KPCA-SNNs的聚丙烯熔融指数软测量

摘要：

熔融指数是聚丙烯生产过程中重要的质量指标,但难以实现在线实时测量,从而无法实现有效的聚丙烯质量控制.针对聚丙烯生产过程的非线性特性,提出了一种基于核主元分析和组合神经网络(KPCA-SNNs)的软测量建模方法,并将该建模方法应用于聚丙烯软测量研究中.首先利用具有较强非线性特征提取能力的核主元分析对样本数据进行前期处理,然后将其结果作为软测量模型的输入,最后采用具有预测精度高、泛化能力强的组合神经网络(SNNs)建模方法建立软测量模型.仿真结果表明,与单纯SNNs相比,其中均方误差(MSE)由0.0035下降至0.0029,平均绝对误差(MAE)由0.0182下降至0.0139,平均绝对百分百误差(MAPE)由0.0057下降至0.0044.所以采用KPCA-SNNs所建立的聚丙烯熔融指数软测量模型具有更好的鲁棒性和预测精度,满足了聚丙烯生产工艺要求,较好地解决了聚丙烯生产过程中重要质量指标无法在线估计的难题.

关键词：KPCA-SNNs、熔融指数、聚丙烯、软测量

所属期刊栏目：31

分类号：TQ015.9;TP391.9;O6-39(一般性问题)

资助基金：浙江省自然科学基金项目LY13B060005

在线出版日期：2014-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：203-206