基于動態(tài)模糊神經網絡的聚丙烯熔融指數預報建模優(yōu)化研究.pdf

1、聚丙烯是由丙烯聚合而成的一種熱塑性樹脂，為五大通用塑料之一，在塑料容器、辦公用品、包裝等方面具有廣泛的應用。聚丙烯熔融指數(Melt Index，MI)是決定產品質量的重要指標。本文針對丙烯聚合生產過程中的MI軟測量預報建模問題，引入了動態(tài)模糊神經網絡（D-FNN），并采用人工智能優(yōu)化算法優(yōu)化D-FNN的參數;改進的參數尋優(yōu)方法，使D-FNN熔融指數預報模型的性能得到了提高;建立的多種智能D-FNN模型，為實際工業(yè)過程的MI預報提供了更

2、多的方案。
　　論文的主要工作及貢獻如下:
　　(1)提出了一種熔融指數預報D-FNN模型。針對聚丙烯生產過程，提取輸入輸出變量，采用主元分析方法(PCA)，對輸入變量預處理后建立MI預報D-FNN模型;工廠實際數據的預報結果表明所提出的熔融指數預報D-FNN模型的有效性;
　　(2)進一步提出了一種熔融指數預報AACO-D-FNN模型。針對蟻群(ACO)算法在迭代過程中無法準確搜索到最優(yōu)解的缺陷，通過改進其局部搜索策

3、略，自動地調整搜索步長和方向，構造了一種自適應ACO算法，用于MI預報D-FNN模型參數優(yōu)化;工廠實際數據的預報結果表明所提出的AACO-D-FNN模型預報效果更為準確;
　　(3)考慮到粒子群(PSO)算法的諸多優(yōu)點，并針對標準PSO在迭代過程中易于陷入局部最優(yōu)解的缺點，提出了一種改進的混沌GA/PSO優(yōu)化算法，對D-FNN預報模型進行參數尋優(yōu)，建立了一種熔融指數預報CHA-D-FNN模型。以實際工業(yè)生產過程中的熔融指數數據進行