本文關(guān)鍵詞：基于人工智能算法的聚丙烯熔融指數(shù)預(yù)報建模與優(yōu)化研究

  更多相關(guān)文章： 聚丙烯 熔融指數(shù)預(yù)報 果蠅優(yōu)化算法 自由搜索算法

【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,其熔融指數(shù)(Melt Index,MI)的預(yù)報顯得尤為重要。本文針對丙烯聚合生產(chǎn)過程中的MI軟測量預(yù)報建模問題,采用最小二乘支持向量機(jī)(LSSVM)、小波神經(jīng)網(wǎng)絡(luò)(WNN)和T-S模糊神經(jīng)網(wǎng)絡(luò)(T-S)進(jìn)行建模,然后使用人工智能算法對模型參數(shù)進(jìn)行優(yōu)化；應(yīng)用改進(jìn)的人工智能算法,使預(yù)報模型性能得到提高；建立多種智能預(yù)報模型,且成功地應(yīng)用于實際工業(yè)數(shù)據(jù)的預(yù)報,為實際生產(chǎn)中的MI軟測量預(yù)報提供了更多的選擇。本文的主要工作及貢獻(xiàn)包括：1、針對丙烯聚合工藝生產(chǎn)過程,選取合適的輸入變量和輸出變量作為熔融指數(shù)預(yù)報模型的建模變量,隨后引入主元分析方法(PCA),對模型輸入變量進(jìn)行簡化處理,并確定預(yù)報模型的性能評價指標(biāo)；2、在分析傳統(tǒng)的果蠅優(yōu)化算法(FOA)缺點(diǎn)的基礎(chǔ)上,針對性地利用變異思想和改變搜索方式的策略,分析研究了自適應(yīng)變異果蠅優(yōu)化算法和改進(jìn)的果蠅優(yōu)化算法,并與最小二乘支持向量機(jī)、小波神經(jīng)網(wǎng)絡(luò)相結(jié)合,分別建立基于自適應(yīng)變異果蠅優(yōu)化算法優(yōu)化的聚丙烯熔融指數(shù)最優(yōu)預(yù)報模型、基于改進(jìn)的果蠅優(yōu)化算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)聚丙烯熔融指數(shù)最優(yōu)預(yù)報模型,工廠實際生產(chǎn)數(shù)據(jù)的研究結(jié)果表明了所提出的基于果蠅智能的熔融指數(shù)最優(yōu)預(yù)報模型的有效性；3、在分析傳統(tǒng)的自由搜索算法(FS)不足的基礎(chǔ)上,借助自然界災(zāi)變的思想,分析研究了改進(jìn)的自由搜索算法,并與模糊神經(jīng)網(wǎng)絡(luò)相結(jié)合,建立了基于改進(jìn)的自由搜索算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)聚丙烯熔融指數(shù)最優(yōu)預(yù)報模型,工廠實際生產(chǎn)數(shù)據(jù)的研究結(jié)果表明了所提出的基于改進(jìn)的自由搜索算法優(yōu)化的熔融指數(shù)最優(yōu)預(yù)報模型的有效性。
【關(guān)鍵詞】：聚丙烯 熔融指數(shù)預(yù)報 果蠅優(yōu)化算法 自由搜索算法
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TQ325.14;TP18
【目錄】：

