一种工业生产条件下聚烯烃分子量分布快速建模方法
【专利摘要】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。
【专利说明】一种工业生产条件下聚烯烃分子量分布快速建模方法
【技术领域】
[0001] 本发明涉及工业生产条件下烯烃聚合反应产物分子量分布的建模方法，尤其涉及 聚乙烯产品分子量分布的建模方法。
【背景技术】
[0002] 聚合物的分子量分布（Molecular Weight Distribution)是与材料的物理性能及 加工性能密切相关的一个指标，当分子量分布达到一定要求时，才能使材料表现出应有的 性能。因而，聚合物的分子量分布是衡量材料质量特征的一个重要指标。
[0003] 对烯烃聚合反应分子量分布的建模通常可采用基于自由基聚合反应机理、矩方程 法理论以及分布函数的机理建模方法。然而，由于聚合反应机理的复杂性和多样性，机理模 型建模繁琐、规模庞大、结构复杂，在实际应用中计算速度慢且不能全面反映复杂工业反应 过程的实际分子量分布情况。将数据建模方法应用到分子量分布建模，一方面可以利用数 据模型的拟合功能弥补机理模型中缺陷的部分，如模型部分反应机理不明确、反应参数未 知、抗噪声扰动能力弱等问题，另一方面可以降低模型的复杂度，提高模型的求解速度，提 供更适用于在线控制的模型。刘剑峰等提出利用克里金插值方法获得基于数据的分子量分 布模型。吴海燕等基于改进的神经网络模型，利用输出反馈方法对分子量分布矩向量进行 控制，实现对分子量分布的形状跟踪。然而上述建模方法是通过建立分子链长与相应链长 下分子量比重值之间的模型，估算各链长下的分子量比重值来描述分子量分布。聚合物分 子链长大于1〇 5数量级，因此建立的模型结构复杂，求解速度慢。本发明基于聚合物的分子 量分布能由催化剂各活性位的参数化分布函数加权叠加拟合的特性，利用分布函数的参数 表征分子量分布，完成工业生产条件下聚烯烃产品分子量分布的快速建模。
【发明内容】
[0004] 本发明是针对烯烃聚合反应产物分子量分布机理模型过于复杂而难以应用于现 场控制的场合，提出的一种解决方案，即，提供一种结合烯烃聚合反应机理与数据建模方法 的在工业生产条件下分子量分布的快速建模方法。
[0005] 本发明的目的是通过以下技术方案和步骤来实现的：
[0006] 一种工业生产条件下聚烯烃分子量分布的快速建模方法，包括如下步骤：
[0007] (1)以反应器温度T、反应器压力P、单体进料量f。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 f。fH];
[0008] (2)利用烯烃聚合过程产品分子量分布由催化剂各活性位的参数化分布函数加权 叠加拟合的特性，通过催化剂各活性位的分布函数参数表征产品分子量分布，选择催化剂 各活性位的分布函数参数作为数据模型的输出变量Y ;
[0009] 以催化剂各活性位分布函数参数f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···?11];
[0010] (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；
[0011] (4)为得到数据模型的输出变量Y，进行如下步骤：
[0012] a.利用高温凝胶色谱仪得到不同工况下的聚烯烃的分子量分布数据；假设聚烯 烃每一个活性位产生的最可能分子量分布可用下式表示：
[0013] wJ (m) = (pJ) 2mexp (-pJm)
[0014] 其中W(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。聚合物的分子量分布可以表示为：
[0015]
【权利要求】
1. 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f。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 f。fH]; (2) 以催化剂各活性位分布函数参数f为输出变量，其中，j = 1…η，η为催化剂的活 性位个数；组合构成的数据模型输出变量Υ为：Υ= [Ρ1···?11]; (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... ΝΝ ;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￥ 1 = [ρ/···?^]^ = 1··· NN ； (5) 由数据模型的样本集％，YJ，i = 1，2. . . NN构成建模样本矩阵XX和YY ; (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X〇和Y〇,其中Y〇 = [Yc/…Υ〇η]; (7) 以\为输入变量矩阵、I为输出变量矩阵，分别对η个支持向量机进行训练， 得到支持向量机回归的决策函数户和对应的支持向量，支持向量机训练中的参数集为 (C\ σ ;其中，j = 1···η ; (8) 在线运行情况下，每次得到新的相关操作测量值，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f"和对应的支持向量进行预测计算，并把预测结果 卢C/ = l··./!)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。
2. 根据权利要求1所述的快速建模方法，其特征在于，所述步骤（4)中，输出变量的选 择是不同工业生产条件下催化剂各活性位分布函数参数，由这些参数和假设的分布函数形 式表征分子量分布。
3. 根据权利要求1所述的快速建模方法，其特征在于，所述步骤（5)中，由建模样本集 (Xi，Yi)所构成的建模样本矩阵为：
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，其取值500到1000之间。
4. 根据权利要求1所述的快速建模方法，其特征在于，所述步骤￠)中，对建模样本矩 阵XX和YY进行标准化、归一化处理时，所采用的具体公式为： 均值计算
方差计算
归一化计算
式中，
分别是对应于XX和YY的均值和方差，其中
σ yy = [ 〇 yy1…〇 γγη]。按比例将建模样本矩阵中NN个样本点采样数据分成训练样本和测 试样本，则得到由训练样本构成的输入矩阵χ〇和输出矩阵Υ〇,其中Υ〇 = [Υο1…Υ〇η]。
5.根据权利要求1所述的快速建模方法，其特征在于，所述步骤（8)中，将支 持向量机模型预测的结果F进行逆标准化、逆归一化处理时，采用的具体公式为：
式中，
是前面进行标准化、归一化时的均值和方差。
【文档编号】G06F19/00GK104112082SQ201410382446
【公开日】2014年10月22日 申请日期:2014年8月6日 优先权日:2014年8月6日
【发明者】钱锋, 罗娜, 田洲, 叶贞成, 赵亮 申请人:华东理工大学