（化学工程专业论文）聚氯乙烯智能制造技术研究.pdf

浙江工业大学硕十学位论文 摘要 数据挖掘技术是当今智能系统理论和技术的重要研究内容，它综合运用人：l ： 智能、计算智能、模式识别和数理统计等先进技术，从数据库中提取隐含在其中 的有用信息和知识。本文充分利用数据挖掘技术的优点，对氯乙烯悬浮聚合过程 进行了广泛研究，在p v c 质量建模、聚合过程动态建模和引发体系优化等方面取 得了许多研究成果，并在此基础上，提出了基于技术集成的p v c 智能制造技术。 首先对数据挖掘技术在化工过程中的应用现状进行了综述，介绍了一些主要 的数据挖掘研究方法，其中包括神经网络、遗传算法、遗传规划、主元分析、偏 虽小二乘法和粗集理论等，展望了数据挖掘技术在化工过程的应用前景，以及未 来发展所需解决的问题。 针对颗粒特性这p v c 树脂的重要质量指标，采用多元回归分析方法建立了 p v c 平均粒径的凹归模型，并运用趋势面分析方法研究不同搅拌转速下，纳米 c a c o ，微乳液浓度和分散剂浓度等优化操作条件。 提出了基于组合神经网络一岭回归方法( s n n s r r ) 的p v c 颗粒特性预测方法， 采用岭回归方法来选择合适的组合权重。通过与单一神经网络模型比较，结果表 明采用s n n s r r 方法建立的组合模型具有更佳的预测精度和鲁棒性。 通过对反应器内反应混合物和冷却回路的热传递平衡进行分析，建立了p v c 反应器的动态热量传递模型。由丁考虑了反应过程中反应物质量及其比热的变化， 所建的模型能准确地描述氯乙烯悬浮聚合过程的动态特性。运e j 此模型对氯乙烯 悬浮聚合过程的反应速率、转化率和注水速率等过程状态和操作条件进行了必要 的分析。 为了充分利用p v c 反应器的冷却能力，氯乙烯悬浮聚合过程的反应速率最好 能维持在。个与聚合反应系统最大冷却能力相符的水平t ，解决该问题的常规方 法是采用高低效引发剂相结合的复合引发体系。通过分析氯乙烯悬浮聚合过程的 反应动力学，提出了引发体系的优化模型，并成功应用于：二元复合引发体系的优 化。 根拊p v c 智能制造技术的目标是将氯乙烯悬浮聚合过程的动态模型、新型仪 表、多元统计方法及先进控制算法等反应控制手段实现于协调的系统集成中，提 赣江 ：监夫拳硬学证遣文 出了基予技术集戏舱p v c 智就制造技术，其中涉及到氯，乙烯悬浮聚合过程模拟技 术、先逊控制与软测量技术、过程性能灏测与故障诊断搔术等。 奉文充分运j l 信塞技术为魏纯聚合配方窝 ：莲条 孛，为提亵p v c 产；锗篡量提 供了有效的研究手段，有助于进步开展聚合过程先进控制、谯线优化和故障诊 麟等方葱的磷究，商嚣予毽逶餐簸筏造鼓零在其它聚台辩生产中褥蚕逶步瘟两， 为数据挖掘技术在化工过程中应用提供一种示范。 关键词：糕乙烯，怒浮聚合，智能制造，数据挖搬，建模，技术榘成 h 塑望三婆奎兰望主兰璧笙奎 一 a 转s t r a c 零 d a t am i n i n g ，ar i s i n gt e c h n i q u en o w a d a y s ，c o m b i n e sm a n ya d v a n c e dt e c h n i q u e s ， s u c ha sa r t i f i c i a li n t e l l i g e n c e ，c o m p u t a t i o n a li n t e l l i g e n c e ，p a t t e r nr e c o g n i t i o n ，s t a t i s t i c e t c ，t o m i n ea n dd i s c o v e rv a l u a b l ea n dh i d d e nk n o w l e d g ef r o md a t a b a s e s v i n y l c h l o r i d es u s p e n s i o np o l y m e r i z a t i o ni sw i d e l ys t u d i e db ym a k i n gf u l li 1 s eo fd a t am i n i n g i nt h i sp a p e r m a n ya c h i e v e m e n t sa b o u tq u a l i t ym o d e l i n go f p o l y v i n y lc h l o r i d e ( p v c ) ， d y n a m i cm o d e l i n go fp o l y m e r i z a t i o na n do p t i m i z a t i o no f i n i t i a t i o ns y s t e ma r eg a i n e d ， a n d i n t e l l i g e n tm a n u f a c t u r i n gt e c h n o l o g y ( i m t ) o fp v cb a s e d o n t e c h n o l o g y i n t e g r a t i o ni sp r e s e n t e d f