基于Isomap-MPA-...的PVC聚合过程转化率预测_唐海红.pdf

第4 0卷第1期河 北 工 业 科 技V o l.4 0,N o.12 0 2 3年1月H e b e i J o u r n a l o f I n d u s t r i a l S c i e n c e a n d T e c h n o l o g yJ a n.2 0 2 3 文章编号:1 0 0 8-1 5 3 4(2 0 2 3)0 1-0 0 1 8-0 9基于I s o m a p-MP A-L S S VM软测量模型的P V C聚合过程转化率预测唐海红1,张 凯2(1.沈阳化工大学信息工程学院,辽宁沈阳 1 1 0 1 4 2;2.沈阳化工大学装备可靠性研究所,辽宁沈阳 1 1 0 1 4 2)摘 要:针对聚氯乙烯(P V C)聚合过程转化率难以实时获取,提出了一种基于I s o m a p-MP A-L S S-VM软测量模型预测氯乙烯单体(V CM)转化率的方法。首先,为消除数据间共线性,采用等度量映射(I s o m a p)算法对原始数据特征进行提取,得到模型的输入变量。其次,用海洋捕食者算法(MP A)优化最小二乘支持向量机(L S S VM)的参数,并建立模型。最后,进行仿真实验。结果表明,软测量模型相较于MP A-L S S VM与L S S VM模型,预测的平均绝对误差分别降低了4 3.0 3%和5 9.9 2%,均方根误差分别降低了3 0.2 7%和5 2.2 4%,显著提升了V CM转化率的预测精度。所提模型能精确预测V CM转化率,对提高P V C的产品质量具有重要参考意义。关键词:自动控制技术其他学科;P V C聚合过程;软测量;等度量映射;海洋捕食者算法;最小二乘支持向量机中图分类号:T P 2 7 3;T Q 3 2 5.3 文献标识码:A D O I:1 0.7 5 3 5/h b g y k j.2 0 2 3 y x 0 1 0 0 3收稿日期:2 0 2 2-0 7-2 7;修回日期:2 0 2 2-1 0-2 5;责任编辑:陈书欣基金项目:国家重点研发计划项目(2 0 1 9 Y F B 2 0 0 4 4 0 1);辽宁省教育厅重点计划项目(L J K Z 0 4 3 5);辽宁省特聘教授计划项目(2 0 1 83 5 3 3)第一作者简介:唐海红(1 9 9 6),男,安徽安庆人,硕士研究生,主要从事化工过程建模预测方面的研究。通信作者:张 凯副教授。E-m a i l:8 5 8 3 3 1 2 7 4q q.c o m唐海红,张凯.基于I s o m a p-MP A-L S S VM软测量模型的P V C聚合过程转化率预测J.河北工业科技,2 0 2 3,4 0(1):1 8-2 6.T AN G H a i h o n g,Z HAN G K a i.C o n v e r s i o n r a t e p r e d i c t i o n o f P V C p o l y m e r i z a t i o n p r o c e s s b a s e d o n I s o m a p-MP A-L S S VM s o f t-s e n s o r m o d e lJ.H e b e i J o u r n a l o f I n d u s t r i a l S c i e n c e a n d T e c h n o l o g y,2 0 2 3,4 0(1):1 8-2 6.C o n v e r s i o n r a t e p r e d i c t i o n o f P V C p o l y m e r i z a t i o n p r o c e s s b a s e d o n I s o m a p-MP A-L S S VM s o f t-s e n s o r m o d e l T ANG H a i h o n g1,Z HANG K a i2(1.C o l l e g e o f I n f o r m a t i o n E n g i n e e r i n g,S h e n y a n g U n i v e r s i t y o f C h e m i c a l T e c h n o l o g y,S h e n y a n g,L i a o n i n g 1 1 0 1 4 2,C h i n a;2.E q u i p m e n t R e l i a b i l i t y I n s t i t u t e,S h e n y a n g U n i v e r s i t y o f C h e m i c a l T e c h n o l o g y,S h e n y a n g,L i a o n i n g 1 1 0 1 4 2,C h i n a)A b s t r a c t:I n v i e w o f t h e d i f f i c u l t y i n o b t a i n i n g r e a l-t i m e c o n v e r s i o n r a t e o f p o l y v i n y l c h l o r i d e p o l y m e r i z a t i o n p r o c e s s,a s o f t s e n s i n g m o d e l b a s e d o n I s o m a p-MP A-L S S VM w a s p r o p o s e d t o p r e d i c t t h e c o n v e r s i o n r a t e o f v i n y l c h l o r i d e m o n o m e r.F i r s t l y,i n o r d e r t o