本書系統(tǒng)闡述了烯烴聚合智能制造的自動化與智能化核心瓶頸生產(chǎn)難題與科學(xué)前沿問題——熔融指數(shù)預(yù)報的機理建模與數(shù)據(jù)驅(qū)動建模方法。從人工智能與數(shù)據(jù)解析的角度,針對聚丙烯工業(yè)生產(chǎn)的MI預(yù)報實際問題和實際生產(chǎn)數(shù)據(jù),系統(tǒng)闡述了該領(lǐng)域國內(nèi)外研究現(xiàn)狀,特別是筆者二十多年來所指導(dǎo)的數(shù)十名碩士生、博士生、博士后從事該領(lǐng)域?qū)嶋H生產(chǎn)研究的相關(guān)方法、思路與成果,使讀者近距離全面了解人工...
本書系統(tǒng)闡述了烯烴聚合智能制造的自動化與智能化核心瓶頸生產(chǎn)難題與科學(xué)前沿問題——熔融指數(shù)預(yù)報的機理建模與數(shù)據(jù)驅(qū)動建模方法。從人工智能與數(shù)據(jù)解析的角度,針對聚丙烯工業(yè)生產(chǎn)的MI預(yù)報實際問題和實際生產(chǎn)數(shù)據(jù),系統(tǒng)闡述了該領(lǐng)域國內(nèi)外研究現(xiàn)狀,特別是筆者二十多年來所指導(dǎo)的數(shù)十名碩士生、博士生、博士后從事該領(lǐng)域?qū)嶋H生產(chǎn)研究的相關(guān)方法、思路與成果,使讀者近距離全面了解人工智能與數(shù)據(jù)解析方法在智能制造中的實際應(yīng)用情況。 本書可作為高等院校自動化、控制科學(xué)與工程、控制系統(tǒng)工程、計算機科學(xué)與技術(shù)、數(shù)學(xué)與應(yīng)用數(shù)學(xué)、化工工程、材料科學(xué)與技術(shù)等相關(guān)專業(yè)的教材,也可作為有關(guān)研究人員和工程技術(shù)人員的參考書。
制造業(yè),作為國民經(jīng)濟的主體,乃立國之本、興國之器、強國之基,在國家經(jīng)濟與軍事等諸多領(lǐng)域承擔著不可或缺的作用。開啟工業(yè)文明四百多年來,中華民族的奮斗史、世界強國的興衰史一再證明:沒有強大的制造業(yè),就沒有國家和民族的強盛。打造世界一流的制造業(yè),是提升綜合國力、保障國家安全、建設(shè)世界強國的必由之路。新中國成立后,我國制造業(yè)持續(xù)快速發(fā)展,在改革開放后更是步入了高速成長時期,逐漸形成了門類比較齊全、相對獨立、相對完整的產(chǎn)業(yè)體系。然而,我國制造業(yè)一直大而不強,與世界先進水平相比,在自主創(chuàng)新能力、資源利用效率、產(chǎn)業(yè)結(jié)構(gòu)水平、信息化特別是智能化程度、生產(chǎn)品質(zhì)效益等方面差距明顯,迫切需要轉(zhuǎn)型升級,實現(xiàn)跨越發(fā)展。隨著世界產(chǎn)業(yè)競爭格局的不斷演進,我國在新一輪產(chǎn)業(yè)發(fā)展中面臨巨大挑戰(zhàn)。為了抵消國際金融危機造成的不良影響,發(fā)達國家紛紛實施“再工業(yè)化”戰(zhàn)略,重塑制造業(yè)競爭新優(yōu)勢,加速推進新一輪全球貿(mào)易投資新格局。而部分發(fā)展中國家也在加快謀劃和布局,積極參與全球產(chǎn)業(yè)再分工,承接產(chǎn)業(yè)及資本轉(zhuǎn)移,拓展國際市場空間。面對發(fā)達國家和其他發(fā)展中國家“雙向擠壓”的沖擊,我國制造業(yè)放眼全球、加緊戰(zhàn)略部署、著眼建設(shè)制造強國,固本培元、化挑戰(zhàn)為機遇、搶占制造業(yè)新一輪競爭制高點,迫在眉睫、刻不容緩。 其中,作為石化制造龍頭產(chǎn)品之一的聚丙烯,是五種通用樹脂之一,已廣泛應(yīng)用于家用電器、汽車工業(yè)、電子產(chǎn)品、包裝、建材以及其他領(lǐng)域。聚丙烯是熱塑性塑料的后起之秀,自1957年在意大利首次工業(yè)化生產(chǎn)以來,在通用熱塑性塑料中的歷史最短、發(fā)展最快,已成為世界支柱產(chǎn)業(yè)之一。