化工过程分析与合成5

1、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,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

2、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,x1,x2,xn,yj,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,x1,x2,xn,yj,BP神经网络,w1j,w2j,w3j,回目录页,建模依据,下一页,区间线性型,x,阶跃型,Sigmoid型,回目录页,建模依据,神经 网络 数学模型,下一页,回目录页,Wji2,1,Wji3,2,Wji4,3,建模依据,神经 网络 数学模型,下一页,x1,x2,x3,1,2,3,层数,1,O1,O2,O3,第 1 层,第1个

3、,第2个,第3个,Oj2,Oj1,2,回目录页,建模依据,神经 网络 数学模型,下一页,x1,x2,x3,1,2,3,1,2,3,层数,1,2,O1,O2,O3,第 2 层,第1个,第2个,第3个,Oj1,Oj2,回目录页,建模依据,神经 网络 数学模型,下一页,x1,x2,x3,1,2,3,1,2,3,层数,1,2,O1,O2,O3,第 2 层,Oj1,Oj2,回目录页,建模依据,神经 网络 数学模型,下一页,x1,x2,x3,1,2,3,1,2,3,1,2,1,2,3,4,y1,y2,层数,1,2,3,4,输出,Oj1,Oj2,Oj3,Oj4=yj,第 3 层,回目录页,建模依据,神经 网

4、络 数学模型,下一页,Oj4=yj,第 4 层,回目录页,建模依据,下一页,第 4 层,第 3 层,第 2 层,第 1 层,回目录页,建模依据,黑 箱 模型,x1,y,BP神经网络,xn,ANN模型,回目录页,BP算法,下一页,BP神经网络,算 法 原 理,1. 选取样本数据,3. 用梯度法迭代计算w,2. 设置 w 的初值,一组 x y 数据,BackPropagation,回目录页,BP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,pj 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（01）,pj误差,回目录页,BP算法

5、,下一页,BP 算法 公式,x1,x3,x2,i,j,k+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,BP算法小结,下一页,O=f(X),X,Y,W,W,O=f(WX),O=f(WX),O,pj=Y-O,pj,Error Back Propagation,回目录页,BP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,BP算法应用,下一

6、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,BP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,回目录页,BP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

7、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,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,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

8、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,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,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,x1,y,BP神经网络,W,xn,确定自变量值,指定目标变量值,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,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,利用建好的网络作计算(称为预测),x=0.45,R=19.79,计算得到,对 比 统计模型 R=13.96+12.55x x=0.45 R=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,回目录页,工程实例,下