基于神经网络和VI的聚乙烯醇醇解度预测模型及系统实现

• 作 者: 王晓慧
• 机 构: 北京工业大学
• 出 处: 北京工业大学
• 发表日期: 2010年期

本文所研究的是聚乙烯醇生产过程中的醇解度预测问题。预测醇解度,可提前预警、减少浪费,对企业控制生产质量具有重要意义。但醇解度的实时预测,目前还没有很好的方法。化工厂目前大多依靠4个小时一次的化验结果来检测醇解度,时间滞后,造成很大损失。　　
本文旨在建立可预测醇解度的神经网络模型,将其在MATLAB中实现,并与数据采集系统相结合,实现醇解度的预测。　　
本文研究的内容集中在关于醇解度的影响因素研究、预测醇解度神经网络模型的建立以及系统实现三方面。　　
第一,对聚乙烯醇的生产过程进行研究,比较了多位学者对醇解度影响因素的分析结论,并结合对北京某化工厂具有丰富经验技师的访谈,确定了主要影响醇解度的14个关键因素。　　
第二,针对聚乙烯醇生产过程中的醇解度预测问题,建立神经网络模型。讨论了输入层、输出层、隐含层等神经元的设置及网络训练的参数,确立了初始模型。然后对模型进行优化,讨论了不同隐含层节点数下的网络性能,比较了梯度下降BP算法、动量及自适应学习速率梯度下降算法、Levenberg-MarquardtBP算法三种不同的训练算法在本问题上的优劣,并与RBF网络相比较,在此基础上,基于动量及自适应学习速率梯度下降算法建立了神经网络模型。　　
第三,基于LabVIEW和MATLAB实现了醇解度预测系统,将数据采集系统与神经网络模型相结合,以实现醇解度的预测。提出了预测醇解度的系统架构,研究了系统实现的几个关键技术,即数据采集技术、实现LabVIEW与Matlab的混合编程,数据库访问、数据备份等,然后分模块对系统实现进行了介绍。最后,将系统应用于聚乙烯醇生产过程中的醇解度预测。