本发明涉及一种群智寻优的最优软测量仪表及方法，具体是一种基于改进引力搜索算法优化相关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群智寻优能力差、易受人为因素影响的不足，本发明的目的在于提供一种群智寻优的丙烯聚合生产过程最优软测量仪表，易于找到全局最优解。本发明解决其技术问题所采用的技术方案是：一种群智寻优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、pca主成分分析模块、相关向量机模块和改进引力搜索算法优化模块，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。主成分分析模块：通过主成分分析来保证在不降低系统精度的情况下降低系统的复杂度，将标准化后的数据集x＝{xij}进行主成分分析。记x＝{xij}是由n个样本组成的p变量数据集，x的协方差矩阵为：σx为非负定的对称阵，基于线性代数理论可知必定存在正交阵u满足：其中，λ1,λ2,…,λp为协方差矩阵σx的特征根，且满足λ1≥λ2≥…≥λp；而u恰好是由与特征根对应的特征向量所组成的正交阵：其中，ui＝(u1i，u2i，…，upi)',i＝1,2,…,p前k个主成分所含的信息量比率通过这k个主成分的贡献率之和得到：其中，ηk为前k个主成分的累积贡献率或者累积方差贡献率；λk为协方差矩阵σx的第k个特征值；p为原数据集中的变量个数。当前k个主成分的累积贡献率超过85％时，表示这k个主成分已经能够代表总体x的主要特征，即最终选取的主成分个数。相关向量机模块：用于建立软测量模型：在相关向量机中，为输入向量，假设目标向量t＝[t1,t2,…,tn]t符合高斯分布n(0,σ2)，则目标向量的似然估计概率为：其中，n为样本点数目，σ2表示方差，w＝[w0,w1,…,wn]为权值向量，φ是n×(n+1)维的设计矩阵，即φ＝[φ(x1),φ(x2),…,φ(xn)]t，φ(xn)＝[1,k(xn,x1),k(xn,x2),…,k(xn,xn)]t。核函数k(x,xn)取如下式的rbf核函数，其中σ1为核参数：在相关向量机中，权值w可以通过极大似然估计来确定，但是为了防止过拟合，通过高斯先验概率分布来约束参数：其中，α是n+1维超参数，该值的引入导致了系统的稀疏性。在先验概率的基础上，根据贝叶斯准则计算后验概率：(1)将后验概率进行分解：(2)关于权重的后验概率分布式如下：其中，后验协方差σ和均值μ分别为：σ＝(σ-2φtφ+a)-1(11)μ＝σ-2σφtt(12)且a＝diag(α0,α1,…,αn)。(3)根据极大似然方法求下式的最大值：可得α和σ2的迭代更新公式如下：其中，σii为σ中第i项对角线元素。改进引力搜索算法优化模块：用于采用改进引力搜索算法对相关向量机模块的核参数σ1进行优化，实现具体步骤如下：(1)算法初始化，随机初始化所有粒子，每个粒子代表问题的一个候选解。在一个d维的搜索空间中，假设有np个粒子，定义第i个粒子的位置为设定迭代结束条件，即最大迭代次数itermax。(2)在某t时刻，定义第j个粒子作用在第i个粒子上的引力大小为：其中，maj(t)和mpi(t)分别为作用粒子j的惯性质量和被作用粒子i的惯性质量，rij(t)是第i个粒子和第j个粒子之间的欧氏距离，ε是一个很小的常量，g(t)是在t时刻的引力常数：其中，α是下降系数，g0是初始引力常数，itermax是最大迭代次数。(3)粒子的惯性质量依据其适应度值的大小来计算，惯性质量越大表明它越接近最优值，同时意味着该粒子的吸引力越大，但其移动速度却越慢。假设引力质量与惯性质量相等，粒子的质量可以通过适当的运算规则去更新，更新算法如下所示：mai＝mpi＝mii＝mi,i＝1,2,...,np(19)其中，fiti(t)代表在t时刻第i个粒子的适应度值的大小。对求解最小值问题，best(t)和worst(t)定义如下：对求解最大值问题，best(t)和worst(t)定义如下：(4)假设t时刻在第d维上作用在第i个粒子上的总作用力等于其他所有粒子对它的作用力之和，计算公式如下：其中，randj是范围在[0,1]的随机数，kbest是一开始具有最佳适应度的前k个粒子的集合。根据牛顿第二定律，t时刻粒子i在第d维上的加速度为：其中，mi(t)是第i个粒子的惯性质量。(5)在下一次迭代中，粒子的新速度为部分当前速度与其加速度的总和。因此，gsa在每一次迭代运算过程中，粒子都会根据以下公式更新它的速度和位置：vi(t+1)＝ωvi(t)+c1ri1ai(t)+c2ri2(gbest-xi(t))(28)xi(t+1)＝xi(t)+vi(t+1)(29)其中，vi(t)是粒子i在第t次迭代的速度，xi(t)是粒子i在第t次迭代的位置，ai(t)是粒子i在第t次迭代的加速度，gbest是当前的最优解，ri1和ri2是[0,1]之间的两个随机数；ω逐渐减小的惯性因子，c1和c2是自适应加速度系数，计算公式如下：其中，t和itermax分别是当前迭代次数和最大迭代次数；c1i、c1f、c2i和c2f是常数，使得c1从2.5逐渐减小到0.5，c2从0.5逐渐增加到2.5。(6)重复以上步骤直至达到最大迭代次数，选取适应度值最优的解作为算法的最优解，结束算法并返回。所述群智寻优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，更新相关向量机模型。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群智寻优能力差、易受人为因素影响的不足，引入改进引力搜索算法优化模块对相关向量机的核参数进行群智优化，易于找到最优解，从而得到具有最优熔融指数预报功能的软测量仪表。