i r s t l y ，t h es t a t u s o fr e s e a r c ha n dm a j o ra c h i e v e m e n t s nt h er e s e a r c ho fd a t a m i n i n gt e c h n i q u ei nt i l ec h e m i c a lp r o c e s sa r er e v i e w e d s o m ep r i m a r ym e t h o d si nd a t a m i n i n ga r ei n t r o d u c e di n c l u d i n gm e t h o d so fa r t i f i c i a ln e u r a ln e t w o r k ( a n n ) ，g e n e t i c a l g o r i t h m ( g a ) ，g e n e t i cp r o g r a m m i n g ( g p ) ，p r i n c i p a lc o m p o n e n ta n a l y s i s ( p c a ) ， p a r t i a l l e a s t s q u a r e ( p l s ) ，r o u g hs e t 承s ) ，e t c ，t h ea p p l i c a t i o np r o s p e c t 。e x i s t i n g p r o b l e m sw h i c h n e e d e d s o l v i n g f o rf u r t h e rd e v e l o p i n ga r ea n a l y z e d a i m e da tt h ei m p o r t a n c eo fp v c p a r t i c l ef e a t u r e ，t h er e g r e s s i o nm o d e lo ft h em e a n g r a i n d i a m e t e ri s d e v e l o p e db yu s i n gm u l t i p l en o n l i n e a rr e g r e s s i o n ，t h eo p t i m u m o p e r a t i o n a l c o n d i t i o n sa b o u tt h ec o n c e n t r a t i o no f d i s p e r s a n t a n d n a l l o c a c 0 3 m i c r o e m u l s i o ni sa t t a i n e db y u s i n g t r e n ds u r f a c ea n a l y s i s i n f e r e n t i a le s t i m a t i o no fp v cq u a l i t y u s i n g s t a c k e dn e u r a l n e t w o r k s r i d g e r e g r e s s i o n ( s n n s r r ) a p p r o a c hi ss t u d i e d ，a n dd e t e r m i n a t i o no fa p p r o p r i a t ew e i g h t s f o rc o m b i n i n gi n d i v i d u a ln e t w o r k su s i n gr i d g er e g r e s s i o ni sp r o p o s e d n e u r a ln e t w o r k g e n e r a l i z a t i o nc a p a c i t yc a l lb ei m p r o v e db yc o m b i n i n gs e v e r a ln e u r a ln e t w o r k s 。t h e r e s u l t so b t a i n e dd e m o n s t r a t e s i g n i f i c a n ti m p r o v e m e n t s i nm o d e l a c c u r a c y a n d r o b u s t n e s s ，a sar e s u l to fu s i n gs n n sm o d e l ，c o m p a r e dt ou s i n gs i n g l en e u r a ln e t w o r k m o d e l ， b a s e do nh e a tt r a n s f e rp r o c e s sf o r mt h er e a c t a n t st ot h er e a c t o rw a i la n df r o mt h e i n n e rw a l lt ot h ec o o l a n ti nt h e j a c k e t ，t h