基于人工智能算法的聚丙烯熔融指数预报建模与优化研究

发布时间：2017-08-05 08:39

  本文关键词：基于人工智能算法的聚丙烯熔融指数预报建模与优化研究

  更多相关文章： 聚丙烯 熔融指数预报 果蝇优化算法 自由搜索算法

【摘要】：聚丙烯在生产生活中的重要地位对聚丙烯生产过程中的产品质量控制提出了更高的要求,其熔融指数(Melt Index,MI)的预报显得尤为重要。本文针对丙烯聚合生产过程中的MI软测量预报建模问题,采用最小二乘支持向量机(LSSVM)、小波神经网络(WNN)和T-S模糊神经网络(T-S)进行建模,然后使用人工智能算法对模型参数进行优化；应用改进的人工智能算法,使预报模型性能得到提高；建立多种智能预报模型,且成功地应用于实际工业数据的预报,为实际生产中的MI软测量预报提供了更多的选择。本文的主要工作及贡献包括：1、针对丙烯聚合工艺生产过程,选取合适的输入变量和输出变量作为熔融指数预报模型的建模变量,随后引入主元分析方法(PCA),对模型输入变量进行简化处理,并确定预报模型的性能评价指标；2、在分析传统的果蝇优化算法(FOA)缺点的基础上,针对性地利用变异思想和改变搜索方式的策略,分析研究了自适应变异果蝇优化算法和改进的果蝇优化算法,并与最小二乘支持向量机、小波神经网络相结合,分别建立基于自适应变异果蝇优化算法优化的聚丙烯熔融指数最优预报模型、基于改进的果蝇优化算法优化的小波神经网络聚丙烯熔融指数最优预报模型,工厂实际生产数据的研究结果表明了所提出的基于果蝇智能的熔融指数最优预报模型的有效性；3、在分析传统的自由搜索算法(FS)不足的基础上,借助自然界灾变的思想,分析研究了改进的自由搜索算法,并与模糊神经网络相结合,建立了基于改进的自由搜索算法优化的模糊神经网络聚丙烯熔融指数最优预报模型,工厂实际生产数据的研究结果表明了所提出的基于改进的自由搜索算法优化的熔融指数最优预报模型的有效性。
【关键词】：聚丙烯 熔融指数预报 果蝇优化算法 自由搜索算法
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ325.14;TP18
【目录】：

• 摘要5-6
• Abstract6-9
• 1 绪论9-21
• 1.1 引言9
• 1.2 聚丙烯熔融指数预报9-12
• 1.2.1 丙烯聚合工业生产9-10
• 1.2.2 熔融指数10
• 1.2.3 熔融指数预报的研究现状10-12
• 1.3 人工智能算法12-17
• 1.3.1 引言12
• 1.3.2 粒子群优化算法12-13
• 1.3.3 遗传算法13-14
• 1.3.4 蚁群算法14-16
• 1.3.5 人工智能算法的应用研究16-17
• 1.4 果蝇优化算法和自由搜索算法17-19
• 1.4.1 果蝇优化算法及其研究现状17-18
• 1.4.2 自由搜索算法及其研究现状18-19
• 1.5 本文的结构与安排19-21
• 2 熔融指数预报模型21-35
• 2.1 引言21
• 2.2 建模对象过程介绍21-22
• 2.3 过程数据与预处理22-23
• 2.4 预报模型的性能指标23-25
• 2.5 统计建模工具25-29
• 2.5.1 最小二乘支持向量机25-26
• 2.5.2 小波神经网络26-27
• 2.5.3 T-S模糊神经网络27-29
• 2.6 熔融指数预报模型性能分析29-33
• 2.7 小结33-35
• 3 基于FOA熔融指数预报模型优化研究35-53
• 3.1 引言35
• 3.2 果蝇优化算法35-41
• 3.2.1 算法基本原理35-36
• 3.2.2 果蝇优化算法的基本步骤36-37
• 3.2.3 自适应变异的果蝇优化算法37-39
• 3.2.4 改进的果蝇优化算法39-41
• 3.3 自适应变异的果蝇优化算法优化的最小二乘支持向量机预报模型41-46
• 3.3.1 AM-FOA-LSSVM预报模型41-42
• 3.3.2 模型性能分析42-46
• 3.4 改进的果蝇优化算法优化的小波神经网络预报模型46-50
• 3.4.1 IFOA-WNN预报模型46-48
• 3.4.2 模型性能分析48-50
• 3.5 小结50-53
• 4 基于FS熔融指数预报模型优化研究53-61
• 4.1 引言53
• 4.2 自由搜索算法53-55
• 4.2.1 自由搜索算法的基本原理和步骤53-54
• 4.2.2 产生灾变的自由搜索算法54-55
• 4.3 改进的自由搜索算法优化的T-S模糊神经网络模型55-59
• 4.3.1 IFS-T-S预报模型55-56
• 4.3.2 模型性能分析56-59
• 4.4 小结59-61
• 5 全文总结与展望61-63
• 5.1 全文总结61-62
• 5.2 研究设想与展望62-63
• 参考文献63-71
• 致谢71-73
• 作者攻读硕士期间的主要成果73

【参考文献】

中国期刊全文数据库 前10条

1 王福林;朱会霞;王吉权;文士发;;遗传算法的一种改进进化策略[J];生物数学学报;2015年01期

2 孙立;董君伊;李东海;;基于果蝇算法的过热汽温自抗扰优化控制[J];清华大学学报(自然科学版);2014年10期

3 王俊年;刘云连;伍铁斌;;改进的约束优化多目标遗传算法及工程应用[J];计算机工程与应用;2015年03期

4 何凡;祁世民;谢贵武;吴桐;;改进蚁群算法求解多目标雷达干扰资源优化分配[J];火力与指挥控制;2014年06期

5 刘成忠;黄高宝;张仁陟;柴强;;局部深度搜索的混合果蝇优化算法[J];计算机应用;2014年04期

6 肖正安;;改进FOA算法在语音信号盲分离中的应用[J];计算机工程与应用;2013年16期

7 马超;董玲;;果蝇优化算法(FOA)步长改进及其多元函数最优化方法[J];数学学习与研究;2013年13期

8 韩俊英;刘成忠;;自适应变异的果蝇优化算法[J];计算机应用研究;2013年09期

9 牛培峰;麻红波;李国强;马云飞;陈贵林;张先臣;;基于支持向量机和果蝇优化算法的循环流化床锅炉NO_x排放特性研究[J];动力工程学报;2013年04期

10 吴小文;李擎;;果蝇算法和5种群智能算法的寻优性能研究[J];火力与指挥控制;2013年04期

中国硕士学位论文全文数据库 前4条

1 许森琪;基于动态模糊神经网络的聚丙烯熔融指数预报建模优化研究[D];浙江大学;2015年

2 张明明;基于模糊神经网络的聚丙烯熔融指数最优软测量研究[D];浙江大学;2014年

3 李九宝;基于人工智能优化算法的聚丙烯熔融指数预报建模优化研究[D];浙江大学;2012年

4 赵成业;粒子群优化算法及其在过程工业上的应用[D];浙江大学;2011年

，

本文编号：624021