機(jī)械制造自動化技術(shù)及工程應(yīng)用講稿6-文庫吧資料
2025-03-07 13:06本頁面
【正文】 Y2=切片單體含量； ? X1=前聚上段壁溫 （ ℃ ） ； X2=前聚下段壁溫 （ ℃ ） ； ? X3=前聚泡罩溫度 （ ℃ ） ； X4=聚合泡罩溫度 （ ℃ ） ； ? X5=聚合一段夾套溫度 （ ℃ ） ； X6=聚合二段夾套溫度 （ ℃ ） ；X7=聚合三段夾套溫度 （ ℃ ） ； X8=聚合四段夾套溫度 （ ℃ ） ；X9=聚合五段夾套溫度 （ ℃ ） 聚合反應(yīng)過程的統(tǒng)計優(yōu)化模型 ? 考慮到設(shè)備負(fù)荷約束及生產(chǎn)工藝約束 ，所建立的以切片單體含量為目標(biāo)函數(shù)的優(yōu)化模型如下： ? 目標(biāo)函數(shù)： min 29438743000 9009 xxxxxxxx??????? 約束條件： 18 94317 800299754343222???????????xxxxxxxxxx 2622482?? x2532493?? x2392354?? x2752715?? x2782237?? x2322208?? x2402289?? x 聚合反應(yīng)過程的統(tǒng)計優(yōu)化模型 ? 通過統(tǒng)計模型分析 ， 得到各因素對鑄帶切片單體含量影響由大到小依次是： ? X9→X4→X7→X8→X3→X5 ? 4 過程優(yōu)化模型的求解 ? 模擬退火算法 （ SA） ? 模擬退火算法是 80年代初發(fā)展起來的一種求解大規(guī)模組合優(yōu)化問題的隨機(jī)性方法 。但溫度越高，達(dá)到平衡時聚合物的粘度越低，平均分子量越低。數(shù)據(jù)呈現(xiàn)：按恰當(dāng)?shù)姆绞奖憩F(xiàn)所需信息 。數(shù)據(jù)分析：將數(shù)據(jù)轉(zhuǎn)換成有用信息 。數(shù)據(jù)管理：將數(shù)據(jù)置于可用狀態(tài) 。數(shù)據(jù)訪問：在分散的數(shù)據(jù)間建立聯(lián)系 。 ? 3 過程優(yōu)化的統(tǒng)計建模 ? SAS系統(tǒng)以數(shù)據(jù)為中心 ， 對數(shù)據(jù)進(jìn)行訪問 、管理 、 分析及呈現(xiàn) 。 SAS的最大優(yōu)點是為計算機(jī)應(yīng)用的四大數(shù)據(jù)驅(qū)動任務(wù)提供了豐富的功能 。在數(shù)據(jù)處理與統(tǒng)計分析領(lǐng)域， SAS系統(tǒng)被譽(yù)為國際上的標(biāo)準(zhǔn)軟件。 過程建模及模型優(yōu)化方法 ? 人工神經(jīng)網(wǎng)絡(luò)的信息分布地存在于連接權(quán)系數(shù)中，使網(wǎng)絡(luò)具有很高的容錯性和魯棒性，多層前饋神經(jīng)網(wǎng)絡(luò)能夠以任意精度逼近任意非線性映射，固有的學(xué)習(xí)能力降低了不確定性，增加了適應(yīng)環(huán)境變化的泛化能力，因此神經(jīng)網(wǎng)絡(luò)理論在工業(yè)生產(chǎn)過程優(yōu)化中的應(yīng)用越來越廣泛。 為了避免陷于局部最優(yōu)解 ， 必須采用基于隨機(jī)搜索的算法 。 過程建模及模型優(yōu)化方法 ? 因此生產(chǎn)過程的操作優(yōu)化大多數(shù)仍采用統(tǒng)計建模的方法 ， 通過采集大量歷史工藝數(shù)據(jù) ， 利用多元非線性逐步回歸方法擬合出過程的數(shù)學(xué)模型 ， 在此基礎(chǔ)上建立過程的優(yōu)化模型 ， 并尋求合適的優(yōu)化算法求解所得的優(yōu)化模型 。 過程建模及模型優(yōu)化方法 ? 對于大多數(shù)工業(yè)過程來說 ， 要建立機(jī)理模型一般是很困難的 。機(jī)理模型的最大優(yōu)點是具有非常明確的物理意義，模型的適應(yīng)性強(qiáng)，并能滿足工程上對模型精度的要求。 機(jī)理分析方法建模 ? 在對過程的物理、化學(xué)機(jī)理分析的基礎(chǔ)上，根據(jù)一些已知的定律定理和原理，列寫一系列機(jī)理
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1