化工过程分析与合成 完整版ppt课件

18.03.2020
下一页
回目录页
建模依据
层数 1
[Oj]1
2
[Oj]2
x1
1
O1
1
O1
神
x2
2
O2
2
O2
经 网
x3
3
O3
3
O3
络
数
第2 层
学
模
O12 w11 w12 w132,1 O11 12 型 O2 f(w21 w22 w23 •O2 2)
O3 w31 w32 w33 O3 3
18.03.2020
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
18.03.2020
学习结束，数据还原
下一页
回目录页
BP算法应用
分析问题，确定已知变量，目标变量
选取样本
重w (n 1 ) w (n ) w 确定( 网n 络)结 构参 数w (n 1 )
新
ji 样
分本
析
f
问
优 化
题
ji
网
络
结
7
55.61
57.88 61.97 64.04 61.80 60.04 55.93
目标变量 电阻R
15 18 19 21 22.6 23.8 26
18.03.2020
下一页
回目录页
建模实例
网络结构: 1 : 3 : 15 : 1
学习参对数: 比=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
统计模型
变 量R=13.96+12.55x 学习结果与样本比较
下一页
回目录页
网络结构: 6 : 10 :3
工程实例
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 样本输出
计算输出
绝对误差
1
59.68 59.27 0.41
学习结果与样本比较 2 3 4 56
57.76 62.21 63.78 62.43 60.81
在线闭环调优
18.03.2020
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
下一页
回目录页
调优方法
概
述
模型 机理模型 统计模型 智能模型
描述方法
特点
过程的物理、化 结果精确 学本质和机理 机理不清或复杂时建
模难
输入－输出关系 模型关系式简单 外延性差
输入－输出关系 寻优快，自学习、自 适应能力强
4 209 1.5 19.26 627 628 0.042 39.55 40.46 63.78
5 258 1.39 18.83 621 624 0.049 41.15 40.36 62.43
6 350 1.55 19.67 629 637 0.054 38.6 36.64 60.81
7 392 1.54 17.17 630 625 0.052 33.36 33.41 55.61
习
参
数
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
18.03.2020
学习结束，数据还原
下一页
回目录页
BP算法应用
分析问题，确定已知变量，目标变量
选取样本
f
x '
重 新
i
分
析
问
题
xixm i n
xm axxm i n
样 本 优 化
网
络
结
构 优 化
调 整 学
w p(n 1 )w p(n )
ji
ji
O pj pj
BP
算
x1
法
公 式
x2 x3
k层
k+1 层
i
j
y1 y2
i －k层神经元 j － k+1层神经元 p － 样本组数
－ 学习步长（0~1） pj－误差
Ｏpj －利用第p 组样本数据计算出的 18.03.202第0 k+1层神经元j 的输出值 下一页
Mpa
控制目标
y1 y2 y
名
称
一段出口转化率 一段出口转化率
总收率
下一页
回目录页
工程实例
样
本 T SOR F
T1
T2
P
号
y1
y2
y
1 3 1.7 18.06 605 607 0.044 31.15 42.07 59.68
2 58 1.4 12.53 613 616 0.058 34.78 35.55 57.76 3 160 1.56 16.2 615 621 0.044 37.89 39.73 62.21
型
O
2
f
(
x2
)
O 3
x 3
下一页
回目录页
建模依据
层数 1
[Oj]1
2
[Oj]2
x1
1
O1
1
O1
神
x2
2
O2
2
O2
经 网
x3
3
O3
3
O3
络
数
第2 层
学
模
