CN113759834A - 一种混沌多尺度智能最优丙烯聚合过程测量仪表 - Google Patents
一种混沌多尺度智能最优丙烯聚合过程测量仪表 Download PDFInfo
- Publication number
- CN113759834A CN113759834A CN202010509949.XA CN202010509949A CN113759834A CN 113759834 A CN113759834 A CN 113759834A CN 202010509949 A CN202010509949 A CN 202010509949A CN 113759834 A CN113759834 A CN 113759834A
- Authority
- CN
- China
- Prior art keywords
- chaotic
- scale
- gabor
- polypropylene
- honey source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 title claims abstract description 58
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 title claims abstract description 58
- 238000006116 polymerization reaction Methods 0.000 title claims abstract description 43
- 230000000739 chaotic effect Effects 0.000 claims abstract description 59
- -1 polypropylene Polymers 0.000 claims abstract description 45
- 239000004743 Polypropylene Substances 0.000 claims abstract description 44
- 229920001155 polypropylene Polymers 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 35
- 230000006870 function Effects 0.000 claims description 53
- 235000012907 honey Nutrition 0.000 claims description 40
- 238000001514 detection method Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 15
- 241000257303 Hymenoptera Species 0.000 claims description 14
- 239000000155 melt Substances 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 239000003054 catalyst Substances 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 9
- 238000010187 selection method Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 5
- 229910052739 hydrogen Inorganic materials 0.000 claims description 5
- 239000001257 hydrogen Substances 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 5
- 230000010355 oscillation Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 16
- 238000000034 method Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 6
- 238000003556 assay Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 2
- 238000007334 copolymerization reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 229920005992 thermoplastic resin Polymers 0.000 description 2
