论文部分内容阅读
在工业过程控制中,为确保生产装置处于最佳运行工况,提高产品质量和企业的经济效益,就必须对产品质量或与产品质量密切相关的重要过程变量进行实时检测和优化控制。醋酸乙烯聚合率是聚乙烯醇生产过程中的重要质量指标,它对生产过程的经济性、安全性,以及产品的最终用途有着重要影响。然而由于某些技术或经济方面的原因,目前我国大部分工厂还无法实现对醋酸乙烯聚合率的连续在线检测。针对这一情况,本文采用基于结构风险最小化的LSSVM(Least Squares Support Vector Machine,最小二乘支持向量机)对醋酸乙烯聚合率的在线检测进行软测量方法研究。具体的研究工作如下：首先,系统阐述了软测量技术的基本原理和常用的建模方法,并通过深入分析聚乙烯醇工业生产过程和醋酸乙烯聚合反应机理,得出了影响醋酸乙烯聚合率的多种因素,研究了辅助变量的选取。其次,详细给出了支持向量机的基本原理,核函数技术以及LSSVM回归算法的推导过程,并在此基础上建立了基于LSSVM的醋酸乙烯聚合率软测量模型。仿真结果表明,通过与径向基神经网络、标准支持向量机相比较,LSSVM方法建立的醋酸乙烯聚合率软测量模型具有更强的泛化能力,能较好的跟踪样本真实值的变化。但是研究发现,LSSVM参数选择对醋酸乙烯聚合率软测量模型性能影响很大,不合适的模型参数将导致醋酸乙烯聚合率软测量失败。最后,针对传统方法在选择LSSVM模型参数的不足,本文提出采用两种量子群智能优化算法来自动选取LSSVM参数。把LSSVM模型参数选择问题转化为优化问题,分别采用全局搜索能力强的QGA(Quantum Genetic Algorithm,量子遗传算法)和QPSO (Quantum Particle Swarm Optimization,量子粒子群优化)算法来进行寻优,并利用优化算法得到的最佳正则化参数与核函数参数建立了基于QGA-LSSVM和QPSO-LSSVM的醋酸乙烯聚合率软测量模型。仿真结果表明,与传统的交叉验证法,遗传算法以及粒子群算法相比,本文提出的方法所建立的两种模型均具有良好的预测精度和泛化性能,满足醋酸乙烯聚合率工业的控制要求。而QPSO-LSSVM与QGA-LSSVM法相比则具有较快的建模速度和较小的泛化误差,是更适合醋酸乙烯聚合率软测量建模的方法。本文的研究工作为实现醋酸乙烯聚合率的在线检测提供了一种新的有效途径。