第1个 O 1 2 f(w 1 o 1 1 1 w 1o 2 1 2 w 1o 3 1 3 1 2 ) 型 第2个 O 2 2 f(w 2 o 1 1 1 w 2o 2 1 2 w 2o 3 1 3 2 2 ) 第3个 O 3 2 f(w 3 o 1 1 1 w 3o 2 1 2 w 3o 3 1 3 3 2 )
pj
i ji
i
18.03.2020
下一页
回目录页
BP算法小结
x1
y1
x2
y2
x3
y3 y4
f
X
W
W
Y
O=f(X) O=f(WX) O=f(WX) O
18.03.2020
w pj w pj=Y-O
下一页
回目录页
BP算法应用
分析问题，确定已知变量，目标变量
数据来自实验或生产记录
样重本个数适量
取 分新分值布全均面匀样本
下一页
回目录页
建模依据
神 层数 1
2
3
4
经
x1
1
1
网 络
x2
2
2
数
x3
3
3
1 2 3 4
1
y1
2
y2
学
输出
[Oj]1
[Oj]2
[Oj]3
[Oj]4=yj
模
型
第3 层
O13
w1 1
O2 f(w21
O3
w31
O4
w4 1
w1 2 w2 2 w3 2 w4 2
w1
3,2
3
w2
3
w3
3
w4 3
O12 •O2
y1 x0
区间线性型 y
1
建模依据
x 0
y
x
1
x0 0 x1 x1
y 1
Sigmoid型 1
x
y
1 1e x
y
x
-1
y
ex e x ex ex
18.03.2020
下一页
回目录页
建模依据
层数 1
2
3
4
神 经
网
x1
Wji2,1
Wji3,2
1
1
1 Wji4,3
1
y1
络
数
x2
2
2
2
学
3
2
y2
模 型
x3
3
ANN模型 Yf(W X)
18.03.2020
回目录页
BP算法
BP神经网络
Yf(W X ) Yf( WX)
算 1. 选取样本数据
法
原
一组 x y 数据
理 2. 设置 w 的初值 w 0
3. 用梯度法迭代计算w
w ( n 1 ) w ( n ) w
18.03.2020
下一页
回目录页
BP算法
核心公式
w 31w 32w 33 O 3
2
1
2 ) 3
第 1
O 1 1
O
2
层 O 18.03.20230
Yf(WX) x 1
f ( x
2
)
x 3
下一页
回目录页
建模依据
BP神经网络
黑
x1
箱 模
xn
y
型
yf(x 1 , ,x n )
统计模型
多元线性回归
y b 0 b 1 x 1 b n x n
构 优 化
调 整 学
ji
ji
样本数据预处理（归一化）
确定学习参数
初始化权值
习
参
迭代计算权值
数
18.03.2020
学习结束，数据还原
下一页
回目录页
重
新样
分本
析
f
问
优 化
题
18.03.2020
BP算法应用
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
网
络
结
构 优 化
调 整 学
习
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
适于多目标函数
18.03.2020
回目录页
智能模型法
智能模型法
－ 基于人工神经网络的智能模型法
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
18.03.2020
回目录页
人工神经网络概述
智能模型法
神
学习结束，数据还原
回目录页
优化模型
BP神经网络
模
x1
拟 模
xn
W
y
型
Yf(W X )
优 化 模 型
18.03.2020
指定目标变量值 确定自变量值
xi(n1)xi1(n) xi
回目录页
建模实例
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)
123 4 5 6 7
已知变量 碳含量 x% 0.1 0.3 0.4 0.55 0.6 0.8 0.95
O 4
1 4 ) 2
w 11 w 12 w 133,2 f( w21 w22 w23 •
w31 w32 w33
1 2
2
13
2 ) 3
w41 w42 w43
3
4
第
2 层
O 1 2
O
2
O 3
1
O w 11w 12w 13 2 ,1
1
O f( w 21w 22w 2 3 • 2
3
4
输出 第1层 [Oj]1
[Oj]2
[Oj]3
[Oj]4=yj
18.03.2020
下一页
回目录页
层数 1
x1
1
x2
2
x3
3
[Oj]1 O1 O2
O3
第
第1个 第2个 第3个
O1 1
f(x1)
O1 2
f(x2)
O1 3
f(x3)
建模依据
2
[Oj]2
1
O1
神
2
O2
