规划问题，即其中，αi,βi,i＝1,2,...,m为拉格朗日乘子。由此可得对偶优化问题：0≤αi≤γ其中，称为核函数。由此可得w和待估计函数：其中，偏置量b可以通过ktt(karush-kuhn-tucker)条件计算。核函数的选择必须满足mercer条件，采用径向基函数k(xi,x)＝exp(-||x-xi||/σ2)。所述混沌高精度的丙烯聚合生产过程最优软测量仪表还包括模型更新模块，用于模型的在线更新，定期将离线化验数据输入到训练集中，更新支持向量机模型。本发明的有益效果主要表现在：本发明对丙烯聚合生产过程的重要质量指标熔融指数进行在线最优软测量，克服已有的聚丙烯熔融指数测量仪表测量精度不高的不足，引入混沌理论对熔融指数时间序列进行分析，通过相空间重构将其从一位拓展到多维空间，可以探究时序所包含的更多信息，从而得到具有高精度的熔融指数混沌预报功能的最优软测量仪表。附图说明图1是混沌高精度的丙烯聚合生产过程最优软测量仪表及方法的基本结构示意图；图2是基于混沌支持向量机的最优软测量模型结构示意图；图3是丙烯聚合生产过程hypol工艺生产流程图。具体实施方式下面根据附图具体说明本发明。参照图1，一种混沌高精度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1、用于测量易测变量的现场智能仪表2、用于测量操作变量的控制站3、存放数据的dcs数据库4以及熔融指数软测量值显示仪6，所述现场智能仪表2、控制站3与丙烯聚合生产过程1连接，所述现场智能仪表2、控制站3与dcs数据库4连接，所述软测量仪表还包括基于混沌支持向量机的最优软测量模型5，所述dcs数据库4与所述基于混沌支持向量机的最优软测量模型5的输入端连接，所述基于混沌支持向量机的最优软测量模型5的输出端与熔融指数软测量值显示仪6连接。参照图3，根据反应机理以及流程工艺分析，取丙烯聚合生产过程中常用的九个操作变量和易测变量作为建模变量，包括：三股丙稀进料流率，主催化剂流率，辅催化剂流率，釜内温度、压强、液位，釜内氢气体积浓度，如表1所示，分别为釜内温度(t)、釜内压力(p)、釜内液位(l)、釜内氢气体积浓度(xv)、3股丙烯进料流率(第一股丙稀进料流率f1，第二股丙稀进料流率f2，第三股丙稀进料流率f3)、2股催化剂进料流率(主催化剂流率f4，辅催化剂流率f5)。丙烯聚合过程的变量数据作为最优软测量模型5的输入变量，熔融指数离线化验值作为最优软测量模型5的输出变量，通过人工取样、离线化验分析获得，每4小时分析采集一次。表1丙烯聚合过程的变量变量符号变量含义变量符号变量含义t釜内温度f1第一股丙稀进料流率p釜内压强f2第二股丙稀进料流率l釜内液位f3第三股丙稀进料流率xv釜内氢气体积浓度f4主催化剂流率f5辅催化剂流率参照图2，所述基于混沌支持向量机的最优软测量模型5还包括：数据预处理模块7：将从dcs数据库输入的模型输入变量进行预处理，具体根据下式进行标准化处理：其中，mean表示各变量的算术平均值，std表示各变量的标准差，表示输入变量的值，下标i表示第i次检测、j分别表示第j维变量，xij表示标准化后的输入变量，s表示模型输入变量。混沌分析模块8：根据混沌理论对样本x＝{xij}进行混沌特性分析。首先要确定相空间重构的两个重要参数，即延迟时间和嵌入维数。如果系统的最大lyapunov指数大于0，则该系统一定是混沌的，所以可以根据最大lyapunov指数判断系统的混沌特性。(1)互信息法确定重构的延迟时间τ，是在非线性情形下，对某个时刻t与另一时刻t+τ的信息量之间的关系进行分析。设a、b两个系统，ar、bk是某一物理量的测量结果，pa(ar)、pb(bk)分别是ar与bk的概率，pab(ar,bk)表示为a与b的联合概率。则互信息量定义为平均互信息量定义如下：如果a和b不相关，则iab(ar,bk)＝0。设a代表时间序列y(t)，b代表时间序列y(t+τ)，则平均互信息量为：绘制τ～i(τ)曲线，取曲线的第一个极小值点对应的时间作为相空间重构的延迟时间τ。(2)cao方法确定重构的嵌入维数，在m维相空间中，第i个相点矢量记为xm(i)＝[x(i),x(i+τ),…,x(i+(m-1)τ)]t(5)首先定义其中，为xm(i)的最近邻点，xm+1(i)和是相点xm(i)和在m+1维相空间的延拓。距离公式采用最大范数，即记a2(i,m)关于i的均值为为研究e(m)的变换情况，定义如果时间序列是由吸引子产生的，那么当m大于某个m0时，e1(m)不再发生变化，则m0就是重构相空间的最小嵌入维数。(3)采用小数据量法计算最大lyapunov指数，过程如下：①对时间序列{x(t)|t＝1,2,…,n}进行快速傅里叶变换，计算其平均周期p；②确定时间序列的延迟时间τ和嵌入维数m，设重构以后的相空间为{xi|i＝1,2,…,k}，其中k＝n-(m-1)τ代表相空间中相点的个数；③找到相点xi在相空间中对应的最近邻点同时限制其在相空间中短时分离：④针对相空间中的任一相点xi，求得其对应邻点对的j个离散时间后的距离di(j)为：⑤对每个j，求出所有的ln(di(j))的平均y(j)，即：其中，q是记录di(j)≠0的个数。用最小二乘法拟合，则回归直线的斜率就是该时间序列的最大lyapunov指数λ1。(4)对样本进行相空间重构：其中，n＝n-(m-1)τ为相点总数。支持向量机模块9：用于建立软测量模型：在支持向量机中，考虑如下函数的回归问题：给定m个样本数据其中xi为模型样本输入，yi为样本输出。通过非线性映射将输入数据投影到高维特征空间，从而将非线性回归问题转化为高维特征空间中的线性回归问题。w的维数为特征空间维数(可能为无穷维),b为偏置量。定义ε不敏感损失函数为其中，ε>0为与函数估计精度直接相关的设计参数，求解目的是构造f(x)，使与目标值之间的距离小于ε。寻找上式中的参数等价于求解如下优化问题：其中，ξ,ξ*为松弛因子，γ为惩罚系数。采用拉格朗日乘子法求解这个具有线性不等式约束的二次规划问题，即其中，αi,βi,i＝1,2,...,m为拉格朗日乘子。由此可得对偶优化问题：0≤αi≤γ其中，称为核函数。由此可得w和待估计函数：其中，偏置量b可以通过ktt(karush-kuhn-tucker)条件计算。核函数的选择必须满足mercer条件，采用径向基函数k(xi,x)＝exp(-||x-xi||/σ2)。模型更新模块10，用于模型的在线更新，定期将离线化验数据输入到训练集中，更新支持向量机模型。本发明实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。当前第1页12