文档介绍：自适应粒子群优化算法在聚丙烯熔融指数预报上的应用基金项目:  国家自然科学基金资助项目(编号:50876093)、浙江省科技厅国际合作项目(编号:2009C34008)、国家863计划项目(编号:2006AA05Z226)
 Supported by NSFC of . China (No. 50876093); International Cooperation and Exchange Project of Science and Technology Department of Zhejiang Province (No. 2009C34008); National HI-TECH Research & Development Program of (863 Program, No. 2006AA05Z226)
赵成业刘兴高
(工业控制技术国家重点实验室浙江大学控制系浙江杭州 310027)
(E-mail: ******@zju.)
摘要:针对丙烯聚合生产控制中聚丙烯熔融指数在线测量的控制要求,以及过程变量间相关性高的特点,提出一种基于自适应粒子群优化算法和径向基函数神经网络的聚丙烯熔融指数预报新方法。该方法采用变参数的自适应粒子群优化算法提高优化算法的效率和收敛性,融合了主成分分析、统计建模以及智能优化方法,降低了预报模型的复杂度。提出了一种基于径向基函数神经网络的统计预报模型的参数优化和结构优化方法。使用该统计模型对工厂实际生产过程进行预报,并与国内外相关研究报道相比较,表明了本文所提出的预报方法的有效性和更高的准确性。
关键词:聚丙烯熔融指数预报,自适应粒子群优化算法,径向基函数神经网络,
Melt index prediction of propylene polymerization based on adaptive particle swarm optimization
Zhao Chengye Liu Xinggao
(State Key Laboratory of Industrial Control Technology, Control Department, Zhejiang University, Hangzhou 310027)
(E-mail: ******@zju.)
Abstract: A high-precision on-line method of predicting melt index of propylene polymerization based on ponent analysis and adaptive particle swarm optimization is proposed to e the high correlation characteristics and high nonlinear characteristics in the propylene polymerization process. Adaptive particle swarm optimization (APSO) is employed to get better search efficiency and higher precision than clas