- 239000004698 Polyethylene Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011127 biaxially oriented polypropylene Substances 0.000 description 1
- 229920006378 biaxially oriented polypropylene Polymers 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004745 nonwoven fabric Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 230000000379 polymerizing effect Effects 0.000 description 1
- 229920000915 polyvinyl chloride Polymers 0.000 description 1
- 239000004800 polyvinyl chloride Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33273—DCS distributed, decentralised controlsystem, multiprocessor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Polymerisation Methods In General (AREA)
Abstract
本发明公开了一种混沌多尺度智能最优丙烯聚合过程测量仪表，用于对聚丙烯生产产品进行质量检测，所述的一种混沌多尺度智能最优丙烯聚合过程测量仪表包括混沌重构模块、Gabor多尺度分析模块、极端随机树测量模型模块、***更新模块、混沌人工蜂群优化模块。本发明对丙烯聚合过程重要质量指标熔融指数进行在线测量，克服传统的化工仪表测量时间滞后大，测量精度低的缺点，所述混沌多尺度智能最优丙烯聚合过程测量仪表实现重要质量指标在线测量、兼顾聚合过程多尺度特性与混沌特性、***应用推广能力强、精度高。
Description
技术领域
本发明涉及聚合过程测量仪表领域、机器学习领域和智能优化领域，尤其涉及一种混沌多尺度智能最优丙烯聚合过程测量仪表。
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。
发明内容
为了克服目前已有的丙烯聚合生产过程的测量精度不高、易受人为因素的影响的不足，本发明的目的在于提供一种在线测量、兼顾聚合过程多尺度特性与混沌特性、***应用推广能力强、精度高的一种混沌多尺度智能最优丙烯聚合过程测量仪表。
本发明的目的是通过以下技术方案实现的：
本发明提供了一种聚丙烯质量检测***，用于对聚丙烯产品质量进行在线检测，其特征在于,包括混沌重构模块、Gabor多尺度分析模块和极端随机树测量模型模块。
本发明提供的聚丙烯质量检测***，其中,所述混沌重构模块用于将从DCS数据库的模型的输入变量依据其混沌特性重构为动态混沌***信号。
本发明提供的聚丙烯质量检测***，其中,所述Gabor多尺度分析模块用于将所述动态混沌***信号以频率为基准分析其多尺度特性，通过Gabor核函数对动态混沌***信号进行多尺度重构，得到其在不同频率下各尺度的局部纹理特征信息。
本发明提供的聚丙烯质量检测***，其中,所述极端随机树测量模型模块用于建立混沌多尺度特征信息与熔融指数的映射关系，建立丙烯聚合过程测量***，进而预测出聚丙烯熔融指数。
本发明提供的聚丙烯质量检测***，其中,优选的是，所述输入变量为第一股丙烯进料流率、第二股丙烯进料流率、第三股丙烯进料流率、主催化剂流率、辅催化剂流率、搅拌釜内温度、釜内压强、釜内液位以及釜内氢气体积浓度。
本发明提供的聚丙烯质量检测***，其中,优选的是，输入变量的混沌***表达为z(n)＝[s(n),s(n+T1),s(n+T2),...,s(n+Td-1)]，其中s(n)为丙烯聚合过程的第n个采样点信号，T1,T2,...,Td-1分别为第n个采样点之后的采样时刻。
本发明提供的聚丙烯质量检测***，其中,优选的是，Gabor核函数的表达式为：
其中，z表示重构变量的坐标信息，u表示Gabor滤波器的方向，v表示Gabor滤波器的尺度，i为复数符号，exp(iku,vz)为复指数形式的震荡函数，σ2为核函数宽度，ku,v表示Gabor滤波器在各个尺度各个方向上的响应。
本发明提供的聚丙烯质量检测***，其中,优选的是，Gabor特征由核函数卷积得到，表达式如下：
Gu,v(z)＝f(z)*ψu,v(z)
