基于模糊神經(jīng)網(wǎng)絡(luò)的聚丙烯熔融指數(shù)最優(yōu)軟測量研究.pdf

1、聚丙烯作為世界五大通用塑料之一，在日常的生產(chǎn)生活中占據(jù)了很重要地位。丙烯聚合工業(yè)作為現(xiàn)代化工行業(yè)一個重要的組成部分，其熔融指數(shù)(MeltIndex，MI)軟測量顯得尤為重要。本文研究了丙烯聚合工業(yè)中的MI軟測量軟測量問題，引入模糊神經(jīng)網(wǎng)絡(luò)對熔融指數(shù)對象進行建模，然后使用支持向量機算法和自適應(yīng)機制對原有的模型進行參數(shù)和結(jié)構(gòu)優(yōu)化。經(jīng)過實驗分析和對比，改進算法有效的改善了模型結(jié)構(gòu)、提高了模型的軟測量性能;得到的模型都能成功的應(yīng)用于實際工業(yè)數(shù)據(jù)

2、的軟測量工作，為實際生產(chǎn)中的MI軟測量提供了諸多選擇。
　　全文主要工作及貢獻如下:
　　(1)針對丙烯聚合工業(yè)生產(chǎn)過程進行變量提取，利用模糊神經(jīng)網(wǎng)絡(luò)建立起MI軟測量模型;該模糊神經(jīng)網(wǎng)絡(luò)通過采用將模糊系統(tǒng)理論和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，對模型輸入變量進行模糊化處理后再使用模糊規(guī)則和反模糊化方法對輸入樣本數(shù)據(jù)進行軟測量輸出。工業(yè)實際聚丙烯生產(chǎn)數(shù)據(jù)的研究結(jié)果表明了模糊神經(jīng)網(wǎng)絡(luò)模型的有效性和相對于基本的人工神經(jīng)網(wǎng)絡(luò)的優(yōu)勢。

3、　　(2)基于支持向量機算法對基本的模糊神經(jīng)網(wǎng)絡(luò)進行參數(shù)優(yōu)化，通過對表達式的變換和對輸入訓(xùn)練樣本的處理，產(chǎn)生適合支持向量機算法處理的形式。由于支持向量機相對于其他的傳統(tǒng)的機器學(xué)習(xí)算法具有在軟測量精度和泛化推廣能力的平衡性，所以能夠更好地處理工業(yè)生產(chǎn)熔融指數(shù)的軟測量過程中的噪聲干擾問題。
　　(3)針對常規(guī)的模糊神經(jīng)網(wǎng)絡(luò)模型中的結(jié)構(gòu)需要人工設(shè)定而且在學(xué)習(xí)過程中不能更新的建模瓶頸問題。本文提出了一種自適應(yīng)的結(jié)構(gòu)調(diào)節(jié)機制，通過使用兩個增