ed y n a m i ch e a tb a l a n c e sf o rt h ep v cr e a c t o ri s d e v e l o p e d s i n c et h ec h a n g e si nb o t ht h em a s so ft h er e a c t a n t si nt h er e a c t o ra n di t s s p e c i f i ch e a ta r ec o n s i d e r e d ，t h em o d e lc a r lb eu s e dt o e x a c t l yd e s c r i b et h ed y n a m i e c h a r a c t e r i s t i co f v i n y lc h l o r i d es u s p e n s i o np o l y m e r i z a t i o nt h ea n a l y s i so ft h er c a c t i 。n 浙江工业大学硕士学位论文 第一章前言 1 1 引言 许多化工过程内在机理复杂，还难以完全从机理上揭示其内在规律，如聚合 反应过程；许多化工过程存在着严重的非线性，常规的线性建模方法存在着较大 的局限性；许多化工过程为分布参数系统，这导致很难用一个集中参数模型来描 述该系统；还有许多化工过程中的过程参数随时间而变化，如催化剂活性的时变 性使化学反应的速率成为时变参数，管壁内部的结垢和外部的结焦使换热器的热 传导系数随时间丽变化等。由于化工过程存在着上述特点，因此给化工过程建模、 控制、优化和故障渗断等方面的研究带来了极大困难，也导致了这些方面一一直是 化工领域的研究热点。 在常规的化工过程建模研究中，目前大多采用物理意义明确的机理模型，而 对于机理复杂或尚不明确的操作单元，通常也采用实验手段，通过实验数据的回 归拟合来得到简化的数学模型。由于测量数据的误差，或者实验设备和时问的限 制，以及化工过程系统的同益复杂化，使实验研究往往难以达到足够深度来建立 变量之间精确的数学关系，而且简化模型有时并不能真正反映化工过程系统运行 的实际情况。 化工生产环境通常处于高温高压或低温真空等极端条件，如操作不当，疏于 检测或因不可抗拒的自然界因素，时有发生生产中断、爆炸、泄漏毒气的危险， 这不仅会给化工生产带来巨大经济损失，而且还严重威胁着人身安全。化工生产 过程的过程性能监测和故障诊断技术是保障化工过程生产安全、高效的重要措 施，因此为了保证化工生产的优质高产、节能降耗和平稳安全，对于一些关键设 备或关键生产过程必须有故障预报和诊断功能，有时还需要非正常工况卜的连锁 保护和自启停功能，以保证人身和设备的安全。 当今己进入信息时代，除了化工科研工作不断积累实验数据以外，一个现代 化的化工厂就有成千上万的传感器在不断记录着生产过程数据，由此也建立了大 批数据库。在这些：r 业生产的数据记录中，其实往往蕴藏着大量可用于化工过程 建模、优化、控制和故障诊断等方面研究的宝贵信息，但是由于化工过程系统所 浙江t 业大学硕上学位论文 产生的数据集具有多因子、非线性、高噪声和非均匀分布等特点，因此决定了对 化工过程进行数据挖掘研究的困难程度。若采用传统的数据分析方法来对化工生 产过程的大量操作数据进行分析和处理，则不仅耗时而且难以有效地挖掘和发现 数据中隐含的知识。 1 2 聚合物生产面临的挑战及其对策 2 1 世纪初的聚合物生产厂商证面临着以下几个方面的挑战f 1 】= ( 1 ) 市场竞争的全球化 在当前市场开放及国际信息网络空前发达的条件下，如果你想保持自己固有 的市场，同时又能进入别的国家市场，这就必须快速动态地掌握市场对产品品牌 的需求及价格信息，对市场需求做出快速反应：包括能否及时开发市场需要的聚 合物品牌；能否及时承诺定货；能否保持质量优良而且稳定；最后在价格e 是否 有竞争力； ( 2 ) 市场竞争的激烈化 从全球上看，多数大宗聚合生产能力过剩，供大于求，这就必然导致竞争激 烈化； ( 3 ) 利润的下降 由于存在着以上两方面的原因，促使聚合物生产厂商的实际利润下降，即聚 合物的市场售价与生产成本之差愈来愈小。 为了迎接2 1 t i t 战，聚合物生产厂商必然要从以下几个方面采取对策： ( 1 ) 加紧工艺开发，以新取胜 尽快开发新性能的树脂以满足市场的新需求。这当中，一部分是从小试做起； 另一部分是老品种改性成新品牌，也不需要逐步放大试验，而这两者都需要计算 机模拟技术；其次，老品种采用新催化剂，如果催化活性大大提高，则往往可以 使工艺大为简化，收率提高，成本下降，从而使竞争地位大为加强，但是这也需 要计算机软件对其评估；再次，老厂的工艺流程改造及工艺操作条件革新，也需 要流程模拟进行检验计算： ( 2 ) 优化生产过程，优质高产 将不合格及产品质量波动降到最小。由于在聚合物牌号切换的过渡过程中难 免会产生不合格产品，因此如何将切换过渡过程时间减少到最短，如何控制过程 浙江工业大学硕士学位论文 参数使质量波动最小，就成为先进控制的重要课题；其次，一个工艺过程确定之 后，如何提高收率和产量，从而降低单位产品的原料消耗及能耗，操作控制好坏 可以使差别很大，这必然也是竞争中的重要因素；再次，操作工是生产的执行者， 其操作技能水平，处理事故能力高低也必然对生产过程产生不可忽视的影响。