其中，Gu,v(z)表示坐标z附近对应尺度v和方向u的卷积函数，ψ为Gabor核函数；利用Gabor函数对输入变量分析得到复数形式的输入特征信号：
Gu,v(z)＝Re(Gu,v(z))+jIm(Gu,v(z))
Gabor特征信号的幅值与相位分别为：
本发明提供的聚丙烯质量检测***，其中,优选的是，所述映射关系的建立是以一组极端随机树的输入信号为单一尺度下的局部纹理特征信息，多组极端随机树基于集成学习框架来完成输入到输出的混沌多尺度映射建模。
本发明提供的聚丙烯质量检测***，其中,优选的是，还包括混沌人工蜂群优化模块，其采用混沌人工蜂群算法对所述极端随机树测量模型模块的分叉阈值参数进行优化。
本发明提供的聚丙烯质量检测***，其中,优选的是，所述优化包括以下步骤：
(1)初始化人工蜂群算法的参数，设蜜源数p，最大迭代数itermax，初始搜索空间的最小值和最大值Ld和Ud；蜜源的位置表示问题的可行解，在相关向量测量***中pi的维度为2维，置初始迭代次数iter＝0；
(2)为蜜源pi分配一只引领蜂，基于混沌映射产生新蜜源Vi；
其中，
为混沌因子，由混沌映射动态***产生。
(3)计算Vi的适应度值，根据贪婪选择的方法确定保留的蜜源；
(4)计算引领蜂找到的蜜源被更随的概率；
(5)跟随蜂采用与引领蜂相同的方式进行搜索，根据贪婪选择的方法确定保留的蜜源；
(6)判断蜜源Vi是否满足被放弃的条件，如满足，对应的引领蜂角色变为侦察蜂，否则直接转到步骤(8)；
(7)侦察蜂随机产生新蜜源；
(8)iter＝iter+1，判断是否已经达到最大迭代次数，若满足则输出最优参数，选取适应度值最优的解作为算法的最优解，否则转到步骤(2)；
其中，蜜源数为100，初始搜索空间的最小值和最大值0和100，最大迭代次数100。
本发明提供的聚丙烯质量检测***，其中,优选的是，还包括***更新模块，用于将离线化验数据输入到训练集中，以在线更新极端随机树测量模型。
根据本发明一些实施例，本发明还可以陈述如下：
本发明提供一种混沌多尺度智能最优丙烯聚合过程测量仪表，用于对聚丙烯生产产品进行质量检测，所述的一种混沌多尺度智能最优丙烯聚合过程测量仪表包括混沌重构模块、Gabor多尺度分析模块、极端随机树测量模型模块、***更新模块、混沌人工蜂群优化模块。其中：
(1)混沌重构模块：用于将从DCS数据库输入的模型输入变量依据其混沌特性进行重构，丙烯聚合过程测量仪表的输入信号为工业丙烯聚合过程的9个操作变量，分别为第一股丙烯进料流率、第二股丙烯进料流率、第三股丙烯进料流率、主催化剂流率、辅催化剂流率、搅拌釜内温度、釜内压强、釜内液位以及釜内氢气体积浓度。其输入信号的混沌***表达为z(n)＝[s(n),s(n+T1),s(n+T2),...,s(n+Td-1)]，其中s(n)为丙烯聚合过程的第n个采样点信号，T1,T2,...,Td-1分别为第n个采样点之后的采样时刻。在混沌***中，延迟时间满足Tm＝mτ条件，其中τ为延迟时间，Tm表示第m个采样时刻，因此，丙烯过程输入信号可以由嵌入维数和延迟时间重构为动态混沌***信号z(n)＝[s(n),s(n+τ),s(n+2τ),...,s(n+(d-1)τ)]，其中，z(n)为第n时刻的混沌重构信号，τ是延迟时间，d为输入信号的嵌入维数。混沌重构的延迟时间和嵌入维数分别由互信息法和伪最邻近法得到。
(2)Gabor多尺度分析模块：用于将混沌重构后的输入变量以频率为基准分析其多尺度特性，通过Gabor核函数对变量进行多尺度重构，实现提取输入变量在不同频率下各尺度各方向的局部纹理特征信息，Gabor核函数定义如下：
其中，z表示重构变量的坐标信息，u表示Gabor滤波器的方向，v表示Gabor滤波器的尺度，i为复数符号，exp(iku,vz)为复指数形式的震荡函数，σ2为核函数宽度，ku,v表示Gabor滤波器在各个尺度各个方向上的响应。Gabor核函数的部分函数作用如下：ku,v 2z2/2σ2是一个高斯包络函数，ku,v 2/σ2用以补偿能量谱衰弱，包络函数通常通过加窗的方法可以限制震荡函数的范围，保持波的局部性，抽取坐标附近的特征信息。exp(iku,vz)是震荡函数，它的实部是余弦函数为偶对称，虚部是正弦函数为奇对称。exp(-σ2/2)表示滤波的直流分量，[exp(iku,vz)-exp(-σ2/2)]运算的目的是消除直流分量对滤波效果的影响，核函数宽度σ2用以确定Gabor滤波器的带宽尺寸。ku,v表示Gabor滤波器在各个尺度各个方向上的响应，每个ku,v都代表一个Gabor滤波器，所以当选用多个不同的ku,v时，可以得到多个不同的滤波器组。
Gabor特征由核函数卷积得到，表达式如下：
Gu,v(z)＝f(z)*ψu,v(z)
其中，Gu,v(z)表示坐标z附近对应尺度v和方向u的卷积函数，ψ为Gabor核函数。利用Gabor函数对输入变量分析得到复数形式的输入特征信号：