经 网
3
O3
络
数
1层
学 模
O1 1
x1
化工过程操作工况调优
18.03.2020
概
述
机理模型法
统计模型法
智能模型法
目的和意义
概
述
寻找最佳操作方案
• 适应 操作环境的变化 • 适应经济技术条件的变化
获得显著经济效益
18.03.2020
下一页
回目录页
调优方式
概
述
离线 调优 在线开环调优
模型与装置分离 计算数据取报表记录 调优结果指导生产
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
124)
O4
18.03.2020
下一页
回目录页
第 4 层
第 3 层
建模依据 4
O 1 3
yy O
O
O
O
1
2
1
O 2 O O 2 4
3
OO O O 1 2 4 f ( w w 1 21 w 1 w 1 22 w 2 w 1 23 w 3 w 1 2 4 4 4 . 3 •22
确定学习参数 初始化权值 迭代计算权值
学习步长 动量因子 允许误差 迭代次数
学习结束，数据还原
下一页
回目录页
BP算法应用
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 重
f
wk.baidu.com
新 分 析 问 题
随取样本优化机 值取通权常网络结构优化值为的0 附初调整学习参近始值 或 -0.5 ~ 0.5 数
x=0.45 R=19.60
1
2
3
4
567
输 入 x 0.1 0.3 0.4 0.55 0.6 0.8 0.95
计算输出 15.15 17.86 19.19 20.89 22.55 23.93 25.79
样本输出 15 18 19 21 22.6 23.8 26
利用建好的网络作计算(称为预测) 计算得到 R=19.79
x1
经
x2
元
xn
yj
神
x1
1
1
经 网
x2
2
2
络
x3
3
3
18.03.2020
1 2 3 4
下一页
1
y1
2
y2
回目录页
建模依据
BP神经网络
x1 w1j
神 经
x2 w2j
w ji xi j
yj
元
i
数
xn
w3j
学
模
型
yj f(wjixi j)
i
18.03.2020
下一页
回目录页
阶跃型
y 1
x -1 1 x0
O3
13 4 3 2 )
18.03.2020
下一页
回目录页
神
层数 1
2
3
建模依据
4
经
x1
1
1
网 络
x2
2
2
数
x3
3
3
1 2 3 4
1
y1
2
y2
学 输出
[Oj]1
[Oj]2
[Oj]3
[Oj]4=yj
模
型
第4 层
O13
yy12O O124f(w w1211
w12 w22
w13 w23
w w12444.3•O O22
析
f
问
优 化
题
网
络
结
构 优 化
调 整 学
习
参
数
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
18.03.2020
学习结束，数据还原
下一页
回目录页
BP算法应用
分析问题，确定已知变量，目标变量
输入节点数=已知变量数
输重出节点数=目标变量数
f
隐 靠新分析问题含经层验数取样本优化及值各层网络结构优化节点调整学数
x=0.45
回目录页
工程实例
BP神经网络
乙苯脱氢反应器操作工况的模拟
乙苯+水蒸汽
苯乙烯
脱氢
蒸汽 乙苯
苯乙烯
下一页
回目录页
操作参数
t F T1 T2 SOR P
名
称
催化剂使用时间 乙苯进料量
第一级反应器入口温度 第二级反应器入口温度
蒸汽／EB重量比 一、二级反应器出口压差
工程实例
单位 天
NM3/h ℃ ℃
回目录页
BP
算
x1
法 x2
k层
k+1 层
BP算法
i
j
O pj y pj
公 x3
式
取转换函数
f
1 1e x
f 对于输出层 p j(y p jO p)jO p(1 j O p)j
对于隐含层 p kiO k p(1 iO k p)i j k p 1 jw k j i1 ,k
神经元输出
Ok1f(wk1,kOk)
习
参
数
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
18.03.2020
学习结束，数据还原
下一页
回目录页
重
新样
分本
析
f
问
优 化
题
18.03.2020
BP算法应用
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
网
络
结
构 优 化
调 整 学
习
参
数
样本数据预处理（归一化）