【技術實現步驟摘要】
本專利技術涉及聚甲醛生產領域，具體涉及一種聚甲醛生產中熔融指數的預測方法和裝置、設備、介質，尤其涉及一種針對聚甲醛工藝的帶有時滯估計的熔融指數預測方法和裝置、設備、介質。
技術介紹
1、目前，聚甲醛是一種分子結構規整的熱塑性、高結晶的聚合物。由于其優異的力學性能、電性能等，在機械工業和電子電器等行業有廣泛的應用。
2、熔融指數是聚甲醛生產過程中的監測產品質量的重要指標，但卻難以通過設備實現在線實時測量，往往是通過間歇取樣、化驗室檢測的方式獲取，這種方式時間間隔大、反饋不及時，工藝不穩定的情況下不但不能保證產品質量甚至會生產出大量不合格產品，造成浪費。
3、如cn118408911a公開了一種利用近紅外光譜儀測定聚甲醛粉料熔融指數的方法，包括從工藝生產線收集范圍較廣的聚甲醛粉料樣品，進行熔融指數儀分析，確定聚甲醛粉料的熔融指數值；使用近紅外光譜儀對不同聚甲醛粉料樣品進行掃描，收集譜圖；類比分析譜圖，建立分析數據模型；使用數據模型對熔融指數儀分析聚甲醛粉料樣品進行分析，確定與熔融指數儀分析誤差，優化模型，提高模型精確度。
4、軟測量技術能夠有效的解決這一問題，但甲醛的聚合過程是一個強非線性、大時滯性以及復雜動態性的過程，單純的建立預測模型難以達到實用效果，故需將時滯過程考慮進去，而對時滯的尋找往往是通過相關系數的方法進行估計的，這種方法對非線性較弱的過程效果明顯但是對于甲醛聚合過程這種具有強非線性和復雜動態性的過程效果略顯一般。
5、綜上可知，目前尚缺乏一種針對聚甲醛生產過程中考慮時滯
技術實現思路
1、鑒于現有技術中存在的問題，本專利技術的目的在于提供一種聚甲醛生產中熔融指數的預測方法和裝置、設備、介質，以實現針對聚甲醛生產過程中考慮時滯的熔融指數的預測，提升聚甲醛的生產效率。
2、為達此目的，本專利技術采用以下技術方案：
3、第一方面，本專利技術提供了一種聚甲醛生產中熔融指數的預測方法，所述預測方法包括：
4、s1、利用狼群算法生成不同的時滯信息；
5、s2、將帶有所得時滯信息的過程數據通過支持向量回歸模型進行建模訓練，得到不同的時滯信息對應的訓練數據所產生的均方根誤差；
6、s3、將不同的時滯信息對應的訓練數據所產生的均方根誤差作為評價標準借助狼群算法對時滯信息進行尋優，得到最優時滯信息；
7、s4、將所得最優時滯信息和過程數據借助徑向基神經網絡建立軟測量模型，依據軟測量模型預測得到預估熔融指數。
8、本專利技術提供的預測方法，基于狼群算法與支持向量回歸相結合的方法以估計時滯信息為目標對甲醛聚合過程進行了初步軟測量建模，并將得到的時滯信息與生產數據相結合通過徑向基神經網絡建立軟測量模型，實現了熔融指數的高效準確的預測，有利于聚甲醛的高效生產。
9、作為本專利技術優選的技術方案，所述利用狼群算法生成不同的時滯信息包括：以均勻分布的方式隨機初始化時延參數生成時滯信息，并確定最大進化代數和模型允許最大誤差。
10、作為本專利技術優選的技術方案，所述狼群算法中探狼的游走步長step如下式：
11、step＝rand·||xi-xlead||2
12、式中，rand為[0,1]之間的隨機數，xi表示當前探狼位置，xlead表示頭狼位置。
13、作為本專利技術優選的技術方案，所述支持向量回歸模型的回歸函數如下式：
14、
15、式中，x為樣本數據，ω為超平面法向向量，b為偏差量，l為樣本訓練數量，和αi為對偶問題的最優解，b*為最優偏差量，xi為第i個訓練樣本的特征向量，xj為當前要進行預測的特征向量，σ>0。
16、作為本專利技術優選的技術方案，所述將帶有所得時滯信息的過程數據通過支持向量回歸模型進行建模訓練包括：利用隨機初始化時延參數基于支持向量回歸模型建立測量模型，計算模型的估計值和建模誤差。
17、作為本專利技術優選的技術方案，所述尋優包括：基于狼群算法進行尋優工作，生成時延τ新的種群，根據時延選取過程控制參數數據和產品指標結果數據，之后在新的時域估計值下，重新建立軟測量模型，計算模型估計值，當均方根的誤差＜0.05％或迭代次數＞200次，尋優結束，輸出最優時滯信息。
18、作為本專利技術優選的技術方案，所述過程數據包括引發劑用量、甲縮醛用量、一段反應溫度、二段反應溫度和三段反應溫度。
19、優選地，所述徑向基神經網絡中需要確定的參數包括隱含層節點數m、基函數中心c、徑向基函數圍繞中心點的寬度以及輸出單元的權值w。
20、優選地，所述徑向基神經網絡中的隱含層節點數m為樣本總數的1/3-2/3。