Gu,v(z)＝Re(Gu,v(z))+jIm(Gu,v(z))
Gabor特征信号的幅值与相位分别为：
(3)极端随机树测量模型模块：用于建立丙烯聚合过程测量***，采用极端随机树、基于集成学习框架来完成输入到输出的映射建模。极端随机树训练***规则，通过引入超参数赋予权重向量零均值的高斯先验分布来确保模型的稀疏性，超参数可以采用最大化边缘似然函数的方法来估计。整个模型的目的是根据样本集和先验知识设计一个***，使***对新数据能预测聚丙烯熔融指数输出。
(4)混沌人工蜂群优化模块：采用混沌人工蜂群算法对极端随机测量仪表的分叉阈值参数进行优化，采用如下过程完成：
(4.1)初始化人工蜂群算法的参数，设蜜源数P，最大迭代数itermax，初始搜索空间的最小值和最大值Ld和Ud；蜜源的位置表示问题的可行解，在相关向量测量***中pi的维度为2维，置初始迭代次数iter＝0；
(4.2)为蜜源pi分配一只引领蜂，基于混沌映射产生新蜜源Vi；
其中，
为混沌因子，由混沌映射动态***产生。
(4.3)计算Vi的适应度值，根据贪婪选择的方法确定保留的蜜源；
(4.4)计算引领蜂找到的蜜源被更随的概率；
(4.5)跟随蜂采用与引领蜂相同的方式进行搜索，根据贪婪选择的方法确定保留的蜜源；
(4.6)判断蜜源Vi是否满足被放弃的条件，如满足，对应的引领蜂角色变为侦察蜂，否则直接转到(4.8)；
(4.7)侦察蜂随机产生新蜜源；
(4.8)iter＝iter+1，判断是否已经达到最大迭代次数，若满足则输出最优参数，选取适应度值最优的解作为算法的最优解，否则转到步骤(4.2)。
其中，蜜源数为100，初始搜索空间的最小值和最大值0和100，最大迭代次数100。
(5)***更新模块,所述一种混沌多尺度智能最优丙烯聚合过程测量仪表还包括***更新模块，用于***的在线更新，定期将离线化验数据输入到训练集中，更新极端随机树测量模型。
本发明的技术构思为：对丙烯聚合过程的重要质量指标熔融指数进行在线预报，为克服已有的聚丙烯熔融指数测量仪表测量精度不高、非线性特征提取不足，引入混沌相空间重构与多尺度分析方法进行特征提取与序列重构，引入智能化方法不需要人为经验或多次测试来调整***参数，从而得到丙烯聚合生产过程混沌多尺度智能最优测量仪表。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问题，本发明的目的在于提供一种混沌多尺度智能最优丙烯聚合过程测量仪表。
本发明的有益效果主要表现在：
1、丙烯聚合生产过程混沌重构分析与Gabor多尺度分析有效表征了实际工业聚合过程中在不同尺度下的动态特性和非线性，实现了产品质量指标熔融指数的高精度测量；
2、混沌人工蜂群优化相关向量***实现了检测***的在线测量与匹配，提升了***的应用推广能力。
附图说明
图1为本发明的一实施例的聚丙烯质量检测***的整体架构图；
图2为本发明的一实施例的聚丙烯质量检测***的功能结构图。
具体实施方式
下面根据附图具体说明本发明。
实施例
参照图1，一实施例的聚丙烯质量检测***的整体架构图，涉及丙烯聚合生产过程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，此外还涉及一种混沌多尺度智能最优丙烯聚合过程测量仪表5，所述DCS数据库4与所述一种混沌多尺度智能最优丙烯聚合过程测量仪表5的输入端连接，所述一种混沌多尺度智能最优丙烯聚合过程测量仪表5的输出端与熔融指数软测量值显示仪6连接。上述操作变量和易测变量均可作为输入变量。
根据反应机理以及流程工艺分析，考虑到聚丙烯生产过程中对熔融指数产生影响的各种因素，取实际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，分别为：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。表1列出了作为混沌多尺度智能最优丙烯聚合过程测量仪表所需的9个建模变量，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)。反应釜中的聚合反应是反应物料反复混合后参与反应的，因此模型输入变量涉及物料的过程变量采用前若干时刻的平均值。此例中数据采用前一小时的平均值。熔融指数离线化验值作为混沌多尺度智能最优丙烯聚合过程测量仪表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混沌多尺度智能最优丙烯聚合过程测量仪表所需建模变量
参照图2，一实施例的聚丙烯质量检测***的功能结构图，包括：
