基于神經(jīng)網(wǎng)絡(luò)和VI的聚乙烯醇醇解度預(yù)測(cè)模型及系統(tǒng)實(shí)現(xiàn).pdf

1、本文所研究的是聚乙烯醇生產(chǎn)過(guò)程中的醇解度預(yù)測(cè)問(wèn)題。預(yù)測(cè)醇解度,可提前預(yù)警、減少浪費(fèi),對(duì)企業(yè)控制生產(chǎn)質(zhì)量具有重要意義。但醇解度的實(shí)時(shí)預(yù)測(cè),目前還沒(méi)有很好的方法?；S目前大多依靠4個(gè)小時(shí)一次的化驗(yàn)結(jié)果來(lái)檢測(cè)醇解度,時(shí)間滯后,造成很大損失。
　　 本文旨在建立可預(yù)測(cè)醇解度的神經(jīng)網(wǎng)絡(luò)模型,將其在MATLAB中實(shí)現(xiàn),并與數(shù)據(jù)采集系統(tǒng)相結(jié)合,實(shí)現(xiàn)醇解度的預(yù)測(cè)。
　　 本文研究的內(nèi)容集中在關(guān)于醇解度的影響因素研究、預(yù)測(cè)醇解度神經(jīng)網(wǎng)絡(luò)

2、模型的建立以及系統(tǒng)實(shí)現(xiàn)三方面。
　　 第一,對(duì)聚乙烯醇的生產(chǎn)過(guò)程進(jìn)行研究,比較了多位學(xué)者對(duì)醇解度影響因素的分析結(jié)論,并結(jié)合對(duì)北京某化工廠具有豐富經(jīng)驗(yàn)技師的訪談,確定了主要影響醇解度的14個(gè)關(guān)鍵因素。
　　 第二,針對(duì)聚乙烯醇生產(chǎn)過(guò)程中的醇解度預(yù)測(cè)問(wèn)題,建立神經(jīng)網(wǎng)絡(luò)模型。討論了輸入層、輸出層、隱含層等神經(jīng)元的設(shè)置及網(wǎng)絡(luò)訓(xùn)練的參數(shù),確立了初始模型。然后對(duì)模型進(jìn)行優(yōu)化,討論了不同隱含層節(jié)點(diǎn)數(shù)下的網(wǎng)絡(luò)性能,比較了梯度下降BP算法

3、、動(dòng)量及自適應(yīng)學(xué)習(xí)速率梯度下降算法、Levenberg-MarquardtBP算法三種不同的訓(xùn)練算法在本問(wèn)題上的優(yōu)劣,并與RBF網(wǎng)絡(luò)相比較,在此基礎(chǔ)上,基于動(dòng)量及自適應(yīng)學(xué)習(xí)速率梯度下降算法建立了神經(jīng)網(wǎng)絡(luò)模型。
　　 第三,基于LabVIEW和MATLAB實(shí)現(xiàn)了醇解度預(yù)測(cè)系統(tǒng),將數(shù)據(jù)采集系統(tǒng)與神經(jīng)網(wǎng)絡(luò)模型相結(jié)合,以實(shí)現(xiàn)醇解度的預(yù)測(cè)。提出了預(yù)測(cè)醇解度的系統(tǒng)架構(gòu),研究了系統(tǒng)實(shí)現(xiàn)的幾個(gè)關(guān)鍵技術(shù),即數(shù)據(jù)采集技術(shù)、實(shí)現(xiàn)LabVIEW與Mat