21、第二方面，本專利技術提供了一種聚甲醛生產中熔融指數的預測裝置，所述預測裝置包括：
22、時滯信息獲取模塊，用于利用狼群算法生成不同的時滯信息；
23、均方根誤差獲取模塊，用于將帶有所得時滯信息的過程數據通過支持向量回歸模型進行建模訓練，得到不同的時滯信息對應的訓練數據所產生的均方根誤差；
24、最優時滯信息獲取模塊，用于將不同的時滯信息對應的訓練數據所產生的均方根誤差作為評價標準借助狼群算法對時滯信息進行尋優，得到最優時滯信息；
25、熔融指數預估模塊，用于將所得最優時滯信息和過程數據借助徑向基神經網絡建立軟測量模型，依據軟測量模型預測得到預估熔融指數。
26、第三方面，本專利技術提供了一種電子設備，所述電子設備包括：
27、至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；
28、其中，所述存儲器存儲有可被所述至少一個處理器執行的計算機程序，所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行第一方面所述的聚甲醛生產中熔融指數的預測方法。
29、第四方面，本專利技術提供了一種計算機存儲介質，所述計算機存儲介質中存儲有計算機可執行指令，所述計算機可執行指令被處理器執行時實現第一方面所述的聚甲醛生產中熔融指數的預測方法。
30、與現有技術方案相比，本專利技術具有以下有益效果：
31、本專利技術提供的預測方法通過更好地捕捉復雜的動態關系，并提高時延估計的準確性的支持向量回歸模型建立初步軟測量模型并結合狼群算法對時滯信息進行了估計，最后利用更加精確的徑向基神經網絡建立了預測模型，與現有技術相比具有更高的精度和適應性。
本文檔來自技高網...【技術保護點】
1.一種聚甲醛生產中熔融指數的預測方法，其特征在于，所述預測方法包括：
2.如權利要求1所述的預測方法，其特征在于，所述利用狼群算法生成不同的時滯信息包括：以均勻分布的方式隨機初始化時延參數生成時滯信息，并確定最大進化代數和模型允許最大誤差。
3.如權利要求1或2所述的預測方法，其特征在于，所述狼群算法中探狼的游走步長Step如下式：
4.如權利要求1-3任一項所述的預測方法，其特征在于，所述支持向量回歸模型的回歸函數如下式：
5.如權利要求1-4任一項所述的預測方法，其特征在于，所述將帶有所得時滯信息的過程數據通過支持向量回歸模型進行建模訓練包括：利用隨機初始化時延參數基于支持向量回歸模型建立測量模型，計算模型的估計值和建模誤差。
6.如權利要求1-5任一項所述的預測方法，其特征在于，所述尋優包括：基于狼群算法進行尋優工作，生成時延τ新的種群，根據時延選取過程控制參數數據和產品指標結果數據，之后在新的時域估計值下，重新建立軟測量模型，計算模型估計值，當均方根的誤差＜0.05％或迭代次數＞200次，尋優結束，輸出最優時滯
7.如權利要求1-6任一項所述的預測方法，其特征在于，所述過程數據包括引發劑用量、甲縮醛用量、一段反應溫度、二段反應溫度和三段反應溫度；
8.一種聚甲醛生產中熔融指數的預測裝置，其特征在于，所述預測裝置包括：
9.一種電子設備，其特征在于，所述電子設備包括：
10.一種計算機存儲介質，其特征在于，所述計算機存儲介質中存儲有計算機可執行指令，所述計算機可執行指令被處理器執行時實現權利要求1-7任一項所述的聚甲醛生產中熔融指數的預測方法。
...【技術特征摘要】
1.一種聚甲醛生產中熔融指數的預測方法，其特征在于，所述預測方法包括：
2.如權利要求1所述的預測方法，其特征在于，所述利用狼群算法生成不同的時滯信息包括：以均勻分布的方式隨機初始化時延參數生成時滯信息，并確定最大進化代數和模型允許最大誤差。
3.如權利要求1或2所述的預測方法，其特征在于，所述狼群算法中探狼的游走步長step如下式：
4.如權利要求1-3任一項所述的預測方法，其特征在于，所述支持向量回歸模型的回歸函數如下式：
5.如權利要求1-4任一項所述的預測方法，其特征在于，所述將帶有所得時滯信息的過程數據通過支持向量回歸模型進行建模訓練包括：利用隨機初始化時延參數基于支持向量回歸模型建立測量模型，計算模型的估計值和建模誤差。
6.如權利要求1-5任一項所述的預測方法，...
【專利技術屬性】
技術研發人員：魏良霄，井洪宇，席健，關磊，
申請(專利權)人：中國安全生產科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。