基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法技术

本发明专利技术公开了基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法，所述方法包括：收集聚酯生产工艺中的全量数据，收集酯化物二甘醇取样化验数据；将全量数据在xgboost模型上进行运算得到酯化物二甘醇含量预测结果；将取样化验数据作为标准值与预测结果进行对比，根据不同数据变化时对结果的影响大小，筛选出对二甘醇影响较大的特定数据；对筛选出的数据进行加权后，将全量数据在xgboost模型上进行运算得到二甘醇预测结果；重复以上步骤，每一分钟对酯化物二甘醇含量进行预测并页面展示。全量数据以及化验数据的采集全部由装置自动集成，提高预测的准确性，提升了聚酯生产的稳定性，减少产品中二甘醇波动，减少了后道染色生产中的色差，增加了生产效益。增加了生产效益。

【技术实现步骤摘要】
基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法


[0001]本专利技术涉及聚酯工艺指标预测的
，具体涉及一种基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法。

技术介绍

[0002]纺织纤维材料是国民经济发展重要的基础材料。在纺织纤维材料中，以聚酯为主要原料的涤纶长丝产业占据主导地位。随着产业的技术发展和相关企业的迅速扩张，产品市场已经从“价格、数量竞争”转为“质量竞争”。
[0003]在涤纶长丝的后道应用中，染色均匀性是一项重要的质量指标，出现色差将极大影响用户的效益，色差产品仅能降等处理或者废弃，导致从原油炼化到聚酯纺丝的全部生产资源的极大浪费。聚酯酯化过程是长丝生产过程中的重要工序，酯化环节的二甘醇生成直接决定了涤纶长丝产品中的二甘醇含量，而涤纶长丝中二甘醇的含量又对后道的染色色差有直接影响，因此研究酯化物中二甘醇含量的检测或预测方法有着重要的意义。目前，传统取样化验法进行酯化二甘醇检测存在化验结果延迟、无法时时跟踪聚酯工艺状况以及化验成本较高等问题。

