《化工过程分析与合成学习教案》由会员分享，可在线阅读，更多相关《化工过程分析与合成学习教案（35页珍藏版）》请在金锄头文库上搜索。
1、会计学1化工过程分析化工过程分析(fnx)与合成与合成第一页，共35页。2024/8/19概概 述述 寻找最佳操作(cozu)方案目的目的(md)和和意义意义回目录(ml)页下一页 适应适应 操作环境的变化操作环境的变化 获得显著经济效益 适应经济技术条件的变化适应经济技术条件的变化第1页/共34页第二页，共35页。2024/8/19离离 线线 调调 优优调调优优方方式式回目录(ml)页下一页模型与装置分离模型与装置分离计算数据取报表计算数据取报表(bobio)记录记录调优结果指导生产调优结果指导生产在线在线(zi xin)开环调优开环调优模型与装置相连模型与装置相连计算数据为实时检测数据计算
2、数据为实时检测数据 调优结果指导生产调优结果指导生产在线闭环调优在线闭环调优模型与装置相连模型与装置相连计算数据为实时检测数据计算数据为实时检测数据调优结果直接返回控制系统调优结果直接返回控制系统概概 述述第2页/共34页第三页，共35页。2024/8/19模型模型描述方法描述方法特点特点机理模型机理模型过程的物理、化过程的物理、化学本质和机理学本质和机理结果精确结果精确机理不清或复杂时建机理不清或复杂时建模难模难统计模型统计模型输入输出关系输入输出关系模型关系式简单模型关系式简单外延性差外延性差智能模型智能模型输入输出关系输入输出关系寻优快，自学习、自寻优快，自学习、自适应能力强适应能力强适
3、于多目标函数适于多目标函数调调优优方方法法回目录(ml)页概概 述述第3页/共34页第四页，共35页。2024/8/19智能智能(zh nn)模型模型法法 基于基于基于基于(jy)(jy)人工神经网络的智能模型人工神经网络的智能模型人工神经网络的智能模型人工神经网络的智能模型法法法法智能智能(zhnn)模型法模型法回目录页人人 工工 神神 经经 网网 络络 概概 述述BP 网网 络络 建建 模模 依依 据据BP算法及算法及BP网络的应用网络的应用过过 程程 系系 统统 优优 化化 模模 型型建建 模模 实实 例例乙苯脱氢反应器操作工况的模拟与调优乙苯脱氢反应器操作工况的模拟与调优第4页/共34
4、页第五页，共35页。2024/8/19人工神经网络人工神经网络概述概述(ish)神神经经元元x1x2xnyjx1x2x3123123121234y1y2神神经经(shnjng)网网络络回目录(ml)页下一页智能模型法智能模型法第5页/共34页第六页，共35页。2024/8/19建模依据建模依据(yj)神神经经元元数数学学模模型型下一页x1x2xnyjBP神经网络神经网络w1jw2jw3j回目录(ml)页第6页/共34页第七页，共35页。2024/8/19建模依建模依据据(yj)下一页区区间间(q jin)线性型线性型x1yx阶跃型阶跃型1-1y1yxx1-1ySigmoid型型回目录(ml)页
5、第7页/共34页第八页，共35页。2024/8/19建模依建模依据据(yj)神神经经(shnjng)网网络络数数学学模模型型下一页x1x2x3123123121234y1y2层数层数1234输出输出Oj1Oj2Oj3Oj4=yj第第1层层回目录(ml)页Wji2,1Wji3,2Wji4,3第8页/共34页第九页，共35页。建模依建模依据据(yj)神神经经(shnjng)网网络络数数学学模模型型下一页x1x2x3123123层数层数1O1O2O3第第第第 1 1 层层层层第第1个个第第2个个第第3个个O1O2O3Oj2Oj12回目录(ml)页第9页/共34页第十页，共35页。2024/8/19建
6、模依建模依据据(yj)神神经经(shnjng)网网络络数数学学模模型型下一页x1x2x3123123层数层数12O1O2O3第第第第 2 2 层层层层第第1个个第第2个个第第3个个O1O2O3Oj1Oj2回目录(ml)页第10页/共34页第十一页，共35页。2024/8/19建模依建模依据据(yj)神神经经(shnjng)网网络络数数学学模模型型下一页x1x2x3123123层数层数12O1O2O3第第第第 2 2 层层层层O1O2O3Oj1Oj2回目录(ml)页第11页/共34页第十二页，共35页。2024/8/19建模依建模依据据(yj)神神经经(shnjng)网网络络数数学学模模型型下一
