基于Isomap-MPA-...的PVC聚合过程转化率预测_唐海红.pdf
《基于Isomap-MPA-...的PVC聚合过程转化率预测_唐海红.pdf》由会员分享,可在线阅读,更多相关《基于Isomap-MPA-...的PVC聚合过程转化率预测_唐海红.pdf(9页珍藏版)》请在咨信网上搜索。
1、第4 0卷第1期河 北 工 业 科 技V o l.4 0,N o.12 0 2 3年1月H e b e i J o u r n a l o f I n d u s t r i a l S c i e n c e a n d T e c h n o l o g yJ a n.2 0 2 3 文章编号:1 0 0 8-1 5 3 4(2 0 2 3)0 1-0 0 1 8-0 9基于I s o m a p-MP A-L S S VM软测量模型的P V C聚合过程转化率预测唐海红1,张 凯2(1.沈阳化工大学信息工程学院,辽宁沈阳 1 1 0 1 4 2;2.沈阳化工大学装备可靠性研究所,辽宁沈阳
2、1 1 0 1 4 2)摘 要:针对聚氯乙烯(P V C)聚合过程转化率难以实时获取,提出了一种基于I s o m a p-MP A-L S S-VM软测量模型预测氯乙烯单体(V CM)转化率的方法。首先,为消除数据间共线性,采用等度量映射(I s o m a p)算法对原始数据特征进行提取,得到模型的输入变量。其次,用海洋捕食者算法(MP A)优化最小二乘支持向量机(L S S VM)的参数,并建立模型。最后,进行仿真实验。结果表明,软测量模型相较于MP A-L S S VM与L S S VM模型,预测的平均绝对误差分别降低了4 3.0 3%和5 9.9 2%,均方根误差分别降低了3 0.2
3、 7%和5 2.2 4%,显著提升了V CM转化率的预测精度。所提模型能精确预测V CM转化率,对提高P V C的产品质量具有重要参考意义。关键词:自动控制技术其他学科;P V C聚合过程;软测量;等度量映射;海洋捕食者算法;最小二乘支持向量机中图分类号:T P 2 7 3;T Q 3 2 5.3 文献标识码:A D O I:1 0.7 5 3 5/h b g y k j.2 0 2 3 y x 0 1 0 0 3收稿日期:2 0 2 2-0 7-2 7;修回日期:2 0 2 2-1 0-2 5;责任编辑:陈书欣基金项目:国家重点研发计划项目(2 0 1 9 Y F B 2 0 0 4 4 0
4、 1);辽宁省教育厅重点计划项目(L J K Z 0 4 3 5);辽宁省特聘教授计划项目(2 0 1 83 5 3 3)第一作者简介:唐海红(1 9 9 6),男,安徽安庆人,硕士研究生,主要从事化工过程建模预测方面的研究。通信作者:张 凯副教授。E-m a i l:8 5 8 3 3 1 2 7 4q q.c o m唐海红,张凯.基于I s o m a p-MP A-L S S VM软测量模型的P V C聚合过程转化率预测J.河北工业科技,2 0 2 3,4 0(1):1 8-2 6.T AN G H a i h o n g,Z HAN G K a i.C o n v e r s i o
5、n r a t e p r e d i c t i o n o f P V C p o l y m e r i z a t i o n p r o c e s s b a s e d o n I s o m a p-MP A-L S S VM s o f t-s e n s o r m o d e lJ.H e b e i J o u r n a l o f I n d u s t r i a l S c i e n c e a n d T e c h n o l o g y,2 0 2 3,4 0(1):1 8-2 6.C o n v e r s i o n r a t e p r e d
6、i c t i o n o f P V C p o l y m e r i z a t i o n p r o c e s s b a s e d o n I s o m a p-MP A-L S S VM s o f t-s e n s o r m o d e l T ANG H a i h o n g1,Z HANG K a i2(1.C o l l e g e o f I n f o r m a t i o n E n g i n e e r i n g,S h e n y a n g U n i v e r s i t y o f C h e m i c a l T e c h n o
7、 l o g y,S h e n y a n g,L i a o n i n g 1 1 0 1 4 2,C h i n a;2.E q u i p m e n t R e l i a b i l i t y I n s t i t u t e,S h e n y a n g U n i v e r s i t y o f C h e m i c a l T e c h n o l o g y,S h e n y a n g,L i a o n i n g 1 1 0 1 4 2,C h i n a)A b s t r a c t:I n v i e w o f t h e d i f f i
8、 c u l t y i n o b t a i n i n g r e a l-t i m e c o n v e r s i o n r a t e o f p o l y v i n y l c h l o r i d e p o l y m e r i z a t i o n p r o c e s s,a s o f t s e n s i n g m o d e l b a s e d o n I s o m a p-MP A-L S S VM w a s p r o p o s e d t o p r e d i c t t h e c o n v e r s i o n r a