大型聚丙烯生產(chǎn)裝置是一個復(fù)雜的聚合反應(yīng)生產(chǎn)系統(tǒng),具有強的非線性、不確定性、大的純滯后性,以及時變、分布參數(shù)和混合系統(tǒng)特性。熔融指數(shù)(MI)定義為每隔10min在一定溫度和壓力下流經(jīng)標準孔徑的熱塑性塑料的質(zhì)量,是聚丙烯生產(chǎn)產(chǎn)品質(zhì)量控制最重要的質(zhì)量指標,也是確定產(chǎn)品不同等級的最重要的質(zhì)量指標。但是,MI通常是在線取樣然后在實驗室中通過離線分析的手段得到,既昂貴又費時(2~4h),使得聚丙烯生產(chǎn)質(zhì)量控制十分困難,往往導(dǎo)致產(chǎn)品不合格或產(chǎn)品品質(zhì)下降,成為國際上聚丙烯智能制造長期以來的生產(chǎn)瓶頸與難點、研究前沿與熱點。因此,開發(fā)MI在線估計模型具有重要意義,它不僅是聚丙烯智能制造的MI在線傳感器,而且可以作為聚丙烯智能制造的預(yù)測系統(tǒng),對于控制聚丙烯產(chǎn)品品質(zhì)、縮短不同產(chǎn)品牌號間的切換時間從而減少過渡廢料提升生產(chǎn)效益、反向設(shè)計與開發(fā)新穎的高附加值產(chǎn)品牌號都起著決定性作用。因此,國際上3萬多名科學(xué)家、行業(yè)專家都投入到該前沿熱點問題的研究中。包括機理建模、數(shù)據(jù)驅(qū)動建模以及二者的混合建模等在內(nèi)的眾多人工智能與數(shù)據(jù)解析方法被提出來,用以解決熔融指數(shù)預(yù)報這類烯烴聚合智能制造的自動化與智能化核心瓶頸生產(chǎn)難題與科學(xué)前沿問題。本智能制造專著,從人工智能與數(shù)據(jù)解析的角度,針對聚丙烯工業(yè)生產(chǎn)的MI預(yù)報實際問題和實際生產(chǎn)數(shù)據(jù),系統(tǒng)闡述介紹了該領(lǐng)域國內(nèi)外研究現(xiàn)狀,特別是著者二十多年來所指導(dǎo)的數(shù)十名碩士生、博士生、博士后從事該領(lǐng)域?qū)嶋H生產(chǎn)研究的相關(guān)方法、思路與成果,作為中國制造2050的引玉之磚。 全書分為10章。第1章介紹了丙烯聚合工業(yè)及其建模的研究現(xiàn)狀與研究難點;第2章從機理建模的角度,介紹了課題組從多尺度建模角度在國際上提出的MPMGM丙烯聚合分子量分布預(yù)報模型與之前國際四大分子量分布模型首位的PMGM模型預(yù)報結(jié)果的比較研究情況;第3章從人工智能與數(shù)據(jù)解析的角度,介紹了國內(nèi)外包括課題組在MI預(yù)報研究上的整體情況、相關(guān)分支與原理基礎(chǔ);第4章介紹神經(jīng)網(wǎng)絡(luò)理論及其在MI預(yù)報上的應(yīng)用研究情況,并與PCA方法相結(jié)合;第5章介紹了SVM、LSSVM、WeightedLSSVM、RVM理論及其在MI預(yù)報上的應(yīng)用情況;第6章介紹了模糊理論及其在MI預(yù)報上的應(yīng)用情況;第7章介紹了混沌理論及其在MI預(yù)報上的應(yīng)用研究情況,課題組在國際上首次發(fā)現(xiàn)并證明了MI序列是混沌的,也基于混沌律在國際上開展了MI高精度預(yù)報的先河;第8章介紹了MS、EMD理論及其在MI預(yù)報上的應(yīng)用研究情況;第9章將前面8章的監(jiān)督學(xué)習(xí)方法,嘗試應(yīng)用到MI的半監(jiān)督或無監(jiān)督學(xué)習(xí)中,以應(yīng)對丙烯聚合不同的生產(chǎn)實際需求;第10章從群智能優(yōu)化的角度,將前面8章的研究結(jié)果進一步提升,以解決機理或數(shù)據(jù)模型結(jié)構(gòu)或模型參數(shù)選擇上的人為因素影響,用自動尋優(yōu)來取代目前AI領(lǐng)域普遍采用的調(diào)參師人為調(diào)參環(huán)節(jié),進一步使得人工智能與數(shù)據(jù)解析方法走向自動化、智能化與最優(yōu)化,進一步提升聚丙烯熔融指數(shù)預(yù)報智能制造水平。 本書是著者二十多年來從事烯烴聚合控制方面研究工作的一個結(jié)晶。博士生劉昭然、田子健、陳欣杰、曹藝之、郭文杰、李寅龍,碩士生黃雨昕、鄭賢澤、宋怡晨、何群山、鄺思威等參與了本書的編輯整理工作,在此一并致謝。由于著者水平有限,書中難免存在不當之處,敬請讀者批評指正。 劉興高 2022年12月于浙江大學(xué)求是園