• 摘要5-6
• Abstract6-9
• 1 緒論9-21
• 1.1 引言9
• 1.2 聚丙烯熔融指數(shù)預(yù)報9-12
• 1.2.1 丙烯聚合工業(yè)生產(chǎn)9-10
• 1.2.2 熔融指數(shù)10
• 1.2.3 熔融指數(shù)預(yù)報的研究現(xiàn)狀10-12
• 1.3 人工智能算法12-17
• 1.3.1 引言12
• 1.3.2 粒子群優(yōu)化算法12-13
• 1.3.3 遺傳算法13-14
• 1.3.4 蟻群算法14-16
• 1.3.5 人工智能算法的應(yīng)用研究16-17
• 1.4 果蠅優(yōu)化算法和自由搜索算法17-19
• 1.4.1 果蠅優(yōu)化算法及其研究現(xiàn)狀17-18
• 1.4.2 自由搜索算法及其研究現(xiàn)狀18-19
• 1.5 本文的結(jié)構(gòu)與安排19-21
• 2 熔融指數(shù)預(yù)報模型21-35
• 2.1 引言21
• 2.2 建模對象過程介紹21-22
• 2.3 過程數(shù)據(jù)與預(yù)處理22-23
• 2.4 預(yù)報模型的性能指標(biāo)23-25
• 2.5 統(tǒng)計建模工具25-29
• 2.5.1 最小二乘支持向量機(jī)25-26
• 2.5.2 小波神經(jīng)網(wǎng)絡(luò)26-27
• 2.5.3 T-S模糊神經(jīng)網(wǎng)絡(luò)27-29
• 2.6 熔融指數(shù)預(yù)報模型性能分析29-33
• 2.7 小結(jié)33-35
• 3 基于FOA熔融指數(shù)預(yù)報模型優(yōu)化研究35-53
• 3.1 引言35
• 3.2 果蠅優(yōu)化算法35-41
• 3.2.1 算法基本原理35-36
• 3.2.2 果蠅優(yōu)化算法的基本步驟36-37
• 3.2.3 自適應(yīng)變異的果蠅優(yōu)化算法37-39
• 3.2.4 改進(jìn)的果蠅優(yōu)化算法39-41
• 3.3 自適應(yīng)變異的果蠅優(yōu)化算法優(yōu)化的最小二乘支持向量機(jī)預(yù)報模型41-46
• 3.3.1 AM-FOA-LSSVM預(yù)報模型41-42
• 3.3.2 模型性能分析42-46
• 3.4 改進(jìn)的果蠅優(yōu)化算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)預(yù)報模型46-50
• 3.4.1 IFOA-WNN預(yù)報模型46-48
• 3.4.2 模型性能分析48-50
• 3.5 小結(jié)50-53
• 4 基于FS熔融指數(shù)預(yù)報模型優(yōu)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驟53-54
• 4.2.2 產(chǎn)生災(zāi)變的自由搜索算法54-55
• 4.3 改進(jìn)的自由搜索算法優(yōu)化的T-S模糊神經(jīng)網(wǎng)絡(luò)模型55-59
• 4.3.1 IFS-T-S預(yù)報模型55-56
• 4.3.2 模型性能分析56-59
• 4.4 小結(jié)59-61
• 5 全文總結(jié)與展望61-63
• 5.1 全文總結(jié)61-62
• 5.2 研究設(shè)想與展望62-63
• 參考文獻(xiàn)63-71
• 致謝71-73
• 作者攻讀碩士期間的主要成果73

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王福林;朱會霞;王吉權(quán);文士發(fā);;遺傳算法的一種改進(jìn)進(jìn)化策略[J];生物數(shù)學(xué)學(xué)報;2015年01期

2 孫立;董君伊;李東海;;基于果蠅算法的過熱汽溫自抗擾優(yōu)化控制[J];清華大學(xué)學(xué)報(自然科學(xué)版);2014年10期

3 王俊年;劉云連;伍鐵斌;;改進(jìn)的約束優(yōu)化多目標(biāo)遺傳算法及工程應(yīng)用[J];計算機(jī)工程與應(yīng)用;2015年03期

4 何凡;祁世民;謝貴武;吳桐;;改進(jìn)蟻群算法求解多目標(biāo)雷達(dá)干擾資源優(yōu)化分配[J];火力與指揮控制;2014年06期

5 劉成忠;黃高寶;張仁陟;柴強(qiáng);;局部深度搜索的混合果蠅優(yōu)化算法[J];計算機(jī)應(yīng)用;2014年04期

6 肖正安;;改進(jìn)FOA算法在語音信號盲分離中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2013年16期

7 馬超;董玲;;果蠅優(yōu)化算法(FOA)步長改進(jìn)及其多元函數(shù)最優(yōu)化方法[J];數(shù)學(xué)學(xué)習(xí)與研究;2013年13期

8 韓俊英;劉成忠;;自適應(yīng)變異的果蠅優(yōu)化算法[J];計算機(jī)應(yīng)用研究;2013年09期

9 牛培峰;麻紅波;李國強(qiáng);馬云飛;陳貴林;張先臣;;基于支持向量機(jī)和果蠅優(yōu)化算法的循環(huán)流化床鍋爐NO_x排放特性研究[J];動力工程學(xué)報;2013年04期

10 吳小文;李擎;;果蠅算法和5種群智能算法的尋優(yōu)性能研究[J];火力與指揮控制;2013年04期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 許森琪;基于動態(tài)模糊神經(jīng)網(wǎng)絡(luò)的聚丙烯熔融指數(shù)預(yù)報建模優(yōu)化研究[D];浙江大學(xué);2015年

2 張明明;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[D];浙江大學(xué);2014年

3 李九寶;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[D];浙江大學(xué);2012年

4 趙成業(yè);粒子群優(yōu)化算法及其在過程工業(yè)上的應(yīng)用[D];浙江大學(xué);2011年

，

本文編號：624021