人工智能與大數(shù)據(jù)：工業(yè)聚丙烯智能制造

本書(shū)系統(tǒng)闡述了烯烴聚合智能制造的自動(dòng)化與智能化核心瓶頸生產(chǎn)難題與科學(xué)前沿問(wèn)題——熔融指數(shù)預(yù)報(bào)的機(jī)理建模與數(shù)據(jù)驅(qū)動(dòng)建模方法。從人工智能與數(shù)據(jù)解析的角度，針對(duì)聚丙烯工業(yè)生產(chǎn)的MI預(yù)報(bào)實(shí)際問(wèn)題和實(shí)際生產(chǎn)數(shù)據(jù)，系統(tǒng)闡述了該領(lǐng)域國(guó)內(nèi)外研究現(xiàn)狀，特別是筆者二十多年來(lái)所指導(dǎo)的數(shù)十名碩士生、博士生、博士后從事該領(lǐng)域?qū)嶋H生產(chǎn)研究的相關(guān)方法、思路與成果，使讀者近距離全面了解人工智能與數(shù)據(jù)解析方法在智能制造中的實(shí)際應(yīng)用情況。
本書(shū)可作為高等院校自動(dòng)化、控制科學(xué)與工程、控制系統(tǒng)工程、計(jì)算機(jī)科學(xué)與技術(shù)、數(shù)學(xué)與應(yīng)用數(shù)學(xué)、化工工程、材料科學(xué)與技術(shù)等相關(guān)專(zhuān)業(yè)的教材，也可作為有關(guān)研究人員和工程技術(shù)人員的參考書(shū)。

本書(shū)有以下特點(diǎn)： 1.突出實(shí)踐性。該書(shū)的內(nèi)容緊密結(jié)合工業(yè)制造實(shí)踐，提供了大量的案例和應(yīng)用場(chǎng)景，能夠幫助讀者更好地理解人工智能在制造業(yè)的應(yīng)用。 2.著重講解數(shù)據(jù)處理和機(jī)器學(xué)習(xí)技術(shù)，具有熱點(diǎn)性。該書(shū)詳細(xì)介紹了數(shù)據(jù)預(yù)處理、特征工程、模型訓(xùn)練和評(píng)估等方面的技術(shù)，涵蓋了從傳統(tǒng)的統(tǒng)計(jì)學(xué)方法到深度學(xué)習(xí)模型的應(yīng)用。 3.強(qiáng)調(diào)實(shí)驗(yàn)設(shè)計(jì)和結(jié)果分析，專(zhuān)業(yè)性強(qiáng)。該書(shū)提供了大量的實(shí)驗(yàn)數(shù)據(jù)和分析結(jié)果，能夠幫助讀者深入理解模型的性能和應(yīng)用效果。 4.強(qiáng)調(diào)數(shù)據(jù)質(zhì)量和數(shù)據(jù)可視化，直觀顯示度強(qiáng)。該書(shū)在介紹數(shù)據(jù)處理和特征工程技術(shù)時(shí)，特別強(qiáng)調(diào)了數(shù)據(jù)質(zhì)量和數(shù)據(jù)可視化的重要性。它提供了許多實(shí)用的技巧和方法，幫助讀者處理和清洗數(shù)據(jù)，并將數(shù)據(jù)可視化以更好地理解數(shù)據(jù)。

