学位论文 > 优秀研究生学位论文题录展示

基于遗传算法优化神经网络的醋酸乙烯聚合率软测量研究

作　者: 陶慧汇
导　师: 黄江平
学　校: 华东交通大学
专　业: 控制理论与控制工程
关键词: 醋酸乙烯聚合率软测量 BP神经网络遗传算法 VAC GA-BP网络
分类号: TP18
类　型: 硕士论文
年　份: 2011年
下　载: 34次
引　用: 0次
阅　读: 论文下载

内容摘要

本论文针对目前醋酸乙烯(VAC)聚合工序中VAC聚合率没有有效的实时在线检测方法的实际情况,在研究分析了VAC聚合反应的工艺流程的基础之上,提出了将软测量技术应用于VAC聚合率在线检测的方案。在全面研究了软测量技术的原理、组成要素和实现流程的基础之上,重点讨论了软测量技术中辅助变量的选择、数据预处理、软测量建模三个方面的内容。然后开展针对VAC聚合率的软测量研究,所做的主要研究工作如下:1、论文首先通过选取VAC聚合率为主导变量;引发剂添加率、甲醇配比、聚合温度、VAC活性度为辅助变量;采用数据归一化变换方法和拉依达准则处理原始数据;在MATLAB7.1环境下开展了基于BP神经网络的VAC聚合率软测量方面的仿真研究。对BP神经网络的原理、结构、算法做了较为详细的论述。进行BP网络软测量建模时,采用先通过编程计算网络输出误差,再通过误差分析的方法来确定BP网络的拓扑结构。在网络训练过程中,采用BP网络的Levenberg-Marquardt改进算法对网络进行训练,并且根据网络训练和测试的结果对基于BP神经网络的VAC聚合率软测量方案做了评价。2、针对BP网络局部寻优的缺陷,决定采用遗传算法对BP网络进行优化。论文中全面阐述了遗传算法的产生、原理、实现流程以及遗传算法与BP网络的结合方式。并选取遗传算法确定神经网络连接权重的合作式结合方式作为BP神经网络的优化方案,以此来组建遗传BP神经(GA-BP)网络。最后,将GA-BP网络用于VAC聚合率软测量建模。从仿真研究的结果来看,GA-BP网络的训练和测试结果都比BP网络有了较大的改善,达到了误差要求。研究结果证明基于遗传算法优化BP网络的VAC聚合率软测量方案是成功可行的,这对于联合运用软测量技术、神经网络技术与遗传算法来解决实际工程问题和实现VAC聚合率的实时在线检测都具有重要意义。

全文目录

摘要  4-5
ABSTRACT  5-9
第一章绪论  9-16
  1.1 课题研究的背景和意义  9-10
  1.2 醋酸乙烯聚合反应工艺流程概述  10-12
  1.3 醋酸乙烯聚合率检测技术的研究现状  12-13
    1.3.1 离线分析法  12
    1.3.2 醋酸乙烯聚合率在线连续检测方法  12-13
  1.4 软测量技术的研究现状  13-15
    1.4.1 国内外软测量技术的发展现状  13-14
    1.4.2 醋酸乙烯聚合率软测量的研究现状  14-15
  1.5 本论文的主要研究工作  15-16
第二章软测量技术  16-27
  2.1 软测量的基本概念  16-17
  2.2 软测量的辅助变量选择  17-18
  2.3 软测量的数据预处理  18-23
    2.3.1 数据变换  18
    2.3.2 数据的误差处理  18-19
    2.3.3 数据的平滑消噪  19-20
    2.3.4 用小波分析进行数据处理  20-23
  2.4 软测量的建模方法  23-26
    2.4.1 机理分析法建模  23-24
    2.4.2 系统辨识软测量建模  24
    2.4.3 多变量统计软测量建模  24-25
    2.4.4 人工神经网络软测量建模  25-26
    2.4.5 其它软测量建模方法  26
  2.5 软测量实施与在线校正  26-27
第三章基于BP神经网络的醋酸乙烯聚合率软测量研究  27-51
  3.1 BP神经网络的理论基础  27-35
    3.1.1 BP神经网络的结构  27-29
    3.1.2 BP算法  29-33
    3.1.3 基于BP神经网络的软测量实现流程  33-35
  3.2 仿真软件 MATLAB 简介  35
  3.3 辅助变量的选择  35-37
  3.4 数据采集和预处理  37-38
  3.5 BP网络软测量模型  38-43
    3.5.1 BP网络的神经网络工具箱函数  38-40
    3.5.2 BP网络的结构  40-43
  3.6 BP 网络软测量模型的训练和测试  43-48
    3.6.1 BP网络软测量模型的训练  43-46
    3.6.2 BP网络软测量模型的测试  46-48
  3.7 BP 网络软测量建模过程的C 语言实现  48-49
  3.8 BP 网络软测量建模的缺陷  49-51
第四章基于GA-BP神经网络的醋酸乙烯聚合率软测量研究  51-73
  4.1 遗传算法概述  51-59
    4.1.1 遗传算法的基本概念  51-52
    4.1.2 遗传算法的特点  52-54
    4.1.3 基本遗传算法的实现流程  54-59
  4.2 遗传算法与BP 神经网络的结合  59-63
    4.2.1 遗传算法与BP网络的结合方式  60-61
    4.2.2 GA-BP 网络的实现流程  61-63
  4.3 GA-BP 网络软测量建模  63-73
    4.3.1 遗传算法工具箱函数  63-64
    4.3.2 编码方案与适应度函数的设计  64-65
    4.3.3 GA-BP网络软测量模型的训练  65-70
    4.3.4 GA-BP网络软测量模型的测试  70-73
第五章总结与展望  73-76
  5.1 论文工作总结  73-74
  5.2 研究展望  74-76
参考文献  76-79
附录 A 经过预处理的样本数据  79-84
附录 B 编码函数与适应值函数  84-85
个人简历在读期间发表的学术论文  85-86
致谢  86

基于遗传算法优化神经网络的醋酸乙烯聚合率软测量研究

内容摘要

全文目录

相似论文