基于提升独立成分回归分析模型的熔融指数软测量方法
【专利摘要】本发明公开了一种基于提升独立成分回归分析模型的熔融指数软测量方法，该方法首先选取影响熔融指数变化的关键变量作为输入变量，以实验室分析所得的熔融指数值作为输出变量；采用提升学习算法，对建模数据集进行多次重新采样，构造多个子数据集，分别针对每一个子数据集，建立独立成分回归分析模型；然后通过对不同子模型的信息进行集成和综合，实现对聚丙烯生产过程熔融指数的在线软测量。本发明不仅可以提高聚丙烯生产过程熔融指数的软测量估计精度，而且改善了软测量模型的鲁棒性。
【专利说明】基于提升独立成分回归分析模型的熔融指数软测量方法
【技术领域】
[0001]本发明属于化工生产过程软测量建模和应用领域，特别涉及一种基于提升独立成分回归分析模型的聚丙烯熔融指数软测量建模和在线检测方法。
【背景技术】
[0002]聚丙烯作为一种重要的材料，在很多工业中都有着非常广泛的应用，在该生产过程中，一个很重要的指标是熔融指数。在实际过程中，该指标的测量及其困难，目前常用的方法是通过实验室离线测量得到。相比在线的实时测量方法，熔融指数的离线测量往往需要1-2个小时的时间，这对于聚丙烯过程的闭环质量控制来说是非常不利的。为了提高聚丙烯生产过程的自动化程度和产品质量，通常需要对熔融指数进行在线测量。软测量方法通过对过程中容易测量的变量和熔融指数之间的关系进行建模，利用该模型在线对熔融指数进行估计，实时获得熔融指数的在线值，能有效避免离线分析方法大时滞的缺点。但是，由于聚丙烯生产过程的复杂性，单个软测量模型往往很难完全捕捉过程的全方位信息，因此，通常难以取得满意的效果。提升学习方法是近年来自动化和计算机领域的研究热点，通过构造多个数据模型，并对它们的结果进行集成和综合，往往能获得比单位模型更好的分类和回归效果。
【发明内容】
[0003]本发明的目的在于针对多工况聚丙烯生产过程熔融指数预测的难点，提供一种基于提升独立成分回归分析模型的熔融指数软测量方法。
[0004]本发明的目的是通过以下技术方案来实现的:一种基于提升独立成分回归分析模型的熔融指数软测量方法，其特征包括以下步骤:
[0005](1)通过集散控制系统和实时数据库系统收集聚丙烯生产过程关键变量的数据:X=Ixi e RmI ^1,2,-,η?其中，η为样本个数，m为关键变量个数，R为实数集。分别将这些数据存入历史数据库，并选取部分数据作为建模用样本。
[0006](2)通过离线实验室分析获取历史数据库中用于建模的样本所对应的熔融指数值，作为软测量模型的输出I e Rn。
[0007](3)分别对关键变量和输出变量进行预处理和归一化，使得各个过程关键变量和熔融指数的均值为零，方差为1，得到新的数据集。
[0008](4)针对归一化之后的数据集，利用提升学习算法对数据集进行重采样，得到多个子数据集(XcJJa2,...，c，其中C为子数据集个数。然后,将过程的关键变量作为软测量模
型的输入，熔融指数数据矩阵作为软测量模型的输出，建立独立成分分析软测量模型，将该模型参数存入数据库中备用。
[0009](5)收集新的过程数据，并对其进行预处理和归一化。
[0010](6)将归一化之后的新数据分别输入到各个独立成分分析模型中，计算该实时数据对应的熔融指数值。[0011](7)通过对各个子模型得到的结果进行集成和综合，得到最终的熔融指数软测量结果。
[0012]本发明的有益效果:本发明面向聚丙烯工业生产过程，通过集成学习算法对建模数据集重采样，得到多个新的子数据集，在局部范围内建立多个独立成分回归分析模型，实现聚丙烯生产过程熔融指数的在线估计。然后，对不同模型的数据信息进行集成和综合，获得最后的软测量结果。相比目前的其它软测量方法，本发明不仅可以提高聚丙烯生产过程的熔融指数软测量精度，而且增强了软测量模型的鲁棒性。
【专利附图】
【附图说明】
[0013]图1本发明方法熔融指数在线软测量结果；
[0014]图2基于单一独立成分回归模型的熔融指数在线软测量结果。
【具体实施方式】
[0015]本发明针对聚丙烯生产过程的熔融指数预测问题，通过过程中容易测量的关键变量，建立子独立成分回归分析和集成模型，用于该过程熔融指数的在线软测量。
[0016]本发明基于提升独立成分回归分析模型的熔融指数软测量方法，包括以下步骤:
[0017]第一步:在各个操作工况下，通过集散控制系统和实时数据库系统收集聚丙烯生产过程关键变量的数据:X={Xi e Rm}i=1，2，...，n。其中，η为样本个数，m为关键变量个数，R为实数集。分别将这些数据存入历史数据库，并选取部分数据作为建模用样本。