第1章 緒論001~014 1.1丙烯聚合工業(yè)介紹002 1.1.1聚丙烯及其熔融指數(shù)002 1.1.2現(xiàn)代聚丙烯工藝004 1.2過程建模005 1.2.1建模對象過程介紹005 1.2.2聚丙烯生產(chǎn)工藝流程及裝置006 1.2.3建模變量的確定008 1.3研究現(xiàn)狀010 1.3.1基于線性統(tǒng)計理論的預(yù)測模型010 1.3.2基于智能理論的預(yù)測模型011 1.3.3基于非線性理論的預(yù)測模型012 1.4研究難點012 思考題014 第2章 機理模型015~053 2.1丙烯聚合機理模型017 2.1.1微觀尺度模型018 2.1.2介觀尺度模型019 2.1.3宏觀尺度模型020 2.2丙烯聚合反應(yīng)的動力學(xué)021 2.3單粒子增長模型025 2.3.1改進的單粒子模型的建立028 2.3.2CSA基本思想034 2.3.3模型結(jié)果與分析036 2.4聚丙烯反應(yīng)器模型041 2.4.1聚丙烯生產(chǎn)過程建模的主要困難041 2.4.2反應(yīng)機理的簡化及其反應(yīng)動力學(xué)042 2.4.3模型求解步驟047 2.4.4反應(yīng)動力學(xué)參數(shù)的確定048 2.4.5模型參數(shù)在線自動校正050 2.4.6模型運行結(jié)果分析051 本章小結(jié)052 思考題053 第3章 數(shù)據(jù)驅(qū)動方法054~074 3.1統(tǒng)計學(xué)習(xí)理論基本概念056 3.1.1最小化期望風(fēng)險的準則057 3.1.2建立有用預(yù)測變量的規(guī)則059 3.2常用統(tǒng)計學(xué)習(xí)方法061 3.2.1統(tǒng)計分析061 3.2.2NNs063 3.2.3支持向量機068 3.2.4混沌072 3.2.5半監(jiān)督073 本章小結(jié)073 思考題074 第4章 神經(jīng)網(wǎng)絡(luò)075~094 4.1人工神經(jīng)網(wǎng)絡(luò)介紹076 4.1.1人工神經(jīng)網(wǎng)絡(luò)的發(fā)展077 4.1.2人工神經(jīng)網(wǎng)絡(luò)的基本功能079 4.1.3人工神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點080 4.2PCA-RBF神經(jīng)網(wǎng)絡(luò)模型的建立081 4.2.1RBF神經(jīng)網(wǎng)絡(luò)方法081 4.2.2結(jié)構(gòu)原理082 4.2.3RBF神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)的比較083 4.3主元分析法084 4.3.1問題的提出085 4.3.2多維推廣086 4.3.3貢獻率和累積貢獻率088 4.4PCA-RBF神經(jīng)網(wǎng)絡(luò)模型在MI預(yù)報中的應(yīng)用089 4.4.1過程變量的確定及建模數(shù)據(jù)的采集089 4.4.2MI預(yù)報的PCA-RBF神經(jīng)網(wǎng)絡(luò)建模090 4.4.3仿真結(jié)果與分析091 本章小結(jié)094 思考題094 第5章 支持向量機095~116 5.1支持向量機簡介096 5.1.1支持向量分類機096 5.1.2支持向量回歸機099 5.2支持向量機理論102 5.2.1SVM非線性回歸原理103 5.2.2最小二乘支持向量機106 5.2.3加權(quán)最小二乘支持向量機107 