(1)混沌重构模块7，用于将从DCS数据库输入的模型输入变量依据其混沌特性进行重构，丙烯聚合生产过程输入信号的混沌***表达为z(n)＝[s(n),s(n+T1),s(n+T2),...,s(n+Td-1)]，其中s(n)为丙烯聚合过程的第n个采样点信号，T1,T2,...,Td-1分别为第n个采样点之后的采样时刻。在混沌***中，延迟时间满足Tm＝mτ条件，其中τ为延迟时间，Tm表示第m个采样时刻，因此，丙烯过程输入信号可以由嵌入维数和延迟时间重构为动态混沌***信号z(n)＝[s(n),s(n+τ),s(n+2τ),...,s(n+(d-1)τ)]，其中，z(n)为第n时刻的混沌重构信号，τ是延迟时间，d为输入信号的嵌入维数。混沌重构的延迟时间和嵌入维数分别由互信息法和伪最邻近法得到。
(2)Gabor多尺度分析模块8，用于将输入变量以频率为基准分析其多尺度特性，通过Gabor核函数对变量进行多尺度重构实现，表征输入变量在不同频率下各尺度各方向的局部纹理信息，Gabor核函数定义如下：
其中，z表示重构变量坐标信息，u表示Gabor滤波器的方向，v表示Gabor滤波器的尺度，，i为复数符号，exp(iku,vz)为复指数形式的震荡函数，σ2为核函数宽度，ku,v表示Gabor滤波器在各个尺度各个方向上的响应。Gabor核函数的部分函数作用如下：ku,v 2z2/2σ2是一个高斯包络函数，ku,v 2/σ2用以补偿能量谱衰弱，包络函数通常通过加窗的方法可以限制震荡函数的范围，保持波的局部性，抽取坐标附近的特征信息。exp(iku,vz)是震荡函数，它的实部是余弦函数为偶对称，虚部是正弦函数为奇对称。exp(-σ2/2)表示滤波的直流分量，[exp(iku,vz)-exp(-σ2/2)]运算的目的是消除直流分量对滤波效果的影响，核函数宽度σ2用以确定Gabor滤波器的带宽尺寸。ku,v表示Gabor滤波器在各个尺度各个方向上的响应，每个ku,v都代表一个Gabor滤波器，所以当选用多个不同的ku,v时，可以得到多个不同的滤波器组。
Gabor特征由核函数卷积得到，表达式如下：
Gu,v(z)＝f(z)*ψu,v(z)
其中，Gu,v(z)表示坐标z附近对应尺度v和方向u的卷积函数，ψ为Gabor核函数。利用Gabor函数对输入变量分析得到复数形式的输入特征信号：
Gu,v(z)＝Re(Gu,v(z))+jIm(Gu,v(z))
Gabor特征信号的幅值与相位分别为：
(3)极端随机树测量模型模块9，用于采用极端随机树、基于集成学习框架来完成输入到输出的映射建模。极端随机树训练***规则，通过引入超参数赋予权重向量零均值的高斯先验分布来确保模型的稀疏性，超参数可以采用最大化边缘似然函数的方法来估计。整个模型的目的是根据样本集和先验知识设计一个***，使***对新数据能预测聚丙烯熔融指数输出。
(4)混沌人工蜂群优化模块10，采用混沌人工蜂群算法对测量***的分叉阈值参数进行优化，采用如下过程完成：
(4.1)初始化人工蜂群算法的参数，设蜜源数P，最大迭代数itermax，初始搜索空间的最小值和最大值Ld和Ud；蜜源的位置表示问题的可行解，在相关向量测量***中pi的维度为2维，置初始迭代次数iter＝0；
(4.2)为蜜源pi分配一只引领蜂，基于混沌映射产生新蜜源Vi；
其中，
为混沌因子，由混沌映射动态***产生。
(4.3)计算Vi的适应度值，根据贪婪选择的方法确定保留的蜜源；
(4.4)计算引领蜂找到的蜜源被更随的概率；
(4.5)跟随蜂采用与引领蜂相同的方式进行搜索，根据贪婪选择的方法确定保留的蜜源；
(4.6)判断蜜源Vi是否满足被放弃的条件，如满足，对应的引领蜂角色变为侦察蜂，否则直接转到(4.8)；
(4.7)侦察蜂随机产生新蜜源；
(4.8)iter＝iter+1，判断是否已经达到最大迭代次数，若满足则输出最优参数，选取适应度值最优的解作为算法的最优解，否则转到步骤(4.2)。
其中，蜜源数为100，初始搜索空间的最小值和最大值0和100，最大迭代次数100。
(5)***更新模块11，所述一种混沌多尺度智能最优丙烯聚合过程测量仪表还包括***更新模块，用于***的在线更新，定期将离线化验数据输入到训练集中，更新极端随机树测量模型。
以具体数据为例：本实施例提取DCS***中采集的所需的9个建模变量，得到变量输入矩阵：
将数据输入丙烯聚合过程测量仪表5，混沌多尺度检测模块得到熔融指数预报值为[2.4439,2.4011,2.4525,2.4796,2.4872]。熔融指数离线化验值[2.42,2.37,2.46,2.48,2.51]作为丙烯聚合过程测量仪表5的校验值，用于计算预报误差来评价聚丙烯生产质量测量***5的预报精度，预报误差选用均方根误差(Root Mean Square Error,RMSE)，其计算公式为
其中，
为丙烯聚合过程测量仪表5输出值,yi为熔融指数离线化验值，则丙烯聚合过程测量仪表5的预报偏差为[0.0239,0.0311,-0.0075,-0.0004,-0.0228]，其均方根误差为0.0239，得到测量***的熔融指数预报值与其预报精度。
