基于組合神經網絡的軟測量技術研究.pdf

1、熔融指數是聚丙烯生產過程中最重要的質量指標。由于工藝設備以及技術上的原因，熔融指數難以在線測量，從現場采集聚丙烯產品樣品進行化驗則會造成測量滯后的存在，導致無法對熔融指數進行有效在線控制。針對聚丙烯生產過程熔融指數測量存在的難題，提出一種組合神經網絡軟測量建模方法，并用于建立熔融指數的軟測量模型。
　　 本文的主要研究內容如下：
　　 （1）首先簡單介紹了聚合過程的特點，以及聚合反應過程研究存在的問題。探討了軟測量技術在

2、聚合反應過程應用的可行性和意義。介紹了軟測量技術的基本思想和實現步驟，并對各種軟測量建模方法及其在工業(yè)領域中的應用現狀進行了綜述，并指出軟測量技術在處理強非線性和不確定性對象時還有待完善。
　　 （2）具體分析了常用的BP神經網絡算法，包括BP網絡結構和BP訓練過程及算法。針對人工神經網絡在建立非線性對象模型時的缺點，引入組合預測方法。對組合預測的研究現狀、分類、組合系數的確定進行了詳細的介紹。最后將神經網絡與組合預測方法相結合

3、提出了組合神經網絡，并將最小化最大絕對誤差作為求解組合權重的準則，提出了基于最小化最大絕對誤差的組合神經網絡建模方法。
　　 （3）綜合分析Spheripol工藝的催化劑體系、均聚反應機理和生產工藝流程，確定影響熔融指數的輔助變量。其次，對選取的樣本數據進行預處理，包括異常數據剔除、隨機誤差處理和數據歸一化。隨后采用經驗法和湊試法相結合，確定了BP網絡隱含層的數目和節(jié)點數。最后采用組合神經網絡建模，并將組合神經網絡同單-BP神經