化工过程分析与合成完整版课件.ppt
概 述,机理模型法,统计模型法,智能模型法,07.11.2022,化工过程操作工况调优,概 述 机理模型法 统计模型法智能模,07.11.2022,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,02.10.2022概,07.11.2022,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,02.10.2022离 线 调 优调 优 方 式回目录页下,07.11.2022,调 优 方 法,回目录页,概 述,02.10.2022 模型 描述方法,07.11.2022,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 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,02.10.2022智能模型法 基于人工神经网络的智能模,07.11.2022,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,02.10.2022人工神经网络概述神经元x1x2xnyjx,07.11.2022,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,02.10.2022建模依据神经元下一页x1x2xnyjBP,07.11.2022,建模依据,下一页,区间线性型,x,阶跃型,Sigmoid型,回目录页,02.10.2022建模依据下一页区间线性型x1yx阶跃型1,07.11.2022,建模依据,神经网络数学模型,下一页,回目录页,Wji2,1,Wji3,2,Wji4,3,02.10.2022建模依据神经下一页x1x2x312312,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,第2个,第3个,O1,O2,O3,Oj2,Oj1,2,回目录页,建模依据神经下一页x1x2x3123123层数1O1O2O3,07.11.2022,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,O1,O2,O3,Oj1,Oj2,回目录页,02.10.2022建模依据神经下一页x1x2x312312,07.11.2022,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,O1,O2,O3,Oj1,Oj2,回目录页,02.10.2022建模依据神经下一页x1x2x312312,07.11.2022,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,02.10.2022建模依据神经下一页x1x2x312312,07.11.2022,建模依据,神经网络数学模型,下一页,Oj4=yj,第 4 层,回目录页,02.10.2022建模依据神经下一页x1x2x312312,07.11.2022,建模依据,下一页,第4层,第3层,第2层,第1层,回目录页,02.10.2022建模依据下一页第第第第回目录页,07.11.2022,建模依据,黑箱模型,x1,y,BP神经网络,xn,ANN模型,回目录页,02.10.2022建模依据黑x1yBP神经网络xn统计模型,07.11.2022,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,02.10.2022BP算法下一页BP神经网络算1. 选取,07.11.2022,BP算法,下一页,BP算法公式,核心公式,i k层神经元, 样本组数,j k+1层神经元,j 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）,j误差,回目录页,02.10.2022BP算法下一页BP核心公式i k层神经,07.11.2022,BP算法,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,02.10.2022BP算法下一页BPx1x3x2ijk+1,07.11.2022,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,ErrorBackPropagation,回目录页,02.10.2022BP算法小结下一页O=f(X)XYWWx,07.11.2022,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,02.10.2022BP算法应用下一页分析问题，确定已知变量,07.11.2022,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,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,02.10.2022BP算法应用下一页分析问题，确定已知变量,07.11.2022,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,02.10.2022BP算法应用下一页分析问题，确定已知变量,07.11.2022,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,学习步长动量因子允许误差迭代次数,回目录页,02.10.2022BP算法应用下一页分析问题，确定已知变量,07.11.2022,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,02.10.2022BP算法应用下一页分析问题，确定已知变量,07.11.2022,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,02.10.2022BP算法应用下一页分析问题，确定已知变量,07.11.2022,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,02.10.2022BP算法应用分析问题，确定已知变量，目标,07.11.2022,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,02.10.2022优化模型x1yBP神经网络Wxn确定自变,07.11.2022,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,02.10.2022建模实例下一页BP神经网络建立钢线含碳量,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,建模实例网络结构: 1 : 3 : 15 : 1学习参,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,工程实例下一页BP神经网络乙苯脱氢反应器操作工况的模拟乙苯苯,工程实例,下一页,回目录页,工程实例下一页操作参数名 称单位t催,工程实例,下一页,回目录页,工程实例下一页样131.718.066056070.0443,工程实例,网络结构: 6 : 10 :3,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,预测,操作参数（300，1.5，19，628，630，0.05）,回目录页,工程实例网络结构: 6 : 10 :3学习参数:,此课件下载可自行编辑修改，供参考！感谢您的支持，我们努力做得更好！,此课件下载可自行编辑修改，供参考！,