制造業(yè)，作為國(guó)民經(jīng)濟(jì)的主體，乃立國(guó)之本、興國(guó)之器、強(qiáng)國(guó)之基，在國(guó)家經(jīng)濟(jì)與軍事等諸多領(lǐng)域承擔(dān)著不可或缺的作用。開(kāi)啟工業(yè)文明四百多年來(lái)，中華民族的奮斗史、世界強(qiáng)國(guó)的興衰史一再證明：沒(méi)有強(qiáng)大的制造業(yè)，就沒(méi)有國(guó)家和民族的強(qiáng)盛。打造世界一流的制造業(yè)，是提升綜合國(guó)力、保障國(guó)家安全、建設(shè)世界強(qiáng)國(guó)的必由之路。新中國(guó)成立后，我國(guó)制造業(yè)持續(xù)快速發(fā)展，在改革開(kāi)放后更是步入了高速成長(zhǎng)時(shí)期，逐漸形成了門(mén)類(lèi)比較齊全、相對(duì)獨(dú)立、相對(duì)完整的產(chǎn)業(yè)體系。然而，我國(guó)制造業(yè)一直大而不強(qiáng)，與世界先進(jìn)水平相比，在自主創(chuàng)新能力、資源利用效率、產(chǎn)業(yè)結(jié)構(gòu)水平、信息化特別是智能化程度、生產(chǎn)品質(zhì)效益等方面差距明顯，迫切需要轉(zhuǎn)型升級(jí)，實(shí)現(xiàn)跨越發(fā)展。隨著世界產(chǎn)業(yè)競(jìng)爭(zhēng)格局的不斷演進(jìn)，我國(guó)在新一輪產(chǎn)業(yè)發(fā)展中面臨巨大挑戰(zhàn)。為了抵消國(guó)際金融危機(jī)造成的不良影響，發(fā)達(dá)國(guó)家紛紛實(shí)施“再工業(yè)化”戰(zhàn)略，重塑制造業(yè)競(jìng)爭(zhēng)新優(yōu)勢(shì)，加速推進(jìn)新一輪全球貿(mào)易投資新格局。而部分發(fā)展中國(guó)家也在加快謀劃和布局，積極參與全球產(chǎn)業(yè)再分工，承接產(chǎn)業(yè)及資本轉(zhuǎn)移，拓展國(guó)際市場(chǎng)空間。面對(duì)發(fā)達(dá)國(guó)家和其他發(fā)展中國(guó)家“雙向擠壓”的沖擊，我國(guó)制造業(yè)放眼全球、加緊戰(zhàn)略部署、著眼建設(shè)制造強(qiáng)國(guó)，固本培元、化挑戰(zhàn)為機(jī)遇、搶占制造業(yè)新一輪競(jìng)爭(zhēng)制高點(diǎn)，迫在眉睫、刻不容緩。
其中，作為石化制造龍頭產(chǎn)品之一的聚丙烯，是五種通用樹(shù)脂之一，已廣泛應(yīng)用于家用電器、汽車(chē)工業(yè)、電子產(chǎn)品、包裝、建材以及其他領(lǐng)域。聚丙烯是熱塑性塑料的后起之秀，自1957年在意大利首次工業(yè)化生產(chǎn)以來(lái)，在通用熱塑性塑料中的歷史最短、發(fā)展最快，已成為世界支柱產(chǎn)業(yè)之一。大型聚丙烯生產(chǎn)裝置是一個(gè)復(fù)雜的聚合反應(yīng)生產(chǎn)系統(tǒng)，具有強(qiáng)的非線(xiàn)性、不確定性、大的純滯后性，以及時(shí)變、分布參數(shù)和混合系統(tǒng)特性。熔融指數(shù)（MI）定義為每隔10min在一定溫度和壓力下流經(jīng)標(biāo)準(zhǔn)孔徑的熱塑性塑料的質(zhì)量，是聚丙烯生產(chǎn)產(chǎn)品質(zhì)量控制最重要的質(zhì)量指標(biāo)，也是確定產(chǎn)品不同等級(jí)的最重要的質(zhì)量指標(biāo)。但是，MI通常是在線(xiàn)取樣然后在實(shí)驗(yàn)室中通過(guò)離線(xiàn)分析的手段得到，既昂貴又費(fèi)時(shí)（2～4h），使得聚丙烯生產(chǎn)質(zhì)量控制十分困難，往往導(dǎo)致產(chǎn)品不合格或產(chǎn)品品質(zhì)下降，成為國(guó)際上聚丙烯智能制造長(zhǎng)期以來(lái)的生產(chǎn)瓶頸與難點(diǎn)、研究前沿與熱點(diǎn)。