附图说明图1是群智寻优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是基于改进引力搜索算法优化相关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1，一种群智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改进引力搜索算法优化相关向量机的最优软测量模型5，所述dcs数据库4与所述基于改进引力搜索算法优化相关向量机的最优软测量模型5的输入端连接，所述基于改进引力搜索算法优化相关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，所述基于改进引力搜索算法优化相关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。主成分分析模块8：通过主成分分析来保证在不降低系统精度的情况下降低系统的复杂度，将标准化后的数据集x＝{xij}进行主成分分析。记x＝{xij}是由n个样本组成的p变量数据集，x的协方差矩阵为：σx为非负定的对称阵，基于线性代数理论可知必定存在正交阵u满足：其中，λ1,λ2,…,λp为协方差矩阵σx的特征根，且满足λ1≥λ2≥…≥λp；而u恰好是由与特征根对应的特征向量所组成的正交阵：其中，ui＝(u1i，u2i，…，upi)',i＝1,2,…,p前k个主成分所含的信息量比率通过这k个主成分的贡献率之和得到：其中，ηk为前k个主成分的累积贡献率或者累积方差贡献率；λk为协方差矩阵σx的第k个特征值；p为原数据集中的变量个数。当前k个主成分的累积贡献率超过85％时，表示这k个主成分已经能够代表总体x的主要特征，即最终选取的主成分个数。相关向量机模块9：用于建立软测量模型：在相关向量机中，为输入向量，假设目标向量t＝[t1,t2,…,tn]t符合高斯分布n(0,σ2)，则目标向量的似然估计概率为：其中，n为样本点数目，σ2表示方差，w＝[w0,w1,…,wn]为权值向量，φ是n×(n+1)维的设计矩阵，即φ＝[φ(x1),φ(x2),…,φ(xn)]t，φ(xn)＝[1,k(xn,x1),k(xn,x2),…,k(xn,xn)]t。核函数k(x,xn)取如下式的rbf核函数，其中σ1为核参数：在相关向量机中，权值w可以通过极大似然估计来确定，但是为了防止过拟合，通过高斯先验概率分布来约束参数：其中，α是n+1维超参数，该值的引入导致了系统的稀疏性。在先验概率的基础上，根据贝叶斯准则计算后验概率：(1)将后验概率进行分解：(2)关于权重的后验概率分布式如下：其中，后验协方差σ和均值μ分别为：σ＝(σ-2φtφ+a)-1(11)μ＝σ-2σφtt(12)且a＝diag(α0,α1,…,αn)。(3)根据极大似然方法求下式的最大值：可得α和σ2的迭代更新公式如下：其中，σii为σ中第i项对角线元素。改进引力搜索算法优化模块10：用于采用改进引力搜索算法对相关向量机模块的核参数σ1进行优化，实现具体步骤如下：(1)算法初始化，随机初始化所有粒子，每个粒子代表问题的一个候选解。在一个d维的搜索空间中，假设有np个粒子，定义第i个粒子的位置为设定迭代结束条件，即最大迭代次数itermax。(2)在某t时刻，定义第j个粒子作用在第i个粒子上的引力大小为：其中，maj(t)和mpi(t)分别为作用粒子j的惯性质量和被作用粒子i的惯性质量，rij(t)是第i个粒子和第j个粒子之间的欧氏距离，ε是一个很小的常量，g(t)是在t时刻的引力常数：其中，α是下降系数，g0是初始引力常数，itermax是最大迭代次数。(3)粒子的惯性质量依据其适应度值的大小来计算，惯性质量越大表明它越接近最优值，同时意味着该粒子的吸引力越大，但其移动速度却越慢。假设引力质量与惯性质量相等，粒子的质量可以通过适当的运算规则去更新，更新算法如下所示：mai＝mpi＝mii＝mi,i＝1,2,...,np(19)其中，fiti(t)代表在t时刻第i个粒子的适应度值的大小。对求解最小值问题，best(t)和worst(t)定义如下：对求解最大值问题，best(t)和worst(t)定义如下：(4)假设t时刻在第d维上作用在第i个粒子上的总作用力fid(t)等于其他所有粒子对它的作用力之和，计算公式如下：其中，randj是范围在[0,1]的随机数，kbest是一开始具有最佳适应度的前k个粒子的集合。根据牛顿第二定律，t时刻粒子i在第d维上的加速度为：其中，mi(t)是第i个粒子的惯性质量。(5)在下一次迭代中，粒子的新速度为部分当前速度与其加速度的总和。因此，gsa在每一次迭代运算过程中，粒子都会根据以下公式更新它的速度和位置：vi(t+1)＝ωvi(t)+c1ri1ai(t)+c2ri2(gbest-xi(t))(28)xi(t+1)＝xi(t)+vi(t+1)(29)其中，vi(t)是粒子i在第t次迭代的速度，xi(t)是粒子i在第t次迭代的位置，ai(t)是粒子i在第t次迭代的加速度，gbest是当前的最优解，ri1和ri2是[0,1]之间的两个随机数；ω逐渐减小的惯性因子，c1和c2是自适应加速度系数，计算公式如下：其中，t和itermax分别是当前迭代次数和最大迭代次数；c1i、c1f、c2i和c2f是常数，使得c1从2.5逐渐减小到0.5，c2从0.5逐渐增加到2.5。(6)重复以上步骤直至达到最大迭代次数，选取适应度值最优的解作为算法的最优解，结束算法并返回。模型更新模块11，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，更新相关向量机模型。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