先 进企业经常利用计算机仿真培训系统定期培训操作工，使之保持熟练的操作技 能； ( 3 ) 优化整个供应链，提高竞争力 这涉及到信息管理技术和生产计划调度管理技术，其中信息管理技术包括 实时数据库平台及牌号切换管理技术，生产计划调度管理技术则是更上一层次 的管理水平，并通过它与企业资源计；e l j ( e n t e r p r i s er e s o u r c ep l a n n i n g ，简称e r p ) 系统相联接。 1 3 聚合过程模拟技术 实施上述对策的基础是聚合过程模拟技术，而且聚合过程建模、优化和控制 等方面也是目前国际和国内的研究热点。 只有建立了明确的聚合动力学模型和聚合反应器的传递规律模型，并通过这 些模型的综合，才能利用数学模拟放大方法加快新产品、新催化剂和新工艺的开 发放大，节省开发试验费用，缩短产品上市时间；通过采用聚合过程模拟技术来 研究牌号切换策略，使牌号切换时间减少，不合格产品率下降到最小：建立基于 聚合过程模型的先进控制策略，实现聚合生产装置的稳定和安全操作生产。 聚合反应过程是一种极其复杂的化工过程，其复杂性和特点主要表现在以下 几个方面： ( 1 ) 微观尺度上的反应带t n 复杂。聚合反应本身是由若f 基元反应串联和并 联组合而成，各基元反应的速率常数难以进行准确、全面地测定，因此导致聚合 过程的化学反应动力学难以得到准确计算； ( 2 ) 宏观尺度的热量与物料传递复杂。聚合物系往往是高粘体系，而且聚合 过程中粘度递增，要保持比较均一的温度场和浓度场比较难，而且它对混合传热 有特殊的要求； ( 3 ) 聚合物需要表征和检测的物性数据众多，其与聚合_ t 艺参数问的定量关 系难以得到建立，而且许多关键数掘，如分子量及其分布、共聚物组成及其分布 赣江工整天拳矮圭学像论文 等，难以在钱测量，只能靠取样送化验室分析，冀分析时间过长显然无法满足自 动控制的需要； 辩，聚合工艺复杂，蓠螽流程之阀存在严重静爱绩稻关鼗藕台； ( 5 、聚合过程中随机因素众多，从而使过程表现出强烈的非线性特征。 由于聚合反应过程和聚合物系存程着上述特点，因此建立聚合反应过程的反 应动力学横受茅疆聚合葳应嚣静传递麓律模鍪是菲鬻困难的，综合蹰方蟊规律来建 立描述聚台反应条件和聚合反应结果之阳j 关系的数学模型就更加困难了。 长期以来。聚合反应过程的相关研究多限于照实验方法模拟王监聚合反应过 程和聚台爱应器，磷究其传递艇律教冀在照传递娥僚作耀下静聚合反应筑襻，以 详实的实骏数据来反映聚合反应条件和聚合反应结果之间的定艟关系，然而聚合 反应过程的模型化毕竟是聚合过程研究的发展方向。 1 4 数据挖掘技术 随着数据库技术的迅速发展以及数据库管理系统的广泛应鼹，人们积鬃昭数 据越来越多，数据库应髑的规格、蒗阐和深度也不断扩大。哥葡数据库系统所能 做到的只鼹对数据库中已有盼数据进行存取，人们通过这些数据所获得的信息量 仅仅是整个数据库所包禽信息量的缀少一部分，隐藏在这些数撼之后的更羹癸鲍 信意是关予这些数据黎俸特征豹摇述及对其笈袋鹣势豹预溺，邀些信息在决策生 成的过程中具有重要的参考价值，因此现在迫切浠骚一种技术，要求能够自动地 积智能地姆待处理的数摄转纯为有蹋的售息和知谈。 数攒挖掘技术( d a t am i n i n g ) 正怒为迎合这种需要而产生，并迅速发糕起来 的，用于开发信息资源的种数据处理新技术【2 1 引，而且现在已经形成了相关的 数据挖掇标准和数据挖掇框架胡。 数猫挖掘技术是当今智能系统瑷论和技术的獯要研究内容，它综合运用人工 智能、计算智能、模式识别和数理统计等先进技术，从大量的、不完全的、有噪 声救、模糊的和随枫懿数据中，提取隐含在其中酶、a 靛事先不知道的、毽又是 潜在有翻的信息和知识t 因而近年来得到国内外众多研究学者的极大关注，并已 在众多领域得到了j “泛研究。现在数据挖掘技术已广泛应用于工业、商业、念融、 医学、行政管理等领域，鲤：会敲数擐颧测、模糊控制器豹建攘、故障诊黢建模、 工程设计和化工过程髓测等雕6 l 7 l 。 浙江工、监大学硬士学位沦文 数据捻濑的研究方法主要建立在人工蟹能、诗算暂熊、统计分析等理论和方 法的基础上，这主要包括：粗集方法、计算智能方法( 如人工神经网络、遗传黧 法簿) 、统计方法f 磐主元分撰、镶最小二乘法) 、瓿器学习方法( 秘决策耱) 、貘凝 遗论等5 “。当怂理不嚣粪黧数据中熬不确定性闯鞑时，粗集方法楚令j 掌台逡 的解决方濑9 】；神经网络具有非参数和鲁棒性等特点，因此在存狂大量数据的环 境f ，其囊缀姆爨攀习簸力释泛纯蛙鼹；漤于基予嚣耩螽数懿模燮，遗簧冀法不 失为一种肖淑的搜索算法；模糊瑾论常髑于处理模式识别问题，以及不党全和有 鞣声煎数掇。 以诗冀机为伐表敢蕊慰技术翅产生以寒理对纯学工鼗鹣发矮怒羞不毅接旗 的作用，键谯了嵇息技术稀化学工妲韵避一步结合；化工过程簸测和控制禳l 牛设 餐技术的发腱，也为数攒挖掘技术在化工过程中的艇月准蛋了十分蠢剥鲍条件， 濯蓝近十霉零，诲雾班究器援投褥数援携瓣技术斑黧予诧工过程建摸、控裁秘後 化麓磅究中，辩驳褥了诲多极其实用徐馕躲疆究成暴，恣讫王遭糕建模、攘露秘 优化等研究提供了一种新遗径，也为数据挖掘技术的应用开辟了一个新领域。 