因此，開(kāi)發(fā)MI在線(xiàn)估計(jì)模型具有重要意義，它不僅是聚丙烯智能制造的MI在線(xiàn)傳感器，而且可以作為聚丙烯智能制造的預(yù)測(cè)系統(tǒng)，對(duì)于控制聚丙烯產(chǎn)品品質(zhì)、縮短不同產(chǎn)品牌號(hào)間的切換時(shí)間從而減少過(guò)渡廢料提升生產(chǎn)效益、反向設(shè)計(jì)與開(kāi)發(fā)新穎的高附加值產(chǎn)品牌號(hào)都起著決定性作用。因此，國(guó)際上3萬(wàn)多名科學(xué)家、行業(yè)專(zhuān)家都投入到該前沿?zé)狳c(diǎn)問(wèn)題的研究中。包括機(jī)理建模、數(shù)據(jù)驅(qū)動(dòng)建模以及二者的混合建模等在內(nèi)的眾多人工智能與數(shù)據(jù)解析方法被提出來(lái)，用以解決熔融指數(shù)預(yù)報(bào)這類(lèi)烯烴聚合智能制造的自動(dòng)化與智能化核心瓶頸生產(chǎn)難題與科學(xué)前沿問(wèn)題。本智能制造專(zhuān)著，從人工智能與數(shù)據(jù)解析的角度，針對(duì)聚丙烯工業(yè)生產(chǎn)的MI預(yù)報(bào)實(shí)際問(wèn)題和實(shí)際生產(chǎn)數(shù)據(jù)，系統(tǒng)闡述介紹了該領(lǐng)域國(guó)內(nèi)外研究現(xiàn)狀，特別是著者二十多年來(lái)所指導(dǎo)的數(shù)十名碩士生、博士生、博士后從事該領(lǐng)域?qū)嶋H生產(chǎn)研究的相關(guān)方法、思路與成果，作為中國(guó)制造2050的引玉之磚。
全書(shū)分為10章。第1章介紹了丙烯聚合工業(yè)及其建模的研究現(xiàn)狀與研究難點(diǎn)；第2章從機(jī)理建模的角度，介紹了課題組從多尺度建模角度在國(guó)際上提出的MPMGM丙烯聚合分子量分布預(yù)報(bào)模型與之前國(guó)際四大分子量分布模型首位的PMGM模型預(yù)報(bào)結(jié)果的比較研究情況；第3章從人工智能與數(shù)據(jù)解析的角度，介紹了國(guó)內(nèi)外包括課題組在MI預(yù)報(bào)研究上的整體情況、相關(guān)分支與原理基礎(chǔ)；第4章介紹神經(jīng)網(wǎng)絡(luò)理論及其在MI預(yù)報(bào)上的應(yīng)用研究情況，并與PCA方法相結(jié)合；第5章介紹了SVM、LSSVM、WeightedLSSVM、RVM理論及其在MI預(yù)報(bào)上的應(yīng)用情況；第6章介紹了模糊理論及其在MI預(yù)報(bào)上的應(yīng)用情況；第7章介紹了混沌理論及其在MI預(yù)報(bào)上的應(yīng)用研究情況，課題組在國(guó)際上首次發(fā)現(xiàn)并證明了MI序列是混沌的，也基于混沌律在國(guó)際上開(kāi)展了MI高精度預(yù)報(bào)的先河；第8章介紹了MS、EMD理論及其在MI預(yù)報(bào)上的應(yīng)用研究情況；第9章將前面8章的監(jiān)督學(xué)習(xí)方法，嘗試應(yīng)用到MI的半監(jiān)督或無(wú)監(jiān)督學(xué)習(xí)中，以應(yīng)對(duì)丙烯聚合不同的生產(chǎn)實(shí)際需求；第10章從群智能優(yōu)化的角度，將前面8章的研究結(jié)果進(jìn)一步提升，以解決機(jī)理或數(shù)據(jù)模型結(jié)構(gòu)或模型參數(shù)選擇上的人為因素影響，用自動(dòng)尋優(yōu)來(lái)取代目前AI領(lǐng)域普遍采用的調(diào)參師人為調(diào)參環(huán)節(jié)，進(jìn)一步使得人工智能與數(shù)據(jù)解析方法走向自動(dòng)化、智能化與最優(yōu)化，進(jìn)一步提升聚丙烯熔融指數(shù)預(yù)報(bào)智能制造水平。
本書(shū)是著者二十多年來(lái)從事烯烴聚合控制方面研究工作的一個(gè)結(jié)晶。博士生劉昭然、田子健、陳欣杰、曹藝之、郭文杰、李寅龍，碩士生黃雨昕、鄭賢澤、宋怡晨、何群山、鄺思威等參與了本書(shū)的編輯整理工作，在此一并致謝。由于著者水平有限，書(shū)中難免存在不當(dāng)之處，敬請(qǐng)讀者批評(píng)指正。

