基于群智能優(yōu)化算法的聚丙烯熔融指數(shù)預(yù)報(bào)建模優(yōu)化研究.pdf

1、聚丙烯作為全球五大通用塑料之一，廣泛地應(yīng)用于日常生活、工業(yè)生產(chǎn)、航空航天等領(lǐng)域。因此，聚丙烯生產(chǎn)過程中的產(chǎn)品質(zhì)量控制就尤為重要。熔融指數(shù)是決定聚丙烯產(chǎn)品質(zhì)量的重要指標(biāo)。本文針對聚丙烯熔融指數(shù)軟測量預(yù)報(bào)問題，引入了最小二乘支持向量機(jī)(LSSVM)，通過群智能優(yōu)化算法對LSSVM模型的參數(shù)進(jìn)行優(yōu)化;同時(shí)，對群智能優(yōu)化算法進(jìn)行改進(jìn)，有效地提高了模型的預(yù)報(bào)性能;本文提出的幾種智能LSSVM模型成功地應(yīng)用于工廠實(shí)際數(shù)據(jù)預(yù)報(bào)中，為實(shí)際工業(yè)生產(chǎn)中的熔

2、融指數(shù)預(yù)報(bào)提供了更多的選擇。
　　本文的主要工作及貢獻(xiàn)如下:
　　(1)針對聚丙烯工業(yè)生產(chǎn)過程，選取了合適的輸入輸出變量，通過主元分析方法(PCA)，對輸入變量進(jìn)行降維處理，建立了聚丙烯熔融指數(shù)預(yù)報(bào)LSSVM模型;實(shí)驗(yàn)結(jié)果證明了熔融指數(shù)預(yù)報(bào)LSSVM模型的有效性;
　　(2)提出了一種熔融指數(shù)預(yù)報(bào)AMPSO-LSSVM模型。為了克服粒子群優(yōu)化算法(PSO)易陷于局部最優(yōu)值、收斂精度低等缺陷，根據(jù)粒子群進(jìn)化狀態(tài)引入了變異

3、操作，提出了一種自適應(yīng)變異PSO算法優(yōu)化熔融指數(shù)預(yù)報(bào)LSSVM模型的參數(shù);實(shí)驗(yàn)結(jié)果表明AMPSO-LSSVM模型具有更好的預(yù)報(bào)性能和推廣泛化能力，證明了AMPSO智能優(yōu)化算法的有效性;
　　(3)進(jìn)一步提出了一種熔融指數(shù)預(yù)報(bào)MSFLA-LSSVM模型。針對標(biāo)準(zhǔn)混合蛙跳算法(SFLA)易陷入局部最優(yōu)值等缺陷，在SFLA算法的全局搜索過程中引入了自適應(yīng)混沌變異，提出了一種改進(jìn)的MSFLA算法對LSSVM模型的參數(shù)進(jìn)行優(yōu)化，建立了熔融指