[0018]第二步:通过离线实验室分析获取历史数据库中用于建模的样本所对应的熔融指数值，作为软测量模型的输出I e Rn。
[0019]该步骤是为了获取软测量建模中的输出变量，即熔融指数值。一般情况下，通过离线分析获取熔融指数值往往需要数个小时，这也是为什么在聚丙烯生产过程中需要进行软测量的原因。通过过程中容易测量的变量对难以测量的熔融指数值进行预测，极大地提高了熔融指数的预测实时性，对过程的产品质量控制具有很大的帮助。
[0020]第三步:分别对关键变量和输出变量进行预处理和归一化，使得各个过程关键变量和熔融指数的均值为零，方差为1，得到新的数据矩阵集。
[0021]在历史数据库中对采集到的过程数据进行预处理，剔除野值点和明显的粗糙误差数据，为了使得过程数据的尺度不会影响到监测的结果，对不同变量的数据分别进行归一化处理，即各个变量的均值为零，方差为I。这样，不同过程变量的数据就处在相同的尺度之下，既而不会影响到后续的建模效果。
[0022]第四步:针对归一化之后的数据集，利用提升学习算法对数据集进行重采样，得到多个子数据集Iyh=Hf其中C为子数据集个数。然后，将过程的关键变量作为软测量模型的输入，熔融指数数据矩阵作为软测量模型的输出，建立独立成分分析软测量模型，将该模型参数存入数据库中备用。 [0023]通过对子数据集{X。，y}。=^c进行独立成分分析，可以得到:
[0024]XC=ACSC+EC
[0025]其中，S。为提取的独立成分矩阵，Ac为混合矩阵，Ec为残差矩阵。独立成分S。和熔融指数I之间的回归关系如下[0026]
【权利要求】
1.一种基于提升独立成分回归分析模型的熔融指数软测量方法，其特征在于，包括以下步骤: (1)通过集散控制系统和实时数据库系统收集聚丙烯生产过程关键变量的数据:X=Ixi e，其中，η为样本个数，m为关键变量个数；分别将这些数据存入历史数据库，并选取部分数据作为建模用样本； (2)通过离线实验室分析获取历史数据库中用于建模的样本所对应的熔融指数值，作为软测量模型的输出y e Rn5 (3)分别对步骤I和步骤2得到的关键变量和输出变量进行预处理和归一化，使得各个过程关键变量和熔融指数的均值为零，方差为1，得到新的数据集； (4)针对归一化之后的数据集，利用提升学习算法对数据集进行重采样，得到多个子数据集{X。，YcL=U其中C为子数据集个数，然后，将过程的关键变量作为软测量模型的输入，熔融指数数据矩阵作为软测量模型的输出，建立独立成分分析软测量模型，将该模型参数存入数据库中备用； (5)收集新的过程数据，并对其进行预处理和归一化； (6)将归一化之后的新数据分别输入到各个独立成分分析模型中，计算该实时数据对应的熔融指数值； (7)通过对各个子模型得到的结果进行集成和综合，得到最终的熔融指数软测量结果。
2.根据权利要求1所述基于提升独立成分回归分析模型的熔融指数软测量方法，其特征在于，所述步骤4具体为:针对归一化之后的各个子数据集，将过程的关键变量作为软测量模型的输入，熔融指数数据矩阵作为软测量模型的输出，建立独立成分分析软测量模型；通过对子数据集{X。，进行独立成分分析，可以得到:
Xc=AcSc+Ec 其中，S。为提取的独立成分矩阵，Ac为混合矩阵，Ec为残差矩阵。独立成分S。和熔融指数y之间的回归关系如下:
Qi=(SfSi)-1Sfy 进而得到过程关键变量X。和熔融指数I之间的回归关系为: J = QX-QtcWcXc=KcXc 其中，W。为独立成分模型的分解矩阵，Rc为软测量模型的回归矩阵。
3.根据权利要求1所述基于提升独立成分回归分析模型的熔融指数软测量方法，其特征在于，所述步骤6具体为:将归一化之后的新数据分别输入到各个独立成分分析模型中，提取独立成分信息，并得到实时数据对应的局部熔融指数值yM，。，计算如下: Q =W Y
new, c c new
enew, c Xnewc
^new, c RcXnew 其中，Snew，。和enew，。为提取的独立成分和残差信息。
4.根据权利要求1所述基于提升独立成分回归分析模型的熔融指数软测量方法，其特征在于，所述步骤7具体为:通过对各个子独立成分回归模型所得到的软测量结果进行集成和综合，得到最终的聚丙烯生产过程熔融指数在线软测量结果，计算如下:
【文档编号】G06F19/00GK103902825SQ201410129021
【公开日】2014年7月2日 申请日期:2014年4月1日 优先权日:2014年4月1日
【发明者】葛志强 申请人:浙江大学