劉興高
2022年12月于浙江大學(xué)求是園

第1章 緒論001～014
1.1丙烯聚合工業(yè)介紹002
1.1.1聚丙烯及其熔融指數(shù)002
1.1.2現(xiàn)代聚丙烯工藝004
1.2過(guò)程建模005
1.2.1建模對(duì)象過(guò)程介紹005
1.2.2聚丙烯生產(chǎn)工藝流程及裝置006
1.2.3建模變量的確定008
1.3研究現(xiàn)狀010
1.3.1基于線(xiàn)性統(tǒng)計(jì)理論的預(yù)測(cè)模型010
1.3.2基于智能理論的預(yù)測(cè)模型011
1.3.3基于非線(xiàn)性理論的預(yù)測(cè)模型012
1.4研究難點(diǎn)012
思考題014
 
第2章 機(jī)理模型015～053
2.1丙烯聚合機(jī)理模型017
2.1.1微觀尺度模型018
2.1.2介觀尺度模型019
2.1.3宏觀尺度模型020
2.2丙烯聚合反應(yīng)的動(dòng)力學(xué)021
2.3單粒子增長(zhǎng)模型025
2.3.1改進(jìn)的單粒子模型的建立028
2.3.2CSA基本思想034
2.3.3模型結(jié)果與分析036
2.4聚丙烯反應(yīng)器模型041
2.4.1聚丙烯生產(chǎn)過(guò)程建模的主要困難041
2.4.2反應(yīng)機(jī)理的簡(jiǎn)化及其反應(yīng)動(dòng)力學(xué)042
2.4.3模型求解步驟047
2.4.4反應(yīng)動(dòng)力學(xué)參數(shù)的確定048
2.4.5模型參數(shù)在線(xiàn)自動(dòng)校正050
2.4.6模型運(yùn)行結(jié)果分析051
本章小結(jié)052
思考題053
 
第3章 數(shù)據(jù)驅(qū)動(dòng)方法054～074
3.1統(tǒng)計(jì)學(xué)習(xí)理論基本概念056
3.1.1最小化期望風(fēng)險(xiǎn)的準(zhǔn)則057
3.1.2建立有用預(yù)測(cè)變量的規(guī)則059
3.2常用統(tǒng)計(jì)學(xué)習(xí)方法061
3.2.1統(tǒng)計(jì)分析061
3.2.2NNs063
3.2.3支持向量機(jī)068
3.2.4混沌072
3.2.5半監(jiān)督073
本章小結(jié)073
思考題074
 
第4章 神經(jīng)網(wǎng)絡(luò)075～094
4.1人工神經(jīng)網(wǎng)絡(luò)介紹076
4.1.1人工神經(jīng)網(wǎng)絡(luò)的發(fā)展077
4.1.2人工神經(jīng)網(wǎng)絡(luò)的基本功能079
4.1.3人工神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)080
4.2PCA-RBF神經(jīng)網(wǎng)絡(luò)模型的建立081
4.2.1RBF神經(jīng)網(wǎng)絡(luò)方法081
4.2.2結(jié)構(gòu)原理082
4.2.3RBF神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)的比較083
4.3主元分析法084
4.3.1問(wèn)題的提出085
4.3.2多維推廣086
4.3.3貢獻(xiàn)率和累積貢獻(xiàn)率088
4.4PCA-RBF神經(jīng)網(wǎng)絡(luò)模型在MI預(yù)報(bào)中的應(yīng)用089
4.4.1過(guò)程變量的確定及建模數(shù)據(jù)的采集089
4.4.2MI預(yù)報(bào)的PCA-RBF神經(jīng)網(wǎng)絡(luò)建模090
4.4.3仿真結(jié)果與分析091
本章小結(jié)094
思考題094
 
第5章 支持向量機(jī)095～116
5.1支持向量機(jī)簡(jiǎn)介096
5.1.1支持向量分類(lèi)機(jī)096
5.1.2支持向量回歸機(jī)099
5.2支持向量機(jī)理論102
5.2.1SVM非線(xiàn)性回歸原理103
5.2.2最小二乘支持向量機(jī)106
5.2.3加權(quán)最小二乘支持向量機(jī)107
5.2.4相關(guān)向量機(jī)108
5.2.5相關(guān)向量機(jī)的基本理論108
5.2.6相關(guān)向量機(jī)模型基本原理109
5.3SVM在聚丙烯熔融指數(shù)預(yù)報(bào)中的應(yīng)用111
5.3.1過(guò)程數(shù)據(jù)及其預(yù)處理111
5.3.2模型性能比較112
本章小結(jié)115
思考題115 

