本文關(guān)鍵詞：基于人工智能優(yōu)化算法的聚丙烯熔融指數(shù)預(yù)報(bào)建模優(yōu)化研究，由筆耕文化傳播整理發(fā)布。

文檔介紹：
浙江大學(xué)碩士學(xué)位論文基于人工智能優(yōu)化算法的聚丙烯熔融指數(shù)預(yù)報(bào)建模優(yōu)化研究姓名:李九寶申請(qǐng)學(xué)位級(jí)別:碩士專(zhuān)業(yè):系統(tǒng)工程指導(dǎo)教師:劉興高20120312摘要摘要聚丙烯在生產(chǎn)生活中的重要地位對(duì)聚丙烯生產(chǎn)過(guò)程中的產(chǎn)品質(zhì)量控制提出了更高的要求,其中熔融指數(shù)(Melt Index,MI)預(yù)報(bào)顯得尤為關(guān)鍵。本文研究了丙烯聚合生產(chǎn)過(guò)程中的MI軟測(cè)量預(yù)報(bào)問(wèn)題,針對(duì)生產(chǎn)過(guò)程的高度非線性和復(fù)雜性采用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)進(jìn)行建模,然后使用人工智能優(yōu)化算法進(jìn)行模型結(jié)構(gòu)優(yōu)化;本文提出了若干改進(jìn)的人工智能優(yōu)化算法,算法有效的改善了模型結(jié)構(gòu)、提高了模型的預(yù)報(bào)性能;得到的模型都能成功的應(yīng)用于實(shí)際工業(yè)數(shù)據(jù)的預(yù)報(bào)工作,為實(shí)際生產(chǎn)中的MI軟測(cè)量預(yù)報(bào)提供了諸多選擇.全文主要工作及貢獻(xiàn)如下:(1)針對(duì)丙烯聚合生產(chǎn)過(guò)程進(jìn)行變量提取,利用RBF神經(jīng)網(wǎng)絡(luò)建立起MI軟測(cè)量模型;隨后引入主元分析方法(PCA),對(duì)模型輸入變量進(jìn)行簡(jiǎn)化處理后再建立MI預(yù)報(bào)RBF神經(jīng)網(wǎng)絡(luò)模型.研究結(jié)果表明了RBF預(yù)報(bào)模型的有效性和PCA方法在簡(jiǎn)化模型、提高模型性能方面的積極作用.(2)基于粒子群(PSO)算法和模擬退火(SA)算法,根據(jù)兩者各自在全局搜索和局部搜索方面的優(yōu)劣特點(diǎn),提出了一種MPSO SA算法用于MI預(yù)報(bào)RBF神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)優(yōu)化,得到的... 內(nèi)容來(lái)自轉(zhuǎn)載請(qǐng)標(biāo)明出處.

  本文關(guān)鍵詞：基于人工智能優(yōu)化算法的聚丙烯熔融指數(shù)預(yù)報(bào)建模優(yōu)化研究，，由筆耕文化傳播整理發(fā)布。