[发明专利]一种基于深度学习的甲苯氯化参数自动优化系统

说明书

本发明提供一种基于深度学习的甲苯氯化参数自动优化系统。一种基于深度学习的甲苯氯化参数自动优化系统包括：甲苯氯化数据获取模块，甲苯氯化数据预处理模块，甲苯氯化数据划分模块，甲苯氯化深度置信网络构建模块，甲苯质量分数预测模块，甲苯质量分数验证模块，甲苯氯化参数优化模块。本发明甲苯氯化参数自动优化系统能够完成自动检测、信息处理、分析判断、操作控制和实现目标预期这整个过程，在减少人力的同时，提高了化学反应工艺的稳定性，提高了目标化合物的产率和纯度。

技术领域

本发明涉及机器学习领域，特别地涉及一种基于深度学习的甲苯氯化参数自动优化系统。

背景技术

甲苯氯化反应作为化工反应中的一种重要反应，尤其是甲苯氯化反应生成的化合物氯甲苯，氯甲苯是一种重要的精细化工原料和用途十分广泛的有机化工中间体，近年来多种新型医药、农药、染料等中间体的生产都是以氯甲苯为起始原料。

在目前的连续化甲苯氯化工艺，一般会根据反应中的甲苯质量分数对反应参数进行人工调整，但人工调整会耗费更多的成本，并且人工无法对整个反应参数进行及时的调整。

发明内容

针对上述问题，本申请提供一种于深度学习的甲苯氯化参数自动优化系统。

甲苯氯化数据获取模块，获取甲苯氯化数据；

甲苯氯化数据预处理模块，用于将甲苯氯化数据进行预处理，预处理包括缺失值补充和归一化处理；

甲苯氯化数据划分模块，用于将预处理后得到的甲苯氯化数据划分成训练集样本和验证集样本；

甲苯氯化深度置信网络构建模块，用于构建甲苯氯化深度置信网络；

甲苯质量分数预测模块，用于采用甲苯氯化深度置信网络中预测的甲苯质量分数；

甲苯质量分数验证模块，用于将预测的甲苯质量分数和预设的甲苯质量分数达标区间进行对比，若甲苯质量分数属于预设的甲苯质量分数达标区间，则让甲苯氯化反应正常进行，否则进入甲苯氯化参数优化模块；

甲苯氯化参数优化模块，内置专家解决方案数据库，用于根据专家解决方案数据库控制执行器对氯化反应进行调节。

作为本发明的一个优选，对于甲苯氯化数据预处理方法如下：获取甲苯氯化数据，判断这一时刻的甲苯氯化数据是否存在缺失，若这一时刻的甲苯氯化数据没有缺失，则直接输出此甲苯氯化数据，若这一时刻的甲苯氯化数据缺失，则采用前一时刻的甲苯氯化数据来填补当时时刻对应甲苯氯化数据的缺失值；利用公式将甲苯氯化数据进行归一化，其公式如下： ，式中， 为甲苯氯化数据样本值， 为甲苯氯化数据样本中的最小值， 为甲苯氯化数据样本中的最大值， 为归一化后的值。

作为本发明的一个优选，对于甲苯氯化数据划分模块，将预处理得到的甲苯氯化数据按照 划分成训练集样本和验证集样本。

作为本发明的一个优选，构建甲苯氯化深度置信网络方法如下：

组成，基于BP神经网络建立甲苯氯化深度置信网络，甲苯氯化深度置信网络包括一个输入层、三个隐含层和一个输出层；隐含层包括第一隐含层、第二隐含层和第三隐含层，且输入层与第一隐含层组成RBM1，第一隐含层与第二隐含层组成RBM2，第二隐含层与第三隐含层组成RBM3；

训练，利用训练集样本分别对甲苯氯化深度置信网络中的RBM1、RBM2和RBM3单独进行无监督训练，首先充分训练RBM1，然后固定输入层和第一隐含层之间的权值和偏移量，然后使用第一隐含层的输出值，又作为RBM2中第一隐含层的输入值，充分训练RBM2后，固定第一隐含层和第二隐含层之间的权值和偏移量，然后使用第二隐含层的输出值，作为RBM3中第二隐含层的输入值，充分训练RBM3后，固定第二隐含层和第三隐含层之间的权值和偏移量，再将第三隐含层的输出层作为输出层的输入，最后由输出层输出；