论文部分内容阅读
聚丙烯是由丙烯聚合而成的一种热塑性树脂,为五大通用塑料之一,在塑料容器、办公用品、包装等方面具有广泛的应用。聚丙烯熔融指数(Melt Index,MI)是决定产品质量的重要指标。本文针对丙烯聚合生产过程中的MI软测量预报建模问题,引入了动态模糊神经网络(D-FNN),并采用人工智能优化算法优化D-FNN的参数；改进的参数寻优方法,使D-FNN熔融指数预报模型的性能得到了提高；建立的多种智能D-FNN模型,为实际工业过程的MI预报提供了更多的方案。论文的主要工作及贡献如下：(1)提出了一种熔融指数预报D-FNN模型。针对聚丙烯生产过程,提取输入输出变量,采用主元分析方法(PCA),对输入变量预处理后建立MI预报D-FNN模型；工厂实际数据的预报结果表明所提出的熔融指数预报D-FNN模型的有效性；(2)进一步提出了一种熔融指数预报AACO-D-FNN模型。针对蚁群(ACO)算法在迭代过程中无法准确搜索到最优解的缺陷,通过改进其局部搜索策略,自动地调整搜索步长和方向,构造了一种自适应ACO算法,用于MI预报D-FNN模型参数优化；工厂实际数据的预报结果表明所提出的AACO-D-FNN模型预报效果更为准确；(3)考虑到粒子群(PSO)算法的诸多优点,并针对标准PSO在迭代过程中易于陷入局部最优解的缺点,提出了一种改进的混沌GA/PSO优化算法,对D-FNN预报模型进行参数寻优,建立了一种熔融指数预报CHA-D-FNN模型。以实际工业生产过程中的熔融指数数据进行验证,研究结果证明了CHA-D-FNN模型在实际生产中的良好预报效果。