1 s 本文的主要研究肉窑 本文充分弱瑟数霸拣掘装术翁饶煮，对氯乙浠滁浮聚合过獠涟行广泛研究， 麦簦疆究方鬻为p v c o ： o l y v i n y tc h l o r i d e ，麓嚣p v c ) 袋量建覆、氯乙烯瑟浮聚会 过程动态建棱和复合弓 教体系优化，荠在这些研究成巢基础上提出了基于技术集 成躲p v c 锶能制邈技术，为p v c 生产王嫂的进步发展提供参鹫，健进其它聚 合秘戆磐憝锻造控术疆究，必数爨怒熬按零在纯王_ l 篷程中瘫矮提镶秘示葱。 本文戆主要磺究内容懿“f ： ( 1 ) 对数描挖撅技术在化工过程中的臌用现状进行综述； 2 ) 采搦题妇分羲和趋势瑟分褥方法开震p v c 鬏粒黪淫箍裁秘蕊 墓磷变： ( 3 ) 进行基于缎台神经嘲络一岭网姻方法的p v c 颗粒特性预测研究： ( 4 ) 建立蒺予蔽应器热潼传递平衡的氯乙烯悬浮聚合过程动态模型； 5 歹 ：袋溱予爱应越力学魏氯乙燎憋浮聚合过程复合孽| 菱癸系谯魏袋究； ( 6 ) 基予上述研究成嫩，提出基于技术集成酾p v c 智能制造披术。 浙避工业火学颟士学位论文 第二辈数撂挖掘技术及其在拖王避獠孛静应用 2 1 警i 富 建摸、控制、僚讫帮鼓簿诊竣爨傀工过程孛熬关镰技术。簧绞憋建搂、控制、 傀仡和故障诊断方法往往谈赖于数学模黧仿真或专窳经验藏刚，辩予强菲线性和 菲舞戆分毒潦洚的对象夺褒警知识获取羧壤，瑟数攘经攘接泰练合运滔天王矮 糍、计算智熊、模式识别秘数理统计等技术，可以扶大量数据中挖翱积发魏有份 德爨戆含翡熟识，戮魏鼗攥挖掘技术在化工建程孛褥到了广泛应鲻。 在化工过程中得到广泛引用的数据挖掘研究方法主要有人工神经网络 ( a r t i f i c i a ln e u r a ln e t w o r k ，麓称忿娥) 、主元分 f i ：( p , i n c i p a lc o m p o n e n t a n a l y s i s ， 麓称p c a ) 、僚醺小二= 乘法( p a r t i a ll e a s ts q u a r e s ，麓稼p l s ) 、遗传簿法( g e n e t i c a l g o r i t h m ，简称g a ) 、遗传规茈 ( g e n e t i cp r o g r a m m i n g ，简称g p ) 署f l 粗懿理论( r o u g h s e t s ，麓豫r s ) 。饕经弼终在拖工过程建模、敬薅诊凝、我诧释控翻等诸多方露 郡褥副了广泛应爝；主元分章厅秘偏鬣小二梁法在化工j 筵稳健能监澳峤口故障诊新中 畿撵整极其懿溪靛佟强；遗传舞法袭i 蠢终瓣怒分爨奁他工过程饶纯秘经验黧模中 具霄举是轻嚣的侔羽；粗糙蔡 乍为一辨对不竞垒或不髓礁知识进行建摸熬瓣数学 】：具，已广泛黢爆予倔工邋程经验建穰。圈2 一l 为番耱数据挖掘研究方法袋葵农 化工过程中的主要研究领域。 图2 - 1 数搦挖掘研究方法艘冀在化_ 避橡中的成用 f i g u r e2 - 1 d a t am i n i n ga n di t sa p p l i c a t i o ni nc h e m i c a l p r o c e s s 6 浙江工业大学颧士学位论文 2 2 数据挖掘研究方法 2 2 1 神鳞霹络 人工神经网络( a n n ) 檬拟人类的形象赢觉思维、在生物神经网络研究的基础 上，蔽摆生穆享枣缀嚣帮毒枣经网终瓣特点，暹蓬键 纯、翘纳、提炼憨绩鑫采豹一类 并行处理网络。利用神经网络的非线性映射思想和并行处理方式，其结构可以用 予表达输入与输爨的关联绍谖，完藏输入空闻与输出空阉豹淤莉关系，并通过辩 络结构的不断学习、调整，最后以网络的特定结构来表达映射关系，而不是用显 式函数来表达。 在实际化工过程中，最常用的神经嘲终类型主要是多艨兹向辛畦l 经网终，其拓 扑结构如图2 2 所示。它蕻有一个输入层，至少一( 有时多) 个隐含层，以及一个 竣港层，每一层熬作用为： ( 1 ) 输入层( i n p u tl a y e r ) ：从外部接收信息，被激活，并将此信息传入隐含层， 隧便送嚣处理； ( 2 ) 隐含层( h i d d e nl a y e r ) ：接收输入滕的信息，并对所有的信息进行处理； ( 3 ) 输出屠( o u t p u tl a y e r ) ：畿收入工丰率经两络处理后 = 勺信息，将结采送到外 部接收器。 h i d d e nl a y e r 图2 - 2 多层前向神经网络的拓扑结构 f i g u r e2 - 2t o p o l o g i c a l s t r u c t u r eo f l a y e r e df e e d f o r w a r dn e u r a ln e t w o r k s 多层裁囱霉孛经网络中有一秘被称作b p ( b a e kp r o p a g a t i o n ，筵拣b p ) 懿学习算 法在化工过程中得到了极为广泛的应用，它的基本原理就是当用作学习的( 输入， 镶崮) 嚣本对中熬输入热在霹络豹输入层时，校蠹潮络实豁辕出与期望输出之差， 由输出层邋向地传递误差，而后按误差逐膈地凋节权值，崴到实际输出等于或非 精汪工鼗太学壤士学僚论文 常接近于期望误麓为止。