基于人工智能算法的聚丙烯熔融指數(shù)預(yù)報建模與優(yōu)化研究.pdf

1、聚丙烯在生產(chǎn)生活中的重要地位對聚丙烯生產(chǎn)過程中的產(chǎn)品質(zhì)量控制提出了更高的要求，其熔融指數(shù)(Melt Index，MI)的預(yù)報顯得尤為重要。本文針對丙烯聚合生產(chǎn)過程中的MI軟測量預(yù)報建模問題，采用最小二乘支持向量機(LSSVM)、小波神經(jīng)網(wǎng)絡(luò)(WNN)和T-S模糊神經(jīng)網(wǎng)絡(luò)(T-S)進行建模，然后使用人工智能算法對模型參數(shù)進行優(yōu)化;應(yīng)用改進的人工智能算法，使預(yù)報模型性能得到提高;建立多種智能預(yù)報模型，且成功地應(yīng)用于實際工業(yè)數(shù)據(jù)的預(yù)報，為實際

2、生產(chǎn)中的MI軟測量預(yù)報提供了更多的選擇。
　　本文的主要工作及貢獻包括:
　　1、針對丙烯聚合工藝生產(chǎn)過程，選取合適的輸入變量和輸出變量作為熔融指數(shù)預(yù)報模型的建模變量，隨后引入主元分析方法(PCA)，對模型輸入變量進行簡化處理，并確定預(yù)報模型的性能評價指標(biāo);
　　2、在分析傳統(tǒng)的果蠅優(yōu)化算法(FOA)缺點的基礎(chǔ)上，針對性地利用變異思想和改變搜索方式的策略，分析研究了自適應(yīng)變異果蠅優(yōu)化算法和改進的果蠅優(yōu)化算法，并與最小二

3、乘支持向量機、小波神經(jīng)網(wǎng)絡(luò)相結(jié)合，分別建立基于自適應(yīng)變異果蠅優(yōu)化算法優(yōu)化的聚丙烯熔融指數(shù)最優(yōu)預(yù)報模型、基于改進的果蠅優(yōu)化算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)聚丙烯熔融指數(shù)最優(yōu)預(yù)報模型，工廠實際生產(chǎn)數(shù)據(jù)的研究結(jié)果表明了所提出的基于果蠅智能的熔融指數(shù)最優(yōu)預(yù)報模型的有效性;
　　3、在分析傳統(tǒng)的自由搜索算法(FS)不足的基礎(chǔ)上，借助自然界災(zāi)變的思想，分析研究了改進的自由搜索算法，并與模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合，建立了基于改進的自由搜索算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)聚