7、页x1x2x3123123121234y1y2层数层数1234输出输出(shch)Oj1Oj2Oj3Oj4=yj第第第第 3 3 层层层层回目录页第12页/共34页第十三页，共35页。2024/8/19建模依建模依据据(yj)神神经经(shnjng)网网络络数数学学模模型型下一页x1x2x3123123121234y1y2层数层数1234输出输出Oj1Oj2Oj3Oj4=yj第第第第 4 4 层层层层回目录(ml)页第13页/共34页第十四页，共35页。2024/8/19建模依建模依据据(yj)下一页第第4层层第第3层层第第2层层第第1层层回目录(ml)页第14页/共34页第十五页，共35页。
8、2024/8/19建模依据建模依据(yj)黑黑箱箱模模型型(mxng)x1yBP神经网络神经网络xn统计模型统计模型多元线性回归多元线性回归ANN模模 型型(mxng)回目录页第15页/共34页第十六页，共35页。2024/8/19BP算法算法(sunf)下一页BP神经网络神经网络算算法法原原理理1. 1. 选取选取(xunq)(xunq)样本数据样本数据3. 3. 用梯度用梯度(t d)(t d)法迭代计算法迭代计算w w2. 2. 设置设置 w 的初值的初值一组一组 x y 数据数据回目录页第16页/共34页第十七页，共35页。2024/8/19BP算法算法(sunf)下一页BP算算法法(
9、sun f)公公式式核核心心(hxn)公公式式i k层神经元层神经元p 样本组数样本组数j k+1+1层神经元层神经元pj 利用第利用第p 组样本数据计算出的组样本数据计算出的 第第k+1+1层神经元层神经元j j 的输出值的输出值 学习步长（学习步长（01）x1x3y1y2x2ijk+1+1层层k层层 pj误差误差回目录页第17页/共34页第十八页，共35页。2024/8/19BP算法算法(sunf)下一页BP算算法法(sun f)公公式式x1x3x2ijk+1+1层层k层层取转换取转换(zhunhun)函函数数对于输出层对于输出层对于隐含层对于隐含层神经元输出神经元输出回目录页第18页/共
10、34页第十九页，共35页。2024/8/19BP算法算法(sunf)小结小结下一页O=f(X)XYWWx1x3x2y1y2y3y4O=f(WX)O=f(WX)O pj=Y-O pj回目录(ml)页第19页/共34页第二十页，共35页。2024/8/19BP算法算法(sunf)应用应用下一页分析问题，确定(qudng)已知变量，目标变量选取(xunq)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数据来自实验或生产记录样本个数适量样本个数适量取值全面取值全面分布均匀分布均匀回目录页
11、第20页/共34页第二十一页，共35页。2024/8/19BP算法算法(sunf)应用应用下一页分析问题(wnt)，确定已知变量，目标变量选取(xunq)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输入节点数=已知变量数已知变量数输出节点数输出节点数=目标变量数目标变量数隐含层数及各层节点数隐含层数及各层节点数靠经验取值靠经验取值回目录页第21页/共34页第二十二页，共35页。2024/8/19BP算法算法(sunf)应用应用下一页分析问题，确定已知变量(binling)，目标变量(bin
12、ling)选取(xunq)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第22页/共34页第二十三页，共35页。2024/8/19BP算法算法(sunf)应用应用下一页分析问题(wnt)，确定已知变量，目标变量选取(xunq)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步长学习步长 动量因子动量因子 允许误差允许误差 迭代次数迭代次数回目录页第23页/共34页第二十四页，共35页。2024/8/
13、19BP算法算法(sunf)应用应用下一页分析问题，确定(qudng)已知变量，目标变量选取(xunq)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随机取权值的初始值取值通常为取值通常为 0 附近附近回目录页第24页/共34页第二十五页，共35页。2024/8/19BP算法算法(sunf)应用应用下一页分析问题，确定(qudng)已知变量，目标变量选取(xunq)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
14、学习参数重新分析问题回目录页第25页/共34页第二十六页，共35页。2024/8/19BP算法算法(sunf)应用应用分析问题，确定(qudng)已知变量，目标变量选取(xunq)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第26页/共34页第二十七页，共35页。2024/8/19优化模型优化模型(mxng)x1yBP神经网络神经网络Wxn确确定定(qudng)自自变量值变量值指指 定定 (zhdng)目目标变量值标变量值模模拟拟模模型型优优化化模模型型回目录页第27页/共34页第二十八页，