上述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。
Claims (9)
1.一种聚丙烯质量检测***，用于对聚丙烯产品质量进行在线检测，其特征在于,包括：
混沌重构模块，用于将从DCS数据库的模型的输入变量依据其混沌特性重构为动态混沌***信号；
Gabor多尺度分析模块，用于将所述动态混沌***信号以频率为基准分析其多尺度特性，通过Gabor核函数对动态混沌***信号进行多尺度重构，得到其在不同频率下各尺度的局部纹理特征信息；
极端随机树测量模型模块，用于建立混沌多尺度特征信息与熔融指数的映射关系，建立丙烯聚合过程测量***，进而预测出聚丙烯熔融指数。
2.根据权利要求1所述的聚丙烯质量检测***，其特征在于：所述输入变量为第一股丙烯进料流率、第二股丙烯进料流率、第三股丙烯进料流率、主催化剂流率、辅催化剂流率、搅拌釜内温度、釜内压强、釜内液位以及釜内氢气体积浓度。
3.根据权利要求1所述的聚丙烯质量检测***，其特征在于：输入变量的混沌***表达为z(n)＝[s(n),s(n+T1),s(n+T2),...,s(n+Td-1)]，其中s(n)为丙烯聚合过程的第n个采样点信号，T1,T2,...,Td-1分别为第n个采样点之后的采样时刻。
4.根据权利要求1所述的聚丙烯质量检测***，其特征在于：Gabor核函数的表达式为：
其中，z表示重构变量的坐标信息，u表示Gabor滤波器的方向，v表示Gabor滤波器的尺度，i为复数符号，exp(iku,vz)为复指数形式的震荡函数，σ2为核函数宽度，ku,v表示Gabor滤波器在各个尺度各个方向上的响应。
5.根据权利要求4所述的聚丙烯质量检测***，其特征在于：Gabor特征由核函数卷积得到，表达式如下：
Gu,v(z)＝f(z)*ψu,v(z)
其中，Gu,v(z)表示坐标z附近对应尺度v和方向u的卷积函数，ψ为Gabor核函数；利用Gabor函数对输入变量分析得到复数形式的输入特征信号：
Gu,v(z)＝Re(Gu,v(z))+jIm(Gu,v(z))
Gabor特征信号的幅值与相位分别为：
6.根据权利要1所述的聚丙烯质量检测***，其特征在于,所述映射关系的建立是以一组极端随机树的输入信号为单一尺度下的局部纹理特征信息，多组极端随机树基于集成学习框架来完成输入到输出的混沌多尺度映射建模。
7.根据权利要求1所述的聚丙烯质量检测***，其特征在于，还包括混沌人工蜂群优化模块，其采用混沌人工蜂群算法对所述极端随机树测量模型模块的分叉阈值参数进行优化。
8.根据权利要求7所述的聚丙烯质量检测***，其特征在于：所述优化包括以下步骤：
(1)初始化人工蜂群算法的参数，设蜜源数p，最大迭代数itermax，初始搜索空间的最小值和最大值Ld和Ud；蜜源的位置表示问题的可行解，在相关向量测量***中pi的维度为2维，置初始迭代次数iter＝0；
(2)为蜜源pi分配一只引领蜂，基于混沌映射产生新蜜源Vi；
其中，
为混沌因子，由混沌映射动态***产生。
(3)计算Vi的适应度值，根据贪婪选择的方法确定保留的蜜源；
(4)计算引领蜂找到的蜜源被更随的概率；
(5)跟随蜂采用与引领蜂相同的方式进行搜索，根据贪婪选择的方法确定保留的蜜源；
(6)判断蜜源Vi是否满足被放弃的条件，如满足，对应的引领蜂角色变为侦察蜂，否则直接转到步骤(8)；
(7)侦察蜂随机产生新蜜源；
(8)iter＝iter+1，判断是否已经达到最大迭代次数，若满足则输出最优参数，选取适应度值最优的解作为算法的最优解，否则转到步骤(2)；
其中，蜜源数为100，初始搜索空间的最小值和最大值0和100，最大迭代次数100。
9.根据权利要求1所述的聚丙烯质量检测***，其特征在于，还包括***更新模块，用于将离线化验数据输入到训练集中，以在线更新极端随机树测量模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010509949.XA CN113759834A (zh) | 2020-06-05 | 2020-06-05 | 一种混沌多尺度智能最优丙烯聚合过程测量仪表 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010509949.XA CN113759834A (zh) | 2020-06-05 | 2020-06-05 | 一种混沌多尺度智能最优丙烯聚合过程测量仪表 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113759834A true CN113759834A (zh) | 2021-12-07 |
Family
ID=78785267
