化工过程分析与合成5.ppt

《化工过程分析与合成5.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、概述机理模型法统计模型法智能模型法7/24/2021化工过程操作工况调优7/24/2021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7/24/2021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7/24/2021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，

2、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7/24/2021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7/24/2021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7/24/2021建模依据神经元数学模型下一页x1x2xnyjBP神经网络w1jw2jw3j回目录页7/24/2021建模依据下一页区间线性型x1yx阶跃型1-1y1yxx1-1ySigmoid型回目录页7/24/2021

3、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第1层第1个第2个第3个O1O2O3[Oj]2[Oj]12回目录页7/24/2021建模依据神经网络数学模型下一页x1x2x3123123层数12O1O2O3第2层第1个第2个第3个O1O2O3[Oj]1[Oj]2回目录页7/24/2021建模依据神经网络数学模型下一页x1x2x3123123层数12O1O2O3第2层O1O2O3[Oj]

4、1[Oj]2回目录页7/24/2021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3层回目录页7/24/2021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4层回目录页7/24/2021建模依据下一页第4层第3层第2层第1层回目录页7/24/2021建模依据黑箱模型x1yBP神经网络xn统计模型多元线性回归ANN模型回目录页7/24/2021BP算法下一页BP神经网络算法原理1.选取样本数据3.用梯度法迭代

5、计算w2.设置w的初值一组xy数据BackPropagation回目录页7/24/2021BP算法下一页BP算法公式核心公式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7/24/2021BP算法下一页BP算法公式x1x3x2ijk+1层k层取转换函数对于输出层对于隐含层神经元输出回目录页7/24/2021BP算法小结下一页O=f(X)XYWWx1x3x2y1y2y3y4O=f(WX)O=f(WX)Opj=Y-OpjErrorBackPropagatio

6、n回目录页7/24/2021BP算法应用下一页分析问题，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7/24/2021BP算法应用下一页分析问题，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7/24/2021BP算

7、法应用下一页分析问题，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7/24/2021BP算法应用下一页分析问题，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