15、共35页。2024/8/19建模实例建模实例(shl)下一页BP神经网络神经网络建建立立(jinl)钢钢线线含含碳碳量量与与电电阻阻效效应应的的关系式关系式变变量量变量名称变量名称样本数据样本数据(实验值实验值)1234567已知变量已知变量 碳含量碳含量x%0.1 0.3 0.4 0.550.60.80.95目标变量目标变量 电阻电阻R1518192122.623.826回目录(ml)页第28页/共34页第二十九页，共35页。建模实建模实例例(shl)网络结构网络结构: 1 : 3 : 15 : 1学学习习(xux)参参数数: =0.9 =0.9 1=10-4 2=10-5经经过过6900次
16、次学学习习 计计算算输输出出的的误误差差达达到到(d do)要求要求 变变量量学习结果与样本比较学习结果与样本比较1234567输输入入 x0.10.30.40.550.60.80.95计算输出计算输出15.1517.8619.1920.8922.5523.9325.79样本输出样本输出1518192122.623.826利用建好的网络作计算利用建好的网络作计算(称为预测称为预测)x R 计算得到计算得到 对对 比比 统计模型统计模型 Rx x=0.45 R=19.60 回目录页第29页/共34页第三十页，共35页。工程工程(gngchng)实例实例下一页BP神经网络神经网络乙乙苯苯脱脱氢氢反
17、反应应器器操操作作(cozu)工工况况的的模拟模拟乙苯乙苯苯乙烯苯乙烯蒸蒸 汽汽(zhn q)乙苯乙苯+水蒸汽水蒸汽苯乙烯苯乙烯脱氢脱氢回目录页第30页/共34页第三十一页，共35页。工程工程(gngchng)实例实例下一页操作参数操作参数名名称称单位单位t催化剂使用时间催化剂使用时间天天F乙苯进料量乙苯进料量NM3/hT1第一级反应器入口温度第一级反应器入口温度T2第二级反应器入口温度第二级反应器入口温度SOR蒸汽蒸汽EB重量比重量比P一、二级反应器出口压差一、二级反应器出口压差Mpa控制目标控制目标名名称称y1一段出口转化率一段出口转化率y2一段出口转化率一段出口转化率y总收率总收率回目录
18、(ml)页第31页/共34页第三十二页，共35页。工程工程(gngchng)实例实例下一页样样本本号号TSORFT1T2Py1y2y131.718.066056070.04431.1542.0759.682581.412.536136160.05834.7835.5557.7631601.5616.26156210.04437.8939.7362.2142091.519.266276280.04239.5540.4663.7852581.3918.836216240.04941.1540.3662.4363501.5519.676296370.05438.636.6460.8173921.54
19、17.176306250.05233.3633.4155.61回目录(ml)页第32页/共34页第三十三页，共35页。工程工程(gngchng)实实例例网络结构网络结构: 6 : 10 :3学学习习(xux)参参数数: =0.9 =0.7 1=10-2 2=10-3经经过过10000次次学学习习 计计算算(j sun)输输出出的的误误差差达达到要求到要求 变变量量总收率总收率y学习结果与样本比较学习结果与样本比较1234567样本输出样本输出59.6857.7662.2163.7862.4360.8155.61计算输出计算输出59.2757.8861.9764.0461.8060.0455.9
20、3绝对误差绝对误差0.41-0.120.24-0.260.690.77-0.32预预测测操作参数（操作参数（300，1.5，19，628，630，0.05）计算值计算值生产值生产值总收率总收率y60.7795%60.79%回目录页第33页/共34页第三十四页，共35页。内容(nirng)总结会计学。2021/10/16。回目录页。第1页/共34页。离 线 调 优。第2页/共34页。调 优 方 法。 基于人工神经网络的智能模型法。BP算法及BP网络的应用(yngyng)。过 程 系 统 优 化 模 型。第10页/共34页。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。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。输出节点数=目标变量数第三十五页，共35页。
