化工过程分析与合成ch

概述,机理模型法,统计模型法,智能模型法,化工过程操作工况调优,概述,寻找最佳操作方案,目的和意义,回目录页,下一页,适应操作环境的变化,获得显著经济效益,适应经济技术条件的变化,离线调优,调优方式,回目录页,下一页,模型与装置分离计算数据取报表记录调优结果指导生产,在线开环调优,模型与装置相连计算数据为实时检测数据调优结果指导生产,在线闭环调优,模型与装置相连计算数据为实时检测数据调优结果直接返回控制系统,概述,调优方法,回目录页,概述,智能模型法,基于人工神经网络的智能模型法,智能模型法,回目录页,人工神经网络概述,BP网络建模依据,BP算法及BP网络的应用,过程系统优化模型,建模实例,乙苯脱氢反应器操作工况的模拟与调优,人工神经网络概述,神经元,x1,x2,xn,yj,神经网络,回目录页,下一页,智能模型法,建模依据,神经元数学模型,下一页,x1,x2,xn,yj,BP神经网络,w1j,w2j,w3j,回目录页,建模依据,下一页,区间线性型,x,阶跃型,Sigmoid型,回目录页,建模依据,神经网络数学模型,下一页,回目录页,Wji2,1,Wji3,2,Wji4,3,建模依据,神经网络数学模型,下一页,x1,x2,x3,1,2,3,层数,1,O1,O2,O3,第1层,第1个,第2个,第3个,Oj2,Oj1,2,回目录页,建模依据,神经网络数学模型,下一页,x1,x2,x3,1,2,3,1,2,3,层数,1,2,O1,O2,O3,第2层,第1个,第2个,第3个,Oj1,Oj2,回目录页,建模依据,神经网络数学模型,下一页,x1,x2,x3,1,2,3,1,2,3,层数,1,2,O1,O2,O3,第2层,Oj1,Oj2,回目录页,建模依据,神经网络数学模型,下一页,x1,x2,x3,1,2,3,1,2,3,1,2,1,2,3,4,y1,y2,层数,1,2,3,4,输出,Oj1,Oj2,Oj3,Oj4=yj,第3层,回目录页,建模依据,神经网络数学模型,下一页,Oj4=yj,第4层,回目录页,建模依据,下一页,第4层,第3层,第2层,第1层,回目录页,建模依据,黑箱模型,x1,y,BP神经网络,xn,ANN模型,回目录页,BP算法,下一页,BP神经网络,算法原理,1.选取样本数据,3.用梯度法迭代计算w,2.设置w的初值,一组xy数据,BackPropagation,回目录页,BP算法,下一页,BP算法公式,核心公式,ik层神经元,p样本组数,jk+1层神经元,pj利用第p组样本数据计算出的第k+1层神经元j的输出值,学习步长（01）,pj误差,回目录页,BP算法,下一页,BP算法公式,x1,x3,x2,i,j,k+1层,k层,取转换函数,对于输出层,对于隐含层,神经元输出,回目录页,BP算法小结,下一页,O=f(X),X,Y,W,W,O=f(WX),O=f(WX),O,pj=Y-O,pj,ErrorBackPropagation,回目录页,BP算法应用,下一页,分析问题，确定已知变量，目标变量,选取样本,确定网络结构参数,样本数据预处理（归一化）,确定学习参数,初始化权值,迭代计算权值,学习结束，数据还原,样本优化,网络结构优化,调整学习参数,重新分析问题,数据来自实验或生产记录样本个数适量取值全面分布均匀,回目录页,BP算法应用,下一页,分析问题，确定已知变量，目标变量,选取样本,确定网络结构参数,样本数据预处理（归一化）,确定学习参数,初始化权值,迭代计算权值,学习结束，数据还原,样本优化,网络结构优化,调整学习参数,重新分析问题,输入节点数=已知变量数输出节点数=目标变量数隐含层数及各层节点数靠经验取值,回目录页,BP算法应用,下一页,分析问题，确定已知变量，目标变量,选取样本,确定网络结构参数,样本数据预处理（归一化）,确定学习参数,初始化权值,迭代计算权值,学习结束，数据还原,样本优化,网络结构优化,调整学习参数,重新分析问题,回目录页,BP算法应用,下一页,分析问题，确定已知变量，目标变量,选取样本,确定网络结构参数,样本数据预处理（归一化）,确定学习参数,初始化权值,迭代计算权值,学习结束，数据还原,样本优化,网络结构优化,调整学习参数,重新分析问题,学习步长动量因子允许误差迭代次数,回目录页,BP算法应用,下一页,分析问题，确定已知变量，目标变量,选取样本,确定网络结构参数,样本数据预处理（归一化）,确定学习参数,初始化权值,迭代计算权值,学习结束，数据还原,样本优化,网络结构优化,调整学习参数,重新分析问题,随机取权值的初始值取值通常为0附近或-0.50.5,回目录页,BP算法应用,下一页,分析问题，确定已知变量，目标变量,选取样本,确定网络结构参数,样本数据预处理（归一化）,确定学习参数,初始化权值,迭代计算权值,学习结束，数据还原,样本优化,网络结构优化,调整学习参数,重新分析问题,回目录页,BP算法应用,分析问题，确定已知变量，目标变量,选取样本,确定网络结构参数,样本数据预处理（归一化）,确定学习参数,初始化权值,迭代计算权值,学习结束，数据还原,样本优化,网络结构优化,调整学习参数,重新分析问题,回目录页,优化模型,x1,y,BP神经网络,W,xn,确定自变量值,指定目标变量值,模拟模型,优化模型,回目录页,建模实例,下一页,BP神经网络,建立钢线含碳量与电阻效应的关系式,回目录页,建模实例,网络结构:1:3:15:1,学习参数:=0.9=0.91=10-42=10-5,经过6900次学习计算输出的误差达到要求,利用建好的网络作计算(称为预测),x=0.45,R=19.79,计算得到,对比统计模型R=13.96+12.55xx=0.45R=19.60,回目录页,工程实例,下一页,BP神经网络,乙苯脱氢反应器操作工况的模拟,乙苯,苯乙烯,蒸汽,回目录页,工程实