9、 t e o f v i n y l c h l o r i d e m o n o m e r.F i r s t l y,i n o r d e r t o e l i m i n a t e t h e c o l l i n e a r i t y b e t w e e n t h e d a t a,i s o m e t r i c m a p p i n g(I s o m a p)a l g o r i t h m w a s u s e d t o e x t r a c t f e a t u r e s f r o m o r i g i n a l d a t a a
10、 n d o b t a i n t h e i n p u t v a r i a b l e s o f t h e m o d e l.S e c o n d l y,m a r i n e p r e d a t o r s a l g o r i t h m(MP A)w a s u s e d t o o p t i m i z e t h e p a r a m e t e r s o f l e a s t s q u a r e s s u p p o r t v e c t o r m a c h i n e(L S S VM)t o e s t a b l i s h t
11、 h e m o d e l.F i n a l l y,t h e s i m u l a t i o n e x p e r i m e n t w a s c a r r i e d o u t.T h e r e s u l t s s h o w t h a t c o m p a r e d w i t h MP A-L S S VM a n d L S S VM m o d e l s,t h e m e a n a b s o l u t e e r r o r o f t h e 第1期唐海红,等:基于I s o m a p-MP A-L S S VM软测量模型的P V C聚
12、合过程转化率预测p r o p o s e d s o f t-s e n s o r m o d e l d e c r e a s e s b y 4 3.0 3%a n d 5 9.9 2%,r e s p e c t i v e l y,a n d t h e r o o t m e a n s q u a r e e r r o r d e c r e a s e s b y 3 0.2 7%a n d 5 2.2 4%,r e s p e c t i v e l y,w h i c h s i g n i f i c a n t l y i m p r o v e s t h e
13、p r e d i c t i o n a c c u r a c y o f V CM c o n v e r s i o n r a t e.T h e m o d e l c a n a c c u r a t e l y p r e d i c t t h e c o n v e r s i o n r a t e o f V CM,w h i c h p r o v i d e s a n i m p o r t a n t r e f e r e n c e f o r i m p r o v i n g t h e p r o d u c t q u a l i t y o f
14、P V C p r o d u c t s.K e y w o r d s:o t h e r d i s c i p l i n e s o f a u t o m a t i c c o n t r o l t e c h n o l o g y;P V C p o l y m e r i z a t i o n p r o c e s s;s o f t s e n s o r;i s o m e t r i c m a p p i n g;m a r i n e p r e d a t o r s a l g o r i t h m;l e a s t s q u a r e s s
15、u p p o r t v e c t o r m a c h i n e 在 复 杂 的 化 学 工 业 中,聚 氯 乙 烯(p o l y v i n y l c h l o r i d e,P V C)树脂在国民经济建设中占有非常重要的地位,由于本身具有良好的机械性能、耐腐蚀性和不易燃烧等特性,广泛用于工业、建筑、日常用品等领域1。P V C聚合方式主要有悬浮法、溶液法、乳液法和本体法等2,本文是以悬浮法作为研究背景,进行理论方法和应用研究。P V C是以氯乙烯单体(v i n y l c h l o r i d e m o n o m e r,V CM)为原料聚合而成的热塑性聚合物。传
16、统的V CM转化率小于8 5%。不同的V CM转化率对P V C的分子量、孔隙率、增塑剂吸收率等质量指标有很大影响3。因此,V C M转化率的实时监测在实际生产中非常重要。但在复杂的工业过程中,受现场条件的限制和缺乏昂贵的精密检测设备等,很难实时获取V C M转化率,从而无法直接对质量形成闭环控制4。软测量技术的应用能够解决工业过程中难以测量的过程变量,通过建立软测量模型以实现V C M转化率的实时预测和监控,对提高P V C产品质量有重要意义。软测量是用非线性数据进行驱动的技术,由于化工过程的复杂性,基于物理或化学平衡原理的精确表达式很难建立,而如今伴随着数据的大量保存,使得数据驱动的方法能
17、够有效解决现实中的非线性问题5。数据驱动的软测量方法更灵活、更便宜、响应更快。由于噪声数据的影响,以及数据本身之间也存在一定的共线性,因此,对工业过程收集的原始数据预处理至关重要,一些预处理方法被提出,如主成分分析(p r i n c i p a l c o m p o n e n t a n a l y s i s,P C A)6、核主成分 分 析(k e r n e l p r i n c i p a l c o m p o n e n t a n a l y s i s,K P C A)7、多维尺度变换法(m u l t i d i m e n s i o n s c a l-i n g