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010509949.XA Pending CN113759834A (zh) | 2020-06-05 | 2020-06-05 | 一种混沌多尺度智能最优丙烯聚合过程测量仪表 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113759834A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114950251A (zh) * | 2022-01-21 | 2022-08-30 | 昆明理工大学 | 一种基于速度参考控制的混沌搅拌器及混沌搅拌方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102011001244A1 (de) * | 2011-03-14 | 2012-09-20 | Contitech Ag | Verfahren zur Prüfung der Dispersionsgüte von Füllstoffen eines viskoelastischen Materials duch Kombination von rheologischer mit dielektrischer Prüfmethode |
| CN108804851A (zh) * | 2018-06-28 | 2018-11-13 | 浙江大学 | 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 |
| CN108982576A (zh) * | 2018-06-28 | 2018-12-11 | 浙江大学 | 一种混沌高精度的丙烯聚合生产过程最优软测量仪表 |
| CN109445398A (zh) * | 2018-12-28 | 2019-03-08 | 浙江大学 | 基于加权组合学习的丙烯聚合生产过程最优在线预报*** |
| CN109507888A (zh) * | 2018-12-28 | 2019-03-22 | 浙江大学 | 基于集成学习的丙烯聚合生产过程最优在线预报*** |
| CN109711628A (zh) * | 2018-12-28 | 2019-05-03 | 浙江大学 | 一种在线校正的丙烯聚合生产过程自适应多尺度预报*** |
| CN109726474A (zh) * | 2018-12-28 | 2019-05-07 | 浙江大学 | 一种在线校正的丙烯聚合生产过程多尺度预报*** |
| WO2021239351A1 (de) * | 2020-05-29 | 2021-12-02 | Endress+Hauser Flowtec Ag | Messaufnehmer eines coriolis-durchflussmessgerätes und coriolis-durchflussmessgerät |
-
2020
- 2020-06-05 CN CN202010509949.XA patent/CN113759834A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102011001244A1 (de) * | 2011-03-14 | 2012-09-20 | Contitech Ag | Verfahren zur Prüfung der Dispersionsgüte von Füllstoffen eines viskoelastischen Materials duch Kombination von rheologischer mit dielektrischer Prüfmethode |
| CN108804851A (zh) * | 2018-06-28 | 2018-11-13 | 浙江大学 | 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 |
| CN108982576A (zh) * | 2018-06-28 | 2018-12-11 | 浙江大学 | 一种混沌高精度的丙烯聚合生产过程最优软测量仪表 |
| CN109445398A (zh) * | 2018-12-28 | 2019-03-08 | 浙江大学 | 基于加权组合学习的丙烯聚合生产过程最优在线预报*** |
| CN109507888A (zh) * | 2018-12-28 | 2019-03-22 | 浙江大学 | 基于集成学习的丙烯聚合生产过程最优在线预报*** |
| CN109711628A (zh) * | 2018-12-28 | 2019-05-03 | 浙江大学 | 一种在线校正的丙烯聚合生产过程自适应多尺度预报*** |