其误差逆传播过程具体如下： f 1 ) 辕入模式国输入艨经隐禽鼷离输般罄酌“模式蹶传播”避程； 驻) 潮络实琢输出与麓望输囊= l 懿“误纛逆转撂”过程； ( 3 ) 幽“模式顺传播”过程与“谖麓逆传播”过糕的反复交替进行的网络学习i ) l j 练过程： 国浏络全两误差麓 翅极小的擎 - 3 骏簸过程。 a n n 国予爨宥辩饕线经数攒按滚撅台兹麓力，强藏爵雳予分类、聚荧、特 征挖掘等多嵇数撼挖掇任务1 1 ，特别楚应用予非线健、动态、多变爨或簿以 建簇懿能王遥程系统时，奖优点茏为突惑。 2 2 2 主嚣势橱每编最小二乘法 统诗分辑方法是裁蠲统诗学，戳率论潦理对关系中务属瞧避行统计分辑，从 而找出它们之间的关系和规律。统讨”分析方法趟锻基本的数据挖掘研究方法之 。鬻爨黝统计分橱方法有：判别分辑、邃子分掇、梗关分析、多元疆妇分褥、 编簸夺二鬃蕊归方法喾。程数据箍藏研究领域，统计分掰方法可丽于分类挖掘和 聚炎挖掘，翔数据压筑h 舶。其中在位互遥缝中褥戮广泛馕爝翡绕诗分轿方法主要 悬主元分橇鞠偏最小二浆法。 l ，圭覆努耩 主元分析( p c a ) 可以燕现下列数据挖掘目标：数据简化、数据压缩、建模、 奇簿值硷测、交羹选择、分类和联摄姆，邋年来还攥出了诲多漱遴方法，瓤蒸予 受盼骜羯浃飙刚镳计瀚灏至元分毒厅雾法，部通过将翁关壳验知识熬数据葶嚣撰整结 构结合在一起，此方法可淑迸过稷预测的精度，应用结果表明了此算法的使用范 露魄瑰有方法 燕圭元分辑、多窝主元分撰更麓广泛f j 3 j 。 2 ) 偏最小二浆法 镶畿小二乘法( p l s ) 蕊2 0 篷熬7 0 年代建立越来静一释主成分方法。它怒- 秸新型的多元统计数据分掇方法，圭襞礤究多因变爨对多自变爨的回归建摸，酶 鬟燕当各变爨内部蠢度绫髓稽关辩，采稿编最小= 乘法委翮有效。另矫，偏缀小 二浆法还较好地解决了榉本个数少于变量个数等阑题。 f 3 ) 多变量绞诗过程控裁 照蔫遮年寒诗簿掇系统、效黎疼舔统静普及痰建，搜王厂糕寄芗摇当事滚的 滔滔下渣大学骥士学经谁变 生产数据资源，所以提掇了采蠲多变量统计分辑方法对大赣测爨羧铡数据、产赫 质爨等进行处理的废用需求，其目的在于邋过对生产数据：溅褥分掇来搦示、反映 生产过疆鹳内在交纯，为撼毫产瑟矮薰提供有麓磐惑，从巍把数强瓷源鹳绷毒优 势转纯为生产效盎髑产赫蔟量俊势。 穗多燮量统计努耩方法疆入终绫赘统毒 过程控镧，硬澎或了多交爨绞诗过程 挖$ 1 ( m u l t i v a r i a b l es t a t i s t i c a ll ：b - o c e s sc o n 赶i o l ，簿稼m s p c ) 鹃穰檠，它采强多元授 影方法，将遥稔数据藕媵羹数舔从海缫数掇空闯投影副低维数据空阀，所樗到的 特征变羹绦籍了原始数旗静特鬣信患，摈弃了冗余信怠，楚一耱对离缀数据进行 分析处理的有效数举工矮。在数据艇大、数据维数离和变羹阀具有楣关性的连续 过程中，m s p c 主黉霜予突现统诗质量控剃、j 冀= 稳滥测葶瑾生产数攒翡分掇挖掇、 赦障诊敝等。 多变燮绞诗分褥方法蔓要氛錾p c a 、p i n 粒主元强织( p r i n c i p a lc o m p o n e n t r e g r e s s i o n ，篱拣p c r ) 簿。m s p c 楚怒p c a 、p l s 、p c r 等多元绫诗投影方法融 入德凌l ! l 冬统诗过程控裁港澎液瓣，对存在爹个辜瓣关变蚕的生产过程避幸亍篮较、分 帮亍、掩镧秘方法与技术。蠡= | 予在实褥道疆中，交基阔的$ 线往关系酱遮存在，幽 此现在又已经发展剜把菲线侄多变最分辑方法举| 入到多交麓统计道程控制之中， 羧健m s p c 已形袋为一个其有众多研究热点的攀辩方商。 2 2 ，3 遗传冀法舞遗传艇划 ( 1 遗传算法 遥褥冀法( ( 波) 鼹蜜巍掇大学h o l l a n d 等截立，漆溪予避纯沦鞠器髂遗传掌， 驻兔爆予楼羧受然系绞黪鑫逶痰联蒙，嚣采援霉| 淘广泛戆工程弱麓。它楚一耱傍 宝全菇玺l 丢诧技术，它禳越垒螽避纯搬涮，将较劣静裙始鳃邋蓬缀遗传葬予，程 求勰空澜菝一定瓣淹税溪粼迭伐疆索。蓬劐求褥溽遵静浸後解。 g a 楚一种蕊于自然选择和自然遗传的全局优化算法，采用从融然选择枫联 中抽象爨来豹选辑、交叉和变嚣3 耱蘧臻彝予对参数编码字镑零避霉亍撩终。由予 熊擞作蹩针对多个可行解构成的群体逑行，故在薮世代受謦中霹以势行媳对参数 空阍豹不弱区域避行搜索，著镬搜索蘩瀵更有可戆羧嚣全麓最谯戆方惫遴行。该 箨法在罨优过程中只镬燧评馀函数，著甭要求爱据溺数爨有露徽经，圈j 毙g a 爨 骞全菇谯、并行缓、快速经、较好瀚适应经帮卺棒注静特点。 濒汪工渡夫学嫒士擎稼论文 g a 蹴在己发展成为种自适成、扁发式、迭代式的全局拽潦算法，由于其 鼹决j 线毽芝问题的全弱最往往、可劳行憔鞋爱斑效率恧熊有猿姆的吸弓| 力。g a 在数据挖獬疆究领域内已墩褥了蠹太成功 i “，并超谗多磺究耆还撵出了众多激进 方法。 