论文部分内容阅读
预警技术是在警情发生之前对其进行预测,发出预警信号的过程。将预警技术应用于生产过程中,能有效地提高系统对异常工况的响应速度,及早发现异常,有效降低未来的可能损失,对安全生产起着重要的作用。在研究分析了文化算法、混沌理论和粒子群优化算法整体框架和关键参数的基础上提出了两种混合算法：改进型文化粒子群优化算法(Culture-MPSO)和改进型混沌粒子群优化算法(Chaos-MPSO)来优化预警模型的参数。Culture-MPSO算法将文化算法和粒子群优化算法融合,一方面在文化算法的主群体空间加入PSO算法进行寻优,并对PSO算法中的关键参数进行改进,如惯性权重,另一方面增加了衡量进化方向好坏的指标,使算法的接受规则更具有自适应性。Chaos-MPSO算法将混沌理论和粒子群优化算法融合,一方面对PSO算法中几个关键的参数做出了改进,如惯性权重；另一方面在PSO算法的全局极值点的领域范围内引入混沌搜索技术进行二次搜索,增加了算法的局部搜索能力,使算法收敛速度更高效。在实现生产过程预警的过程中,本文提出了两种模型：预警级别模型和软测量模型。预警级别模型是将预警的等级作为神经网络的输出,是一个离散输出模型；软测量模型是将预警的关键参数作为神经网络的输出,是一个连续输出模型。分别对这两种模型进行了仿真实验,最后将这两种模型结合,对神经网络的预警结果进行综合判断。仿真实验结果表明：RBF网络模型相比BP网络以及Elman网络,在相同条件下可以得到更好的拟合效果和预测效果；Culture-MPSO算法和Chaos-MPSO算法比传统优化算法搜索性能更优,搜索速度更快,相比而言,Chaos-MPSO算法比Culture-MPSO算法具有更优的优化性能；将预警级别模型和软测量模型相结合,对生产工况的运行状态综合判断,提高了对工况运行状态预报的正确率。将上述群智能优化算法和神经网络建模方法应用于裂解反应过程,建立综合预警模型,实现了对裂解反应过程异常工况提前预报的目的,防患于未然。