基于EGA优化的丙烯聚合生产过程最优软测量仪表及方法

摘要

一种基于EGA优化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、现场智能仪表、控制站、存放数据的DCS数据库、基于EGA优化的最优软测量模型以及熔融指数软测量值显示仪，现场智能仪表及控制站与丙烯聚合生产过程相连，与DCS数据库相连；最优软测量模型与DCS数据库及软测量值显示仪相连。所述的基于EGA优化的最优软测量模型包括数据预处理模块、ICA独立成分分析模块、BP神经网络建模模块以及EGA优化模块。以及提供了一种用软测量仪表实现的软测量方法。本发明实现在线测量、在线参数自动优化、计算速度快、模型自动更新、抗干扰能力强、精度高。

主权项

一种基于EGA优化的丙烯聚合生产过程最优软测量仪表，包括用于测量易测变量的现场智能仪表、用于测量操作变量的控制站、存放数据的DCS数据库以及熔融指数软测量值显示仪，所述现场智能仪表、控制站与丙烯聚合生产过程连接，所述现场智能仪表、控制站与DCS数据库连接，其特征在于：所述软测量仪表还包括基于EGA优化的最优软测量模型，所述DCS数据库与所述基于EGA优化的最优软测量模型的输入端连接，所述基于EGA优化的最优软测量模型的输出端与熔融指数软测量值显示仪连接，所述基于EGA优化的最优软测量模型包括：数据预处理模块，用于将从DCS数据库输入的模型输入变量进行预处理，对输入变量中心化，即减去变量的平均值；再对输入变量预白化处理即变量去相关，对输入变量施加一个线性变换；ICA独立成分分析模块，用于从经过数据预处理的线性混合数据中恢复出基本源信号，包括：(3.1)选择随机初始权值B；(3.2)对B进行迭代更新，B+＝E{xg(BTx)}-E{g′(BTx)}B；式中，B+表示更新后的权值，BT是B的转置，g′是g的导数，E是数学期望，x是观测变量矩阵X的矢量；(3.3)让B＝B+/||B+||；式中，||.||表示范数；(3.4)判断是否收敛，||B+-B||＜epsilon(6)式中epsilon表示收敛指标，不收敛返回(3.2)，否则继续；(3.5)存储B；然后，由式(2)计算各分离分量：Y＝BX    (2)式中Y即为S的估计矢量，S为独立成分变量矩阵，X为观测变量矩阵；分离结果独立性的测度，采用基于负熵的独立性判别准则J(y)∝[E{G(y)}-E{G(y)}2]          (3)式中G(·)为非二次函数，y是矩阵Y的矢量；选择：G(y)＝-exp(-y2/2)              (4)式(3)即基于熵原理的负熵估计，当负熵J(y)最大时，变量独立；估计分离矩阵B，基于固定点反复迭代寻找BX，以基于负熵式(3)为判别准则的非高斯性最大化，取：g(x)＝xexp(-x2/2)              (5)；式中函数g(·)为函数G(·)的导数；神经网络建模模块，用于采用BP神经网络，设BP神经网络的输出层神经元k的实际输出为yk，输入为netk，与此层相邻的隐含层中任一神经元j的输出为yj，则有： net k = Σ i w kj · y j - - - ( 7 ) yk＝f(netk)                    (8)式中，wkj是神经元k与神经元j之间的连接权，f(·)为神经元的输出函数，取为Sigmoid函数，表示为： f ( net k ) = 1 / ( 1 + e - ( net k + h k ) / θ 0 ) - - - ( 9 ) 式中，hk为神经元k的阈值，θ0为陡度参数，用以调节Sigmoid函数的陡度；令训练样本为K，对于任一个输入模式Xp，若相应有输出层中第k个神经元的期望输出Opk，则输出层的输出方差Ep表示为： E p = 1 2 Σ p ( O pk - y pk ) 2 - - - ( 10 ) 式中，Opk代表期望输出，ypk代表实际输出；反向误差传播学习的目的是修改连接权w值，使Ep达到最小值；要求连接权wkj，wji应沿Ep的负梯度方向学习；所以wkj的修正量Δpwkj为： Δ p w kj = - β ∂ E p ∂ w kj - - - ( 11 ) 式中，β为学习速率调整因子；EGA优化模块，用于采用轮盘转法作为选择算子，选择规则如下：设群体大小为n，个体i的适应度为fi，则个体i被选择的概率P表示为： P = f i / Σ j = 1 n f j - - - ( 12 ) 交叉算子采用算术交叉的交叉策略，并在传统交叉算子的基础上作了如下改变：child1＝parent1+α×(parent2-parent1)(13)child2＝parent2+α×(parent1-parent2)(14)式中α为[-0.25，1.25]区间上的随机数，parent1、parent2为父代个体矢量，child1、child2为交叉产生的子代个体矢量；变异算子采用均匀变异，设个体取值范围为[a，b]，基因σi的值将被变异为：σi′＝a+γ×(b-a)                   (15)式中γ为[0，1]上的随机数，σi′为被变异后的基因。