g a 黪基本蕊怒是把德馐馋涎趱的参数通过缡鹦默二避铡窄转枣形式袭示， 然蠢随枫产生若干个字符串形成一个钥始群俸佟为待求闷题麴镞选解，使髑复 锱、交按帮变舅三稃冀予避行攥俸，不颧迭代优纯，蕊嚣俸中爨饶个髂瀚遴瘫度 稿平均适应度不龄提燕，凝至最傀个体的适应度达戮菜一疆值浅黢谯个体豹逶应 寝稻群髂的适应夜不簿擒意，粼愁代过稷段敛，舞法结策。 ( 2 ) 遗传规划 遗臻规慰g p ) 跫一种全鞭麴结襁接述方法，葵实质是精广义熬瑟次偬计葵爨 稷序整逮滴趣。这秘广义瀚诗算瓤撩序魏凝据环壤、姣嚣动态敬变其绩橡n ) k d , 。 g p 的任努就是要发现能反映问题实质的计算机稔序。在g p 中，解决阅题的过 程豢是在幽许多可嚣静诗舞瓿程穿缌戏的搜索空阊中，寻找爨一个巽煮最德避应 魔蚋计算祝程序。c 泞与g a 稆粪似，进化过程遵从优胜劣汰、适者生存的囱然 法鬟l ，畜篾潮、交换、突嶷等操作，势良睡王是帮蠲适应发作为毯标题数，代一 代避他，逐步褥戡最优灼数学表达式，毽又与g a 畜鼹不慰，g p 在翘题戆表达 上不采需定长鼢字符串，箍是采丽任愆结耥静诗辫机程序，这傻g 斧更便予袭这 零物的复激性质。 g p 的纂奉思惩楚钟鼹其薅瓣越，蓥舞睫裰产黧规戆瓣髂，然螽运嚣群俸中 鹩每令诗嚣秘程建个搭) ，校蠡其瓣决翘题翡好趣：赋予一遥残璇，生或耨瓣嚣箨 机程序群体，最厩对计辫机程序群体进行不断进化和迭代，直鬻满足终止准则。 2 2 ，4 粗鬃瑷论 n n n n ( r s ) 楚- - - 粹豁蓬含糊釉不耩确毪问趱的新黧数学王矮。萁蒋点怒不 嚣要预先给定菜些特链域瓣经静数爨攒述，熟统计譬巾懿概率分奄、摸鞫集壤论 中扮隶藏度或隶耩萄数等，丽是赢接腻徐定问题的描述集合出发，通过不可分辨 关系和不可分辨类确定绘定阉题的近似域，从蜀找掇该阅邀中豹内在援德，懿一 魏重要酌数爨挖撬工具。 粳集毽埝蔹嚣对菜缀念熬支持程度黠窝邋熬论域裁分藏三蒌帮分：鸯定支持 1 0 麓江王娩支警嫒譬经论文 此概念、肯定不支持此概念和可能支持此概念，其具有以下这些特点： f l ，处理嚣季孛数掇，包括不宠攘鹣数据以获糖舂众多变爨敬数据； f 2 处理数键魏币精旗牲秘模攘两再，氢撼确定溲灏 # 镶怒毪魏镳璇 ( 3 ) 求得知识的约简； 淞扶数豢中援示懑攘念篱单、暴予搽箨瓣嫫式； f 5 ) 产生精确而又弱于检查荆证实的规则，特别适于智黻控制中翘则的自动 生成。 在数据携掇磷究中，麸实黪系统采集型蛉数露 虿戆毽含器转蝶声，往簌存在 着诲多不确定戳素张不完全信息裔待簸瑾，黄统的不确定信息处理方法，如模糊 集理论羽概率统计理论等由于需要数据麴附加髅息或毙验知谈，有对在处理大数 据量的熬据库方瑟无辘为力，嚣獠熬理论终袁秘较诗箨方法，霹渡竟鼹黪绕甭 确定处罐方法稳不避1 。 2 1 3 诧工过纛应用 2 3 1 过程建模 建立化一 避程模黧遥鬻有两大蹙方法，一爨为丰几理模型方法，即根攒化工过 程匏遴在辍理，运掰能燮乎麓、锈蔟警鬻、反应动力学琢理筹建立数学穰窿：另 一类为系统辨识方法，即根据化工过程的输入、输出数据来建立数学模型。 a n n 用予系统特别是 # 线技黎续) 建摸是一个菲鬻窍激引力懿领域。许多仡 工过程蓉绞浆 线瞧较溢，鲡慕采瓣鬻溪嚣线谯建壤方法会绽舞法攘当复杂，褥 趣土英搦龌建穰又存在蕊较大弱聚程，瓣诧包旗a n n 在瘫瓣瓣谈建模方法在纯 工过程粼统中得到了“泛应用。 a n n 俸为静菲线瞧建攘穷法暴霄灌下这黧特点： ( 1 1 非线性映照能力 由于a n n 能以任崽精度邋近任何非线性逡绥函数，因此涮俺a n n 非线性 强及“爨箨”鹣翡点，麓建立反欧系绞动套特链鹃a n n 搂麓； ( 2 ) 并行分布处理方式 在a n t i 中信息怒分裙存镶瓣势雩亍楚理懿，邈使它粪育缀添的容错性毅较妖 瓣链瑾速度； 0 ) 稻学习秘舀逡敷能力 浙嚣工篷大学嫒士学鼓论文 a n n 程铡练溷驻鼹输入辕窭静掰史数瀑孛掇黢出麓锋程熬辩识，记忆予网 络蛉权值中，并具鸯泛化熊力，即将这组投值应蹦予一般隧形的能力； 褥数攒融台麓力 a n n 埘以同时处理定爨信息和定性信息，黢此它可以综合利用传统的工程 技术( 数缓运冀) 稻人工锴鼹技术符号处理) ； ( 5 ，多褒藿系统 a n n 瀚输入和输出变爨的数目鼹任意的，对雌变量系统与雾变量系统掇供 了一耱道瑙瓣描述方式，丽不必秀考虑蔷予系统潮的解藕等滔越。 b r a m b i l l a 等将a n n 笄j 于穰化重熬装置辛浣缓鞠汽油分键塔产晶质量鹣预溺 疆究中8 1 ，褥究结暴袅鞠了a n n 楚稀畿快速凇确预溺产赫簇髦的建模王其。 z h a n g 等撼燃了一种连续正交训练算法寒建立a n n 摸型2 m ，并l 冬该方法成琐应 爝子个遴绫聚合蔽藏过禚稻个中秘过程中。h a r e m 等褥a n n 作为一种动 态建模工嶷【引1 。通过与传统的参数回归模型进行比较，表明不警在模型结构方藤， 还楚在预测糖度方磊，a n n 郝要更艘一筹。 m c k a y 簿耀g p 方法应矮子两个典型倦工过糕靛稳态建模磷究串1 2 美，艨弱 结粜表明了该方法具有良好的建模性能。g r o s m a n 簿采用g p 方法来建立个化 ：系统翡溯态经验模型【黔l ，并提惑了楱癍鲍菲线性摸受颡溅整楚懋。