熔融指数是决定聚丙烯产品牌号的重要质量指标,丙烯聚合过程熔融指数指标的精确预报能够缩短牌号切换时间、节省物料损耗、节约能源消耗、提高生产效率、增加产品利润。在工业生产流程中,熔融指数采用定时采样,离线化验分析获得,难以满足聚丙烯产品在线质量监测与控制的要求。面对复杂的聚合反应机理以及工业生产中伴随的扰动与噪声,传统的熔融指数机理模型难以取得良好的预报精度与鲁棒性。稀疏贝叶斯学习方法根据贝叶斯定理由采样样本推导未知变量的后验分布,通过稀疏性约束降低模型复杂度,在工业过程质量预报特别是小样本问题中具有良好的应用潜力。本文在已有的研究工作基础上,基于稀疏贝叶斯学习框架,针对变量耦合性、样本标签稀缺性、复杂过程非线性、混沌性、时变性等挑战,提出多种有效的熔融指数建模与优化方法,成功应用于30万吨/年聚丙烯生产装置,实现丙烯聚合过程熔融指数在线智能最优预报。主要工作及创新点如下:(1)考虑到丙烯聚合过程变量耦合问题,提出一种基于t分布随机邻域嵌入的稀疏贝叶斯独立成分回归模型(tSNE-IC-SBR),通过样本邻域内采样点的分布信息降低模型特征变量维度,构造低维度特征矩阵从而剔除由过程操作变量相关度高导致的信息冗余问题,结合独立成分分析实现复杂工业过程的变量解耦,从而提升模型预报精度。将其应用于实际生产数据,实验结果表明所提出模型的有效性。(2)考虑到工业生产过程拥有少量的样本标签和大量无标签样本数据,提出一种基于邻域核密度估计的稀疏贝叶斯半监督回归方法(KDSBSR),充分利用无标签样本信息提高丙烯聚合生产过程熔融指数预报的准确性。相比于传统的熔融指数预报方法,该模型在贝叶斯概率框架下实现了对无标签数据的信息整合,通过核函数方法估计邻域内无标签样本的分布并建立其与少量样本标签的映射关系,通过贝叶斯定理推导熔融指数的后验分布,得到模型参数的最大似然估计提高模型预报准确度,引入稀疏约束避免过拟合。实际工业生产数据的实验结果表明该方法与现有熔融指数预报模型相比具有更好的预报精度。(3)考虑到丙烯聚合复杂过程的非线性,稀疏贝叶斯学习的模型参数直接影响熔融指数模型的预报精度,提出一种基于混沌映射改进的人工蜂群智能优化MI预报模型(CABC-SBR)。通过混沌人工蜂群方法优化模型核函数参数,并引入混沌映射增强算法收敛能力与寻优效率,得到丙烯聚合过程熔融指数智能最优预报模型。通过多重检验分析优选混沌映射与CABC算法结构。将该模型应用于实际工业生产过程,结果表明混沌人工蜂群贝叶斯回归模型具有良好的预报性能与泛化能力。(4)考虑到丙烯聚合反应过程的混沌特性,熔融指数时间序列具有长程相关性,提出一种基于混沌理论与协同训练的熔融指数半监督智能预报模型(Co-PSR-HDEBC-SBR)。分析熔融指数序列的混沌特性,通过相空间重构构建熔融指数的混沌特征矩阵建立预报模型。进一步通过基于混沌的SBR模型与基于特征的SBR模型的协同训练,充分利用过程中的无标签数据信息,并提出一种混合差分进化蜂群方法优化熔融指数预报模型。实验结果表明,提出的Co-PSR-HDEBC-SBR预报模型对比其它预报模型具有更好的预报准确度,在丙烯聚合过程熔融指数预报中具有应用潜力。(5)考虑到聚丙烯工业生产过程的时变性,流程设备老化与工况波动等因素导致熔融指数静态模型失配,提出在线校正的粒子滤波熔融指数预报方法(OCS-PFSBR),构建预报模型的状态转移方程,控制预报误差随迭代进行逐步下降,并通过粒子滤波算法得到模型参数的最佳估计,进一步引入在线校正机制实时更新预报模型。与其它熔融指数预报模型相比,该模型的优势是通过状态转移方程得到模型参数的概率式表达结果,并根据预报误差实时更新维护,从而得到熔融指数动态预报模型。该方法应用于实际生产数据,证明了提出的模型在聚丙烯熔融指数预报问题中具有良好的预报精度和鲁棒性。