学位论文 > 优秀研究生学位论文题录展示

软测量技术及其在聚碳酸酯生产中的应用研究

作　者: 南晓明
导　师: 郑世清
学　校: 青岛科技大学
专　业: 化学工程
关键词: 软测量 BP神经网络 聚碳酸酯 分子量
分类号: TQ323.4
类　型: 硕士论文
年　份: 2013年
下　载: 4次
引　用: 0次
阅　读: 论文下载
 

内容摘要


聚碳酸酯(PC)是一种性能优良的工程塑料,现已被广泛用于各行业,具有良好的市场前景。在界面缩聚法生产聚碳酸酯的过程中,有些影响产品质量的参数如：光气化阶段的酯化率,缩聚阶段聚合物的聚合程度,产品的分子量等无法用传感器直接测量或测量的成本较高,仅通过采样分析得到的结果存在很大滞后,对产品质量十分不利。软测量技术的出现,为解决这类变量的测量问题提供了方便。本文以聚碳酸酯的生产为研究背景,开发了基于MATLAB-BP神经网络的聚碳酸酯分子量软测量模型。本文首先论述了软测量技术的概况,通过对各种建模方法的分析,选取基于BP神经网络的建模方法,并对BP神经网络的基本原理及其MATLAB实现进行了研究,将BP神经网络应用于表征聚碳酸酯质量指标分子量的预测。通过对聚碳酸酯生产工艺的分析选取了9个初选因子,然后对这些初选因子的数据进行了采集与预处理。采用3σ规则剔除了异常数据,小波分析提高了数据质量,主元分析实现了数据的筛选和降维,为软测量建模作了前提准备。然后,基于处理数据建立了软测量模型。在分析了BP神经网络的层数、输入输出神经元个数、传递函数,并利用MATLAB分别仿真对比隐含层不同节点数和各种改进学习算法的训练效果及精度后,确定了隐含层节点数为9,训练算法采用L-M算法。最后,将分子量的软测量模型应用于实际的预测,平均相对误差为7.03%,网络的泛化性能良好。

全文目录


摘要  3-4
ABSTRACT  4-8
第一章 绪论  8-20
  1.1 引言  8
  1.2 本文研究的背景意义  8-9
  1.3 软测量技术概况  9-10
    1.3.1 基本原理  9
    1.3.2 发展进程  9-10
  1.4 软测量建模步骤  10-11
  1.5 软测量建模方法及应用  11-17
    1.5.1 机理建模  11
    1.5.2 基于数据统计建模  11-16
    1.5.3 混合建模  16-17
    1.5.4 软测量技术在聚酯行业的应用  17
  1.6 本文研究的主要内容  17-18
  1.7 小结  18-20
第二章 BP神经网络理论  20-34
  2.1 引言  20
  2.2 人工神经网络简介  20-22
    2.2.1 人工神经网络的特点  20-21
    2.2.2 人工神经网络的模型  21-22
  2.3 反向传播(BP)网络  22-30
    2.3.1 BP网络的结构  22-23
    2.3.2 BP网络的学习过程  23-28
    2.3.3 改进的BP算法  28-30
  2.4 BP网络的MATLAB实现  30-32
    2.4.1 MATLAB简介  30
    2.4.2 BP网络的MATLAB实现  30-32
  2.5 小结  32-34
第三章 聚碳酸酯生产与数据预处理  34-54
  3.1 引言  34
  3.2 聚碳酸酯生产工艺  34-42
    3.2.1 聚碳酸酯概况  34-35
    3.2.2 界面缩聚法合成聚碳酸酯的生产工艺  35-37
    3.2.3 反应机理  37-40
    3.2.4 界面缩聚法合成聚碳酸酯的主要影响因素  40-42
  3.3 辅助变量选取  42-43
  3.4 数据预处理  43-52
    3.4.1 数据采集  43-45
    3.4.2 异常数据剔除预处理  45-47
    3.4.3 数据归一化预处理  47-49
    3.4.4 小波处理  49-51
    3.4.5 主元分析  51-52
  3.5 小结  52-54
第四章 基于MATLAB-BP软测量模型的分析与设计  54-70
  4.1 引言  54
  4.2 网络模型的构造  54
  4.3 模型结构参数的分析与设计  54-59
    4.3.1 结构的确定  54-56
    4.3.2 传递函数的选取  56
    4.3.3 隐含层神经元节点数的确定  56-59
  4.4 MATLAB-BP软测量模型的确定  59-66
    4.4.1 训练参数的设定  59-61
    4.4.2 训练方法的确定  61-66
  4.5 模型的建立  66-68
  4.6 小结  68-70
第五章 模型的验证  70-72
  5.1 采集数据  70
  5.2 模型的验证  70-72
第六章 结论与展望  72-74
  6.1 结论  72
  6.2 展望  72-74
参考文献  74-78
致谢  78-80
攻读学位期间发表的学术论文目录  80-82

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  3. 低分子量亨氏马尾藻岩藻聚糖硫酸酯的制备及抗肿瘤活性研究,TS254.9
  4. 市级旅游用地规划环境影响评价研究,X820.3
  5. 珠三角地区高性能混凝土配合比智能化系统,TU528
  6. 大学生综合素质测评研究,G645.5
  7. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  8. 超高分子量聚乙烯纤维抗蠕变性能研究,TQ342.61
  9. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  10. 低分子量有机酸对纳米羟基磷灰石固定水溶液中铅离子的影响研究,S153
  11. 熔融酯交换法制备双酚A型聚碳酸酯的研究,TQ323.41
  12. 高速公路拆迁民众生存系统评价研究,D523
  13. 基于遗传算法的前馈神经网络优化研究,TP183
  14. 基于FLAC3D和神经网络的基坑变形预测系统研究,TU433
  15. 织物疵点检测与自动化等级评定系统研究,TP391.41
  16. 光亮型聚丙烯酸酯的合成与应用,TQ630.4
  17. 软测量技术在氯甲烷回收中的应用研究,TQ222.214
  18. 基于MATLAB的课程教学质量评价模型的设计与仿真,TP319
  19. 遗传神经网络在地表水水质评价中的应用研究,X824
  20. 基于改进BP算法的安全库存量预测模型的研究,O227
  21. 果蔬热物性参数与其生理生化指标的内在关系及神经网络预测模型研究,TS255.1

中图分类: > 工业技术 > 化学工业 > 合成树脂与塑料工业 > 缩聚类树脂及塑料 > 聚酯树脂及塑料
© 2012 www.xueweilunwen.com