5.2.4相關(guān)向量機108 5.2.5相關(guān)向量機的基本理論108 5.2.6相關(guān)向量機模型基本原理109 5.3SVM在聚丙烯熔融指數(shù)預(yù)報中的應(yīng)用111 5.3.1過程數(shù)據(jù)及其預(yù)處理111 5.3.2模型性能比較112 本章小結(jié)115 思考題115 第6章 模糊理論117~131 6.1模糊神經(jīng)網(wǎng)絡(luò)介紹118 6.1.1模糊理論介紹118 6.1.2模糊集合119 6.1.3模糊理論的特點122 6.2模糊神經(jīng)網(wǎng)絡(luò)介紹123 6.3模糊神經(jīng)網(wǎng)絡(luò)在熔融指數(shù)軟測量中的應(yīng)用分析126 本章小結(jié)130 思考題131 第7章 混沌理論132~172 7.1混沌理論基本介紹133 7.1.1混沌理論的發(fā)展133 7.1.2混沌的定義135 7.1.3典型混沌時間序列136 7.2混沌時間序列預(yù)測的研究現(xiàn)狀139 7.3時間序列的混沌特性識別研究141 7.3.1平穩(wěn)性分析141 7.3.2非線性檢驗143 7.3.3相空間重構(gòu)144 7.3.4關(guān)聯(lián)維數(shù)147 7.3.5Lyapunov指數(shù)148 7.3.6Kolmogorov熵150 7.4熔融指數(shù)時間序列的混沌特性分析151 7.4.1平穩(wěn)性分析151 7.4.2非線性檢驗151 7.4.3相空間重構(gòu)151 7.5基于FWNN的熔融指數(shù)混沌預(yù)報研究156 7.5.1小波神經(jīng)網(wǎng)絡(luò)簡介156 7.5.2模糊小波神經(jīng)網(wǎng)絡(luò)158 7.5.3網(wǎng)絡(luò)學(xué)習(xí)算法160 7.5.4基于FWNN的熔融指數(shù)混沌預(yù)報模型165 7.6實例驗證168 本章小結(jié)170 思考題172 第8章 多尺度173~191 8.1基于多尺度分析的熔融指數(shù)組合預(yù)測研究174 8.1.1小波變換174 8.1.2經(jīng)驗?zāi)B(tài)分解176 8.2熔融指數(shù)時間序列的多尺度分析178 8.2.1小波分解與經(jīng)驗?zāi)B(tài)分解的結(jié)果分析與比較178 8.2.2對分解序列的混沌特性分析180 8.3基于多尺度分析的熔融指數(shù)組合預(yù)測模型185 8.3.1組合預(yù)測方法185 8.3.2基于多尺度分析的熔融指數(shù)組合預(yù)測模型186 8.4實例驗證187 本章小結(jié)190 思考題191 第9章 半監(jiān)督192~205 9.1基于核密度估計的稀疏貝葉斯半監(jiān)督回歸194 9.2基于KDSBSR的熔融指數(shù)預(yù)報模型198 9.3實例驗證200 9.3.1不同熔融指數(shù)標簽采樣率下KDSBSR模型預(yù)報效果考察200 9.3.2不同半監(jiān)督模型預(yù)報性能對比研究202 本章小結(jié)205 思考題205 第10章 群智能206~222 10.1基于ACO算法模型優(yōu)化研究207 10.1.1ACO算法介紹207 10.1.2ACO算法優(yōu)化D-FNN參數(shù)209 10.1.3自適應(yīng)ACO算法優(yōu)化D-FNN參數(shù)211 10.1.4ACO算法優(yōu)化效果分析212 10.2基于PSO算法模型優(yōu)化研究215 10.2.1PSO-D-FNN優(yōu)化模型215 10.2.2混沌GA/PSO優(yōu)化模型216 10.2.3PSO算法優(yōu)化效果分析219 本章小結(jié)222 思考題222 參考文獻223 圖索引239 表索引243
ISBN:978-7-122-44923-8
語種:漢文
開本:16
出版時間:2024-10-01
裝幀:平
頁數(shù):244