化工过程分析与合成ch5

概述机理模型法统计模型法智能模型法化工过程操作工况调优概述寻找最佳操作方案目的和意义回目录页下一页•适应操作环境的变化获得显著经济效益•适应经济技术条件的变化离线调优调优方式回目录页下一页模型与装置分离计算数据取报表记录调优结果指导生产在线开环调优模型与装置相连计算数据为实时检测数据调优结果指导生产在线闭环调优模型与装置相连计算数据为实时检测数据调优结果直接返回控制系统概述模型描述方法特点机理模型过程的物理、化学本质和机理结果精确机理不清或复杂时建模难统计模型输入－输出关系模型关系式简单外延性差智能模型输入－输出关系寻优快，自学习、自适应能力强适于多目标函数调优方法回目录页概述智能模型法－基于人工神经网络的智能模型法智能模型法回目录页人工神经网络概述BP网络建模依据BP算法及BP网络的应用过程系统优化模型建模实例乙苯脱氢反应器操作工况的模拟与调优人工神经网络概述神经元x1x2xnyjx1x2x3123123121234y1y2神经网络回目录页下一页智能模型法建模依据神经元数学模型下一页x1x2xnyjiijixwjijijijxwfy)(BP神经网络w1jw2jw3j回目录页建模依据下一页区间线性型x1yx阶跃型0101xxy1-1y111000xxxxy1yxxey11x1-1yxxxxeeeeySigmoid型回目录页建模依据神经网络数学模型下一页x1x2x3123123121234y1y2层数1234输出[Oj]1[Oj]2[Oj]3[Oj]4=yj第1层回目录页Wji2,1Wji3,2Wji4,3建模依据神经网络数学模型下一页x1x2x3123123层数1O1O2O3)(3211321xxxfOOO第1层第1个)(111xfO第2个)(212xfO第3个)(313xfOO1O2O3[Oj]2[Oj]12回目录页建模依据神经网络数学模型下一页x1x2x3123123层数12O1O2O3第2层第1个)(2113131212111211owowowfO第2个)(2213231222121221owowowfO第3个)(2313331232131213owowowfOO1O2O3[Oj]1[Oj]2回目录页建模依据神经网络数学模型下一页x1x2x3123123层数12O1O2O3第2层)w(232113211,23332312322211312112321OOO[Oj]1[Oj]2回目录页建模依据神经网络数学模型下一页x1x2x3123123121234y1y2层数1234输出[Oj]1[Oj]2[Oj]3[Oj]4=yj)w(3432123212,343424133323123222113121134321OOO输出[Oj]1[Oj]2[Oj]3[Oj]4=yj)w(421342213.4242322211413121142121OOOO层)w(4213.42423222114131211421层)w(343212,3434241333231232221131211)w(23211,2333231232221131211)(f第2层第1层1321OOO321xxx421yy34221OOOO34221OOOO2321OOO2321OOO1321OOO)(WXfY回目录页建模依据黑箱模型x1y),,(1nxxfyBP神经网络xnnnxbxbby110统计模型多元线性回归ANN模型)(WXfY回目录页BP算法下一页BP神经网络算法原理)(WXfY1.选取样本数据3.用梯度法迭代计算w2.设置w的初值0w一组xy数据wnwnw)()1()(WXfY回目录页BP算法下一页BP算法公式核心公式pjpjppOnwnwjiji)()1(i－k层神经元p－样本组数j－k+1层神经元Ｏpj－利用第p组样本数据计算出的第k+1层神经元j的输出值－学习步长（0~1）x1x3y1y2x2ijk+1层k层pj－误差回目录页BP算法下一页BP算法公式x1x3x2ijk+1层k层fxef11取转换函数)1()(pjpjpjpjpjOOOyjkkkkkpikpijipjpiwOO,11)1(对于输出层对于隐含层pjOpjyikkkkijipjOwfO)(,11神经元输出回目录页BP算法小结下一页fO=f(X)XYWWx1x3x2y1y2y3y4O=f(WX)O=f(WX)Opj=Y-Owwpj回目录页BP算法应用下一页f分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题数据来自实验或生产记录样本个数适量取值全面分布均匀回目录页BP算法应用下一页f分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题输入节点数=已知变量数输出节点数=目标变量数隐含层数及各层节点数靠经验取值回目录页BP算法应用下一页f分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题minmaxmin'xxxxiix回目录页BP算法应用下一页f分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题学习步长动量因子允许误差迭代次数回目录页BP算法应用下一页f分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题随机取权值的初始值取值通常为0附近或-0.5~0.5回目录页BP算法应用下一页f分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题)1()()()1(nwnwnwnwjijijiji回目录页BP算法应用f分析问题，确定已知变量，目标变量选取样本确定网络结构参数样本数据预处理（归一化）确定学习参数初始化权值迭代计算权值学习结束，数据还原样本优化网络结构优化调整学习参数重新分析问题回目录页优化模型x1yBP神经网络Wxn确定自变量值)(WXfY指定目标变量值iiixnxnx)()1(1模拟模型优化模型回目录页建模实例下一页BP神经网络建立钢线含碳量与电阻效应的关系式变量变量名称样本数据(实验值)1234567已知变量碳含量x%0.10.30.40.550.60.80.95目标变量电阻R1518192122.623.826回目录页建模实例网络结构:1:3:15:1学习参数:=0.9=0.91=10-42=10-5经过6900次学习计算输出的误差达到要求变量学习结果与样本比较1234567输入x0.10.30.40.550.60.80.95计算输出15.1517.8619.1920.8922.5523.9325.79样本输出1518192122.623.826利用建好的网络作计算(称为预测)x=0.45R=19.79计算得到对比统计模型R=13.96+12.55xx=0.45R=19.60回目录页工程实例下一页BP神经网络乙苯脱氢反应器操作工况的模拟乙苯苯乙烯蒸汽乙苯+水蒸汽苯乙烯脱氢回目录页工程实例下一页操作参数名称单位t催化剂使用时间天F乙苯进料量NM3/hT1第一级反应器入口温度℃T2第二级反应器入口温度℃SOR蒸汽／EB重量比P一、二级反应器出口压差Mpa控制目标名称y1一段出口转化率y2一段出口转化率y总收率回目录页工程实例下一页样本号TSORFT1T2Py1y2y131.718.066056070.04431.1542.0759.682581.412.536136160.05834.7835.5557.7631601.5616.26156210.04437.8939.7362.2142091.519.266276280.04239.5540.4663.7852581.3918.836216240.04941.1540.3662.4363501.5519.676296370.05438.636.6460.8173921.5417.176306250.05233.3633.4155.61回目录页工程实例网络结构:6:10:3学习参数:=0.9=0.71=10-22=10-3经过10000次学习计算输出的误差达到要求变量总收率y学习结果与样本比较1234567样本输出59.6857.7662.2163.7862.4360.8155.61计算输出59.2757.8861.9764.0461.8060.0455.93绝对误差0.41-0.120.24-0.260.690.77-0.32预测操作参数（300，1.5，19，628，630，0.05）计算值生产值总收率y60.7795%60.79%回目录页