| CN109726474A (zh) * | 2018-12-28 | 2019-05-07 | 浙江大学 | 一种在线校正的丙烯聚合生产过程多尺度预报*** |
| WO2021239351A1 (de) * | 2020-05-29 | 2021-12-02 | Endress+Hauser Flowtec Ag | Messaufnehmer eines coriolis-durchflussmessgerätes und coriolis-durchflussmessgerät |
Non-Patent Citations (3)
| Title |
|---|
| 夏陆岳，潘海天，周猛飞，蔡亦军，孙小方: "基于改进多尺度主元分析的丙烯聚合过程监测与故障诊断", 《化工学报》 * |
| 张艳: "基于Gabor滤波器的纹理特征提取研究及应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 程吉锋: "基于多尺度主元分析的丙烯聚合过程故障诊断研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114950251A (zh) * | 2022-01-21 | 2022-08-30 | 昆明理工大学 | 一种基于速度参考控制的混沌搅拌器及混沌搅拌方法 |
| CN114950251B (zh) * | 2022-01-21 | 2023-12-22 | 昆明理工大学 | 一种基于速度参考控制的混沌搅拌器及混沌搅拌方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110352660B (zh) | 一种脱绒棉种活力快速无损检测信息处理方法和装置 | |
| CN101315557B (zh) | 基于遗传算法优化bp神经网络的丙烯聚合生产过程最优软测量仪表及方法 | |
| CN101382801B (zh) | 基于ega优化的丙烯聚合生产过程最优软测量仪表及方法 | |
| CN109507888B (zh) | 基于集成学习的丙烯聚合生产过程最优在线预报*** | |
| CN103226728B (zh) | 高密度聚乙烯串级聚合反应过程智能检测与收率优化方法 | |
| CN113759834A (zh) | 一种混沌多尺度智能最优丙烯聚合过程测量仪表 | |
| CN109445398B (zh) | 基于加权组合学习的丙烯聚合生产过程最优在线预报*** | |
| CN103839103A (zh) | 丙烯聚合生产过程bp最优预报***和方法 | |
| CN103675005B (zh) | 最优模糊网络的工业熔融指数软测量仪表及方法 | |
| CN103675010B (zh) | 支持向量机的工业熔融指数软测量仪表及方法 | |
| CN113764048A (zh) | 一种聚丙烯生产质量在线测量*** | |
| CN103955170A (zh) | 基于群智寻优的丙烯聚合生产过程在线预报***和方法 | |
| CN103675012B (zh) | Bp粒子群优化的工业熔融指数软测量仪表和方法 | |
| CN109856971A (zh) | 基于群智寻优的丙烯聚合生产过程最优在线预报*** | |
| CN103675009B (zh) | 模糊方程的工业熔融指数软测量仪表及方法 | |
| CN113759103A (zh) | 一种丙烯聚合质量在线测量*** | |
| CN113764047B (zh) | 一种丙烯聚合质量在线检测*** | |
| CN103838958A (zh) | 模糊智能最优丙烯聚合生产过程最优软测量仪表和方法 | |
| CN109829197A (zh) | 改进的布谷鸟寻优的丙烯聚合生产过程最优软测量仪表 | |
| CN103838957A (zh) | 丙烯聚合生产过程径向基最优软测量仪表和方法 | |
| CN103838209A (zh) | 丙烯聚合生产过程自适应最优预报***和方法 | |
| CN103224880A (zh) | 一种基于人工神经网络的细菌生化鉴定***及鉴定方法 | |
| CN113764049A (zh) | 一种聚丙烯生产质量检测*** | |
| CN103823369A (zh) | 基于bp多模网络的丙烯聚合生产过程预报***和方法 | |
| CN103630568B (zh) | Bp网络的工业熔融指数软测量仪表及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20211207 |
|
| WD01 | Invention patent application deemed withdrawn after publication |