基于蝙蝠算法优化ESN的氯乙烯质量分数软测量模型预测

摘要

为解决氯乙烯因其精馏过程具有较强的非线性，无法实现对氯乙烯质量分数实时测量的问题，提出一种基于蝙蝠算法(bat algorithm, BA)优化回声状态网络(echo state network, ESN)的软测量模型BA-ESN.首先，通过对氯乙烯精馏过程的分析，选取模型的辅助变量，并将归一化处理后的数据作为模型输入变量；其次，由于回声状态网络中的权值和阈值都是随机产生的，影响其泛化能力，故采用蝙蝠算法对回声状态网络的输出权值进行优化，从而提高ESN模型的收敛速度；最后，将BA-ESN模型预测氯乙烯质量分数的预测结果与ESN模型和BP模型的预测结果进行对比.仿真结果表明：BA-ESN模型的预测精度较高，泛化能力和鲁棒性都较好，能够满足氯乙烯精馏过程实时测量的要求.

关键词

氯乙烯精馏过程 / 软测量 / 蝙蝠算法 / 回声状态网络

基金资助

辽宁省自然科学基金项目(20170540725); 辽宁省高端人才建设项目-辽宁省特聘教授(﹝2018﹞3533)