第6章 模糊理論117～131
6.1模糊神經(jīng)網(wǎng)絡(luò)介紹118
6.1.1模糊理論介紹118
6.1.2模糊集合119
6.1.3模糊理論的特點(diǎn)122
6.2模糊神經(jīng)網(wǎng)絡(luò)介紹123
6.3模糊神經(jīng)網(wǎng)絡(luò)在熔融指數(shù)軟測(cè)量中的應(yīng)用分析126
本章小結(jié)130
思考題131
 
第7章 混沌理論132～172
7.1混沌理論基本介紹133
7.1.1混沌理論的發(fā)展133
7.1.2混沌的定義135
7.1.3典型混沌時(shí)間序列136
7.2混沌時(shí)間序列預(yù)測(cè)的研究現(xiàn)狀139
7.3時(shí)間序列的混沌特性識(shí)別研究141
7.3.1平穩(wěn)性分析141
7.3.2非線(xiàn)性檢驗(yàn)143
7.3.3相空間重構(gòu)144
7.3.4關(guān)聯(lián)維數(shù)147
7.3.5Lyapunov指數(shù)148
7.3.6Kolmogorov熵150
7.4熔融指數(shù)時(shí)間序列的混沌特性分析151
7.4.1平穩(wěn)性分析151
7.4.2非線(xiàn)性檢驗(yàn)151
7.4.3相空間重構(gòu)151
7.5基于FWNN的熔融指數(shù)混沌預(yù)報(bào)研究156
7.5.1小波神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介156
7.5.2模糊小波神經(jīng)網(wǎng)絡(luò)158
7.5.3網(wǎng)絡(luò)學(xué)習(xí)算法160
7.5.4基于FWNN的熔融指數(shù)混沌預(yù)報(bào)模型165
7.6實(shí)例驗(yàn)證168
本章小結(jié)170
思考題172
 
第8章 多尺度173～191
8.1基于多尺度分析的熔融指數(shù)組合預(yù)測(cè)研究174
8.1.1小波變換174
8.1.2經(jīng)驗(yàn)?zāi)B(tài)分解176
8.2熔融指數(shù)時(shí)間序列的多尺度分析178
8.2.1小波分解與經(jīng)驗(yàn)?zāi)B(tài)分解的結(jié)果分析與比較178
8.2.2對(duì)分解序列的混沌特性分析180
8.3基于多尺度分析的熔融指數(shù)組合預(yù)測(cè)模型185
8.3.1組合預(yù)測(cè)方法185
8.3.2基于多尺度分析的熔融指數(shù)組合預(yù)測(cè)模型186
8.4實(shí)例驗(yàn)證187
本章小結(jié)190
思考題191
 
第9章 半監(jiān)督192～205
9.1基于核密度估計(jì)的稀疏貝葉斯半監(jiān)督回歸194
9.2基于KDSBSR的熔融指數(shù)預(yù)報(bào)模型198
9.3實(shí)例驗(yàn)證200
9.3.1不同熔融指數(shù)標(biāo)簽采樣率下KDSBSR模型預(yù)報(bào)效果考察200
9.3.2不同半監(jiān)督模型預(yù)報(bào)性能對(duì)比研究202
本章小結(jié)205
思考題205
 
第10章 群智能206～222
10.1基于ACO算法模型優(yōu)化研究207
10.1.1ACO算法介紹207
10.1.2ACO算法優(yōu)化D-FNN參數(shù)209
10.1.3自適應(yīng)ACO算法優(yōu)化D-FNN參數(shù)211
10.1.4ACO算法優(yōu)化效果分析212
10.2基于PSO算法模型優(yōu)化研究215
10.2.1PSO-D-FNN優(yōu)化模型215
10.2.2混沌GA/PSO優(yōu)化模型216
10.2.3PSO算法優(yōu)化效果分析219
本章小結(jié)222
思考題222
 
參考文獻(xiàn)223 

圖索引239 

表索引243