论文部分内容阅读
随着社会的发展，人们环保意识提升和商品全球化竞争加剧，市场对产品的能耗和质量品质要求越来越严格。醋酸乙烯（VAC）聚合率是VAC聚合生产下游化工产品过程当中一个十分重要的参数，其对产品生产过程当中的能耗、安全、经济和质量品质等方面都有显著影响。然而目前我国大部分工厂对VAC聚合率还只是停留在人工离线化验分析检测阶段，还无法实现工业在线快速检测。为此，本文利用软测量技术的原理对VAC聚合率检测进行了研究，根据VAC聚合反应的特点，应用了基于最小二乘支持向量机（LSSVM）为核心的在线VAC聚合率软测量方法。主要工作如下：1.本文系统地阐述了VAC聚合反应过程和机理，分析了影响VAC聚合率的相关要素，通过对软测量技术的思想、主要方法和一般实现步骤的介绍，运用软测量技术来解决在线检测VAC聚合率困难的问题。2.详细介绍了支持向量机的思想及数学基础，通过对支持向量机性能的仿真分析，采用LSSVM建立起了VAC聚合率软测量模型；MATLAB仿真结果表明，LSSVM软测量模型能很好的跟踪VAC聚合率真实值变化，拟合精度较高。3.针对LSSVM在建立模型时能显著影响模型性能的参数难以选择的问题，又由于分析发现传统经验法和常规网格法参数寻优存在搜索效率低等缺陷，本文运用遗传算法智能选取LSSVM最优参数；对基本遗传算法存在易陷入局部解等不足进行改进，最终建立了改进型自适应遗传算法（IAGA）优化LSSVM参数的软测量模型，通过对VAC聚合率仿真测试，表明模型具有很高的预测精度、参数自适应寻优性能和泛化性能。4.针对LSSVM不能满足VAC生产过程在线学习样本以更新模型数据需求的不足，本文对LSSVM进行了改进并提出了在线学习的LSSVM，利用IAGA进行参数寻优后，建立了基于改进型在线学习最小二乘支持向量机（IOLSSVM）软测量模型。仿真结果表明，IOLSSVM不仅能满足在线生产情况下的VAC聚合率软测量需求，而且具备相当高的精度和泛化能力。本文研究的课题对VAC聚合率在线检测的实现提供了新的解决方案，具有重要现实意义。