e l i m i n a t e t h e c o l l i n e a r i t y b e t w e e n t h e d a t a,i s o m e t r i c m a p p i n g(I s o m a p)a l g o r i t h m w a s u s e d t o e x t r a c t f e a t u r e s f r o m o r i g i n a l d a t a a n d o b t a i n t h e i n p u t v a r i a b l e s o f t h e m o d e l.S e c o n d l y,m a r i n e p r e d a t o r s a l g o r i t h m(MP A)w a s u s e d t o o p t i m i z e t h e p a r a m e t e r s o f l e a s t s q u a r e s s u p p o r t v e c t o r m a c h i n e(L S S VM)t o e s t a b l i s h t h e m o d e l.F i n a l l y,t h e s i m u l a t i o n e x p e r i m e n t w a s c a r r i e d o u t.T h e r e s u l t s s h o w t h a t c o m p a r e d w i t h MP A-L S S VM a n d L S S VM m o d e l s,t h e m e a n a b s o l u t e e r r o r o f t h e 第1期唐海红,等:基于I s o m a p-MP A-L S S VM软测量模型的P V C聚合过程转化率预测p r o p o s e d s o f t-s e n s o r m o d e l d e c r e a s e s b y 4 3.0 3%a n d 5 9.9 2%,r e s p e c t i v e l y,a n d t h e r o o t m e a n s q u a r e e r r o r d e c r e a s e s b y 3 0.2 7%a n d 5 2.2 4%,r e s p e c t i v e l y,w h i c h s i g n i f i c a n t l y i m p r o v e s t h e p r e d i c t i o n a c c u r a c y o f V CM c o n v e r s i o n r a t e.T h e m o d e l c a n a c c u r a t e l y p r e d i c t t h e c o n v e r s i o n r a t e o f V CM,w h i c h p r o v i d e s a n i m p o r t a n t r e f e r e n c e f o r i m p r o v i n g t h e p r o d u c t q u a l i t y o f P V C p r o d u c t s.K e y w o r d s:o t h e r d i s c i p l i n e s o f a u t o m a t i c c o n t r o l t e c h n o l o g y;P V C p o l y m e r i z a t i o n p r o c e s s;s o f t s e n s o r;i s o m e t r i c m a p p i n g;m a r i n e p r e d a t o r s a l g o r i t h m;l e a s t s q u a r e s s u p p o r t v e c t o r m a c h i n e 在 复 杂 的 化 学 工 业 中,聚 氯 乙 烯(p o l y v i n y l c h l o r i d e,P V C)树脂在国民经济建设中占有非常重要的地位,由于本身具有良好的机械性能、耐腐蚀性和不易燃烧等特性,广泛用于工业、建筑、日常用品等领域1。P V C聚合方式主要有悬浮法、溶液法、乳液法和本体法等2,本文是以悬浮法作为研究背景,进行理论方法和应用研究。P V C是以氯乙烯单体(v i n y l c h l o r i d e m o n o m e r,V CM)为原料聚合而成的热塑性聚合物。传统的V CM转化率小于8 5%。不同的V CM转化率对P V C的分子量、孔隙率、增塑剂吸收率等质量指标有很大影响3。因此,V C M转化率的实时监测在实际生产中非常重要。但在复杂的工业过程中,受现场条件的限制和缺乏昂贵的精密检测设备等,很难实时获取V C M转化率,从而无法直接对质量形成闭环控制4。软测量技术的应用能够解决工业过程中难以测量的过程变量,通过建立软测量模型以实现V C M转化率的实时预测和监控,对提高P V C产品质量有重要意义。软测量是用非线性数据进行驱动的技术,由于化工过程的复杂性,基于物理或化学平衡原理的精确表达式很难建立,而如今伴随着数据的大量保存,使得数据驱动的方法能够有效解决现实中的非线性问题5。数据驱动的软测量方法更灵活、更便宜、响应更快。由于噪声数据的影响,以及数据本身之间也存在一定的共线性,因此,对工业过程收集的原始数据预处理至关重要,一些预处理方法被提出,如主成分分析(p r i n c i p a l c o m p o n e n t a n a l y s i s,P C A)6、核主成分 分 析(k e r n e l p r i n c i