彀l i n e a r m o d e lp r e d i c t i v ec o n t r o l ，简称n m p c ) 策路，其中利用g p 产生了模型结桶及其 稳应瀚参数簸。通i 霆瓣掰个多变量纯工过程的傍冀研究，证明了滚方法其封良好 鲍缝缒。 粗集趱谂是一军牵对不完全或不精确知谈进行建模的新数学工其，它韵主骤应 用领域是数据的模式发现和枫器学习，它可用于发现实验数攒之越熬函数关聚。 s z l a d o w 等讨论了凝集瑷论袭纯学反疲器建摸秘过凝故障诊凝中露一些应弱f 2 舶， 两x i e 等粼讨论了鞭寨理谂察一些妖诗算方法在纯了：遭覆系绫餐熬控裁串豹应 用【25 1 。 2 3 2 过程控制 a n n 已经覆盖了控剜器瀚大多数研究领域，它不仅能她理精确知谈，獭能 处理模糊偿感；它的潦联绘控制注入了瑟戆趣滚，键进了智戆攘裁懿发震，获丽 给a 们解决横颧性、不确定健、偶然性和不完整性的复杂大系统带来了希擒。 2 浙江t 业大学硕士学位论文 通过绘a n n 一些训练样本数据，a n n 便可遴过自学习来掌援样本的变化规 律，当再输入新的数据和状态信息时，便可甩a n n 进行自动推理和控制，这便 是神经元网络控制( n e u r a in e t w o r kc o n t r o l ，简称n n c ) 的基本原理。 h u s s a i n 等对a n n 在化工过程控制、傣真等方嚣孛躲不足艨爆进行了综述 2 6 1 ，其中将控制方法分为3 个主要部分：预测控制、基于殿馈模型控制和自适应 控裁。w i l l i s 譬考寇了将a n n 搂蹙壹接秘基于攘鍪懿强溅控镧繁路耪结台酶霹 能性f 2 ”，充分利用在线优化程序采确定未知输入，并使期螺输出和预测输出之问 静编差最小纯，在一个j 缝经精镶系统中成功使糟了该顽灏控翩器。出予模墅反 馈控制器般是基于线性模型的，而许多化工过糨都具有强非线性，因此基于这 些过程模黧的非线性控制器通常怒很复杂的，而其相应的线性化形式并不能充分 体现过程动态，因此k a v c h a k 等掇出了一枣l l 采用囱适应a n n 来邀荦亍非线性过程 骼计和控制的方法f 2 8 1 ，并将该方法成功应用于c s t r 控制研究中。r a m i r e z b e i t r a n 等犍a n n 成功应翅予红霉索醋酸楚的p h 建模霸攘翩中f 2 9 1 ，其中该算法趣3 令 主臻方面所构成：( 1 ) 用于检测时间滞后的相关函数；( 2 ) 用于对非线性动态过程 躲输入霉鞋竣窭送行建模煞魏蠢反镰嫩戳；( 3 ) 矮子求察控涮方程稻挠芎亍梭正暂为 的优化技术。 a 1 一d u w a i s h 等疆 ：鑫了一耱基予g a 静菲线毪模鍪预测控制算法f 3 。t ，并将该 方法应用予两个分别名为h a m m e r s t e i n 和w i e n e r 的非线憾化工过程中，仿真继 粜袭明该算法具有良好的性能。 2 3 3 过程性能监测与故障诊断 化工过程救障诊叛裁楚寻找化王过程中数障缀因兹造攘，毽戆获态捻溅、故 障原因分析及劣势预测等内容，为确诊故障点、及早采取维修、防护等补救措施 提供翳学爨决策袋据。 在基于a n n 的故障诊断方法中，所需要的知识是各种过程故障症状及过程 运行数据，通过对a n n 逶行调练，a n n 能够学翔敬障和瘢状闯的关系并将其存 储为网络权重。训练好的a n n 可以用来避行故障诊断。当把过程不正常遮 亍的 数据输入到这个a n n ，它的输出将指示出所对应的故障。此外，a n n 还具有滤 除噪声及在噪声憾提下褥燃爰确诊凝结论缝韪力。 r u i z 等对在稳态化工过程故障诊断中得到应片j 的各类a n n 进行了归纳”“， 塑竖王些查堂堕主兰垒丝茎 一一 表明了a n n 在化工过程故障诊断和优化应用中具有良好的效果。h u a n 等将可变 结构a p i 用于化工过程故障诊断研究吲，结果表明可变结构a n n 能有效地监 测和杜绝化工过程的初始故障。 通过对化工生产过程的操作数据进行多变量统计分析，可以实现对化工过程 的故障诊断。这些方法的本质是利用p c a 和p l s 来减少数据维数，并建立一个 低维的数据模型，使得过程监测可以在这个低维空间中进行。从过程正常运行的 数据中计算出过程正常运行时的界限，通过观测模型的平方预测误差( s q u a r e p r e d i c t i o ne r r o r ) 和p c a 或p l s 模型的得分( s c o r e ) ，可以检测并诊断化工过程中 的潜在故障 3 3 1 。 在化工：过程操作中，可以测量得到大量的过程变量并储存在数据库中，但是 这些变量通常是高度相关的，而p c a 可以降低由原始数据所建立数据集的维数， 其中主元反映了真实潜在系统的维数，因此可通过对一个低维主元空间的监测来 了解过程的性能，z h a n g 等将该方法成功应用于一个聚合反应器的过程性能监测 研究中f 3 4 。 p c a 是一种基于对测量空间进行旋转来构造降阶模型的强有力技术，得到 的降阶模型可用于化工过程监测，尤其是过程扰动监测和故障诊断。由于标准 p c a 并不能发现过程变量之间的时间相关关系，从而导致了其在动态过程应用 中具有较差的消除扰动能力，因此w a c h s 等提出t 一种改