本文關(guān)鍵詞：基于人工智能優(yōu)化算法的聚丙烯熔融指數(shù)預(yù)報建模優(yōu)化研究，由筆耕文化傳播整理發(fā)布。

文檔介紹：
浙江大學(xué)碩士學(xué)位論文基于人工智能優(yōu)化算法的聚丙烯熔融指數(shù)預(yù)報建模優(yōu)化研究姓名:李九寶申請學(xué)位級別:碩士專業(yè):系統(tǒng)工程指導(dǎo)教師:劉興高20120312摘要摘要聚丙烯在生產(chǎn)生活中的重要地位對聚丙烯生產(chǎn)過程中的產(chǎn)品質(zhì)量控制提出了更高的要求,其中熔融指數(shù)(Melt Index,MI)預(yù)報顯得尤為關(guān)鍵。本文研究了丙烯聚合生產(chǎn)過程中的MI軟測量預(yù)報問題,針對生產(chǎn)過程的高度非線性和復(fù)雜性采用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)進行建模,然后使用人工智能優(yōu)化算法進行模型結(jié)構(gòu)優(yōu)化;本文提出了若干改進的人工智能優(yōu)化算法,算法有效的改善了模型結(jié)構(gòu)、提高了模型的預(yù)報性能;得到的模型都能成功的應(yīng)用于實際工業(yè)數(shù)據(jù)的預(yù)報工作,為實際生產(chǎn)中的MI軟測量預(yù)報提供了諸多選擇.全文主要工作及貢獻如下:(1)針對丙烯聚合生產(chǎn)過程進行變量提取,利用RBF神經(jīng)網(wǎng)絡(luò)建立起MI軟測量模型;隨后引入主元分析方法(PCA),對模型輸入變量進行簡化處理后再建立MI預(yù)報RBF神經(jīng)網(wǎng)絡(luò)模型.研究結(jié)果表明了RBF預(yù)報模型的有效性和PCA方法在簡化模型、提高模型性能方面的積極作用.(2)基于粒子群(PSO)算法和模擬退火(SA)算法,根據(jù)兩者各自在全局搜索和局部搜索方面的優(yōu)劣特點,提出了一種MPSO SA算法用于MI預(yù)報RBF神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)優(yōu)化,得到的... 內(nèi)容來自轉(zhuǎn)載請標明出處.

  本文關(guān)鍵詞：基于人工智能優(yōu)化算法的聚丙烯熔融指數(shù)預(yù)報建模優(yōu)化研究，，由筆耕文化傳播整理發(fā)布。