18、,MD S)8、等度量映射(i s o m e t r i c m a p p i n g,I s o-m a p)9等。其中P C A和MD S属于线性降维方法,存在局限性,不适合处理复杂的化工过程非线性数据,K P C A是在P C A基础上加入核函数思想的降维方法,但会丢失原始数据中的局部特征信息,降低原始数据该有的特性,而I s o m a p是在MD S基础上改进的,通过求测地距离的方式来计算数据间的距离,非常适合处理非线性数据,因此,本文采用I s o-m a p特 征 提 取 方 法,对 收 集 的 原 始 数 据 进 行 预处理。目前,在数据驱动的建模方法中,人工神经网络(a
19、r t i f i c i a l n e u r a l n e t w o r k,A N N)1 0-1 1是常用的一类,但其收敛速度慢、全局寻优能力差,预测误差大。相较于A N N,支 持 向 量 机(s u p p o r t v e c t o r m a c h i n e,S VM)1 2-1 3运算量小,收敛速度较快,而最小二乘支持 向 量 机(l e a s t s q u a r e s s u p p o r t v e c t o r m a c h i n e,L S S VM)1 4-1 5是在S VM基础上进行改进,将二次优化问题转化为线性方程组求解,简化求解问
20、题,速度显著提升。因此,本文用L S S VM建立软测量模型,而L S S VM中参数值的选取直接影响模型的预测精度。S O N G等1 6采用粒子群算法优化的L S S VM对水下滑翔机能耗进行预测。L I等1 7将改进的鸟群算法优化L S S VM来预测锂离子电池剩余寿命,从而提高了电池储能系统的安全性和可靠性。Z E N G等1 8采用鲸鱼优化算法寻找L S S VM合适的控制参数,来预测边坡安全系数。上述研究通过不同算法优化L S S VM都取得了不错的效果。本文拟采用一种新颖算法:海洋捕食者算法(m a r i n e p r e d a t o r s a l g o-r i t
21、h m,MP A)。该算法具有独特的搜索方式以及良好的记忆功能,易于跳出局部最优,拥有很强的寻优能力,因此被广泛用于优化各种模型1 9-2 1。本文以P V C聚合过程为研究背景,收集聚合过程中易于测量并与V CM转化率相关的变量,作为辅助数据。为了消除数据间的共线性,降低模型复杂度,对收集的辅助数据以I s o m a p做降维处理,将处理后的数据作为 模型输入,再 通过MP A优化L S S VM模型,建立I s o m a p-MP A-L S S VM软测量模型。相较于其他模型,本文提出的模型对V CM转化率的预测精度明显提升,可以满足工业指标的精确要求。1 P V C聚合过程以聚合釜
22、为反应装置,水为介质,依次加入各种原料和助剂,并在搅拌的作用下分散成小液滴。通过夹套热水使釜内物料温度升至预定值,最后加入91河 北 工 业 科 技第4 0卷引发剂进行聚合。在反应中,通过不断向反应釜的夹套和挡板通入冷却水移出反应热2 2。当V CM的转化率达到一定时,且出现一个适当的压降,加入终止剂结束反应出料2 3。P V C聚合釜系统如图1所示。本文提出了一种I s o m a p-MP A-L S S VM软测量模型来预测V CM转化率。软测量技术是通过容易测量的辅助变量构造数学映射估计无法直接测量的主导变量。相较于传统的传感器,软测量建模的方式不受实验环境和设备影响,只需对收集的数据
23、进行研究,本质是软件编程的过程,因此更加的灵活方便。根据聚合釜工艺过程中采样的数据进行分析,确定了1 0个过程变量与V C M转化率最为相关,作为建模的辅助变量。变量的具体信息如表1所示。贮液罐出料口密封水分散剂、引发剂加料口冷却水蒸汽VCM加料高压水冲洗注入水终止剂、改性剂加料口图1 P V C聚合釜系统F i g.1 P V C p o l y m e r i z a t i o n k e t t l e s y s t e m表1 P V C聚合过程相关变量T a b.1 V a r i a b l e s r e l a t e d t o P V C p o l y m e r i
24、 z a t i o n p r o c e s s相关变量变量标记最大值最小值平均值标准偏差釜内温度/T I C-P 1 0 15 7.35 5.55 6.4 40.2 0釜内压力/MP aP I C-P 1 0 28.2 97.27.9 40.1 4挡板水流量/(m3h-1)F I C-P 1 0 11 5 303 5.8 32 8.6 7夹套水流量/(m3h-1)F I C-P 1 0 23 8 002 2 5.6 77 0.4 9注入水流量/(m3h-1)F I C-P 1 0 41.200.7 00.2 0密封水流量/(m3h-1)F I C-P 1 0 50.6 2 400.4 9
25、0.0 3冷却水进口温度/T I P-1 0 71 4.61 3.11 3.9 10.4 5夹套水出口温度/T I P-1 0 94 4.21 9.82 7.6 03.7 7挡板水出口温度/T I P-1 1 03 8.81 8.82 0.4 62.9 9注入水和密封水进口温度/T I C-WA 0 11 8.91 7.81 8.3 30.4 12 算法及主要计算过程2.1 等度量映射等度量映射(I s o m a p)算法是在MD S基础上改进的一种特征提取方法2 4,将高维数据映射到低维空间中,使数据在低维空间的距离与原本的高维空间近似,与MD S不同之处在于求数据点间的距离矩阵。在MD
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 Isomap MPA PVC 聚合 过程 转化 预测 唐海
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。