[发明专利]一种混沌群智寻优高精度的丙烯聚合生产过程最优软测量仪表在审
| 申请号: | 201810689702.3 | 申请日: | 2018-06-28 |
| 公开(公告)号: | CN108804851A | 公开(公告)日: | 2018-11-13 |
| 发明(设计)人: | 刘兴高;张淼 | 申请(专利权)人: | 浙江大学 |
| 主分类号: | G06F17/50 | 分类号: | G06F17/50 |
| 代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 邱启旺 |
| 地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 丙烯聚合 生产过程 混沌 最小二乘支持向量机 最优软测量模型 最优软测量 搜索算法 寻优 引力 现场智能仪表 仪表 控制站 软测量 显示仪 数据预处理模块 模型更新模块 改进 混沌分析 熔融指数 优化模块 优化 预报 | ||
1.一种混沌群智寻优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,其特征在于,包括现场智能仪表、控制站、DCS数据库、软测量单元、显示仪;现场智能仪表和控制站分别测量丙烯聚合生产过程中的易测变量和操作变量后,存放在DCS数据库中,软测量单元对DCS数据库中的数据进行软测量处理后,输出到显示仪;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、最小二乘支持向量机模块和改进引力搜索算法优化模块,DCS数据库输入的模型输入变量由数据预处理模块进行预处理后,在混沌分析模块中进行混沌分析,然后在最小二乘支持向量机模块进行建模,最后由改进引力搜索算法优化模块对模型参数进行优化。
2.根据权利要求1所述混沌群智寻优高精度的丙烯聚合生产过程最优软测量仪表,其特征在于,所述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。
3.根据权利要求1所述混沌群智寻优高精度的丙烯聚合生产过程最优软测量仪表,其特征在于,所述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。
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浙江大学,未经浙江大学许可,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/pat/books/201810689702.3/1.html,转载请声明来源钻瓜专利网。





