Melt Index Prediction by Neural Soft-Sensor Based on Multi-Scale Analysis and Principal Component Analysis

熔体流动指数( MI )的预言，在决定产品的最重要的参数“ s 等级和在实际工业进程生产的聚丙烯的质量管理， isstudied.A 小说有主要组分分析( PCA )的软传感器的模型，光线的基础函数( RBF )网络，并且多尺度的分析( MSA )被建议从真实进程变量推断生产产品的 MI ，在 PCA 被执行选择最相关的进程特征并且消除输入变量的关联的地方， MSA 被介绍获得更多信息并且减少系统的不确定性，并且 RBF 网络被用来描绘这进程的非线性。研究结果证明建议方法提供有希望的预言可靠性和精确性，并且想了在丙烯聚合过程有广泛的应用程序前景。

基于粒子群优化算法的熔融指数预报

针对丙烯聚合生产控制中聚丙烯熔融指数在线测量的控制要求,以及过程变量间相关性高的特点,提出一种实用高精度的软测量方法,以弥补传统的实验室分析严重滞后所导致的生产控制瓶颈问题。采用主元分析,提取少量主元反映多个变量的综合信息,以降低预报模型的复杂度。并在此基础上建立基于径向基函数神经网络的统计预报模型,提出利用粒子群优化算法优化神经网络的结构与参数,以减少人为因素对建模的影响,得到最优预报结果。通过对工厂实际生产过程进行详细的预报检测,并进一步与国内外相关研究报道进行比较,结果表明,所提出的预报方法具有更强的可靠性和更高的准确性。