技术实现思路

[0004]为了解决现有技术中存在的某种或某些技术问题，本申请的目的在于提供基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法，全量数据以及化验数据的采集全部由装置自动集成，提高预测的准确性，提升了聚酯生产的稳定性，减少产品中二甘醇波动，减少了后道染色生产中的色差，增加了生产效益。
[0005]为解决上述现有的技术问题，本申请采用如下技术方案实现：
[0006]基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法，所述方法包括如下步骤：
[0007]A1：收集聚酯生产工艺中的工艺控制变量、监测变量、关键原辅料质量指标的全量数据，收集酯化物二甘醇取样化验数据，所述二甘醇取样化验数据参考GB/T 14190测试得到；
[0008]A2：将所述全量数据在xgboost模型上进行运算得到酯化物二甘醇含量预测结果；
[0009]A3：将A1中的所述酯化物二甘醇的取样化验数据作为标准值与A2中的所述酯化物二甘醇含量预测结果进行对比，根据不同数据变化时对结果的影响大小，筛选出对二甘醇影响较大的特定数据；
[0010]A4：对A3中筛选出的所述数据进行加权后，将全量数据在xgboost模型上进行运算得到二甘醇预测结果；
[0011]A5：重复以上步骤，每一分钟对所述酯化物二甘醇含量进行预测并页面展示。
[0012]可选的，当所述步骤A1中的全量数据出现缺失值时，通过插值法、滑动平均方法补全或采用模型对该点的预测值补全缺失值。
[0013]可选的，所述全量数据中每个变量均设有正常值域，当生产过程中收集的数据产生异常值时，对异常值进行剔除。
[0014]可选的，所述步骤A4中每当有化验数据补充时，自动进行数据筛选与更正，然后通过xgboost模型的回归训练，不断提升二甘醇含量预测准确度。
[0015]可选的，所述酯化物二甘醇的取样化验频次为2
‑
6小时一次。
[0016]可选的，所述工艺控制变量包括投料口温度指示、对苯二甲酸旋转给料器速度、浆料调配槽搅拌器速度、浆料温度指示、浆料输送泵速度、浆料中精对苯二甲酸百分比控制、浆料调配槽液位控制、二甘醇供料泵出口流量控制、浆料罐热媒温度指示、酯化搅拌器转速、酯化反应器搅拌器气相压力控制、进酯化反应器回用乙二醇流量控制、酯化反应器液位控制、酯化反应器加热用一次热媒温度控制、酯化热媒蒸发器出口热媒温度控制、酯化热媒循环泵出口热媒温度控制中的一种或多种。
[0017]可选的，所述监测变量包括配料摩尔比、浆料配置槽温度、浆料配置槽搅拌器电机电流指示、浆料配置槽浆料密度指示、酯化反应器浆料密度指示、酯化反应器搅拌器电流指示、回用乙二醇温度、乙二醇溢流槽液位、工艺塔塔顶温度、乙二醇流量、酯化反应器液位中的一种或多种。
[0018]可选的，所述关键原料质量指标包括精对苯二甲酸的酸值、平均粒径、对甲基苯甲酸含量、对羧基苯甲醛含量和乙二醇的含水率、杂质以及辅料二甘醇的含水率中的一种或多种。
[0019]可选的，所述酯化物二甘醇含量精确到小数点后两位，单位为％。
[0020]相比现有技术，本专利技术的有益效果在于：
[0021]本专利技术中的工艺控制变量、监测变量、原辅料质量以及酯化物二甘醇取样化验数据的采集全部由装置目前已有的数字采集手段集成，完全杜绝了人为操作的干扰，并且能够最大限度的反映实际生产过程中的工艺状况；同时通过对酯化物二甘醇含量的预测结果来看，不断的自训练模式使得预测结果越来越接近化验室化验结果，在保证了预测结果准确性的同时，客观上可以降低人员化验取样的频次，减少了化验的时间、物料成本投入；可实现每一分钟对酯化物二甘醇含量进行预测，为工艺控制人员实时掌握工艺生产状况提供有利条件，提升了聚酯生产控制的稳定性，减少产品中二甘醇波动，减少了后道染色生产中的色差，增加了生产效益。
具体实施方式
[0022]下面，结合具体实施方式，对本申请做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
[0023]基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法，所述方法包括如下步骤：
[0024]A1：收集聚酯生产工艺中的工艺控制变量、监测变量、关键原辅料质量指标的全量数据，收集酯化物二甘醇取样化验数据，所述二甘醇取样化验数据参考GB/T 14190测试得到；所述工艺控制变量包括投料口温度指示、对苯二甲酸旋转给料器速度、浆料调配槽搅拌器速度、浆料温度指示、浆料输送泵速度、浆料中精对苯二甲酸百分比控制、浆料调配槽液位控制、二甘醇供料泵出口流量控制、浆料罐热媒温度指示、酯化搅拌器转速、酯化反应器
搅拌器气相压力控制、进酯化反应器回用乙二醇流量控制、酯化反应器液位控制、酯化反应器加热用一次热媒温度控制、酯化热媒蒸发器出口热媒温度控制、酯化热媒循环泵出口热媒温度控制中的一种或多种；
[0025]所述监测变量包括配料摩尔比、浆料配置槽温度、浆料配置槽搅拌器电机电流指示、浆料配置槽浆料密度指示、酯化反应器浆料密度指示、酯化反应器搅拌器电流指示、回用乙二醇温度、乙二醇溢流槽液位、工艺塔塔顶温度、乙二醇流量、酯化反应器液位中的一种或多种；
[0026]所述关键原料质量指标包括精对苯二甲酸的酸值、平均粒径、对甲基苯甲酸含量、对羧基苯甲醛含量和乙二醇的含水率、杂质以及辅料二甘醇的含水率中的一种或多种；
[0027]A2：将所述全量数据在xgboost模型上进行运算得到酯化物二甘醇含量预测结果；所述酯化物二甘醇含量精确到小数点后两位，单位为％；通过优化后的模型，预测出的二甘醇含量值与离线化验分析数值的平均相对误差能够控制在
±
0.3％以内，从而满足指导生产控制的要求。
[0028]A3：将A1中的所述酯化物二甘醇的取样化验数据作为标准值与A2中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法，其特征在于：所述方法包括如下步骤：A1：收集聚酯生产工艺中的工艺控制变量、监测变量、关键原辅料质量指标的全量数据，收集酯化物二甘醇取样化验数据；A2：将所述全量数据在xgboost模型上进行运算得到酯化物二甘醇含量预测结果；A3：将A1中的所述酯化物二甘醇的取样化验数据作为标准值与A2中的所述酯化物二甘醇含量预测结果进行对比，根据不同数据变化时对结果的影响大小，筛选出对二甘醇影响较大的特定数据；A4：对A3中筛选出的所述数据进行加权后，将全量数据在xgboost模型上进行运算得到二甘醇预测结果；A5：重复以上步骤，每一分钟对所述酯化物二甘醇含量进行预测并页面展示。2.根据权利要求2所述的基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法，其特征在于：当所述步骤A1中的全量数据出现缺失值时，通过插值法、滑动平均方法补全或采用模型对该点的预测值补全缺失值。3.根据权利要求1或2所述的基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法，其特征在于：所述全量数据中每个变量均设有正常值域，当生产过程中收集的数据产生异常值时，对异常值进行剔除。4.根据权利要求1所述的基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法，其特征在于：所述步骤A4中每当有化验数据补充时，自动进行数据筛选与更正，然后通过xgboost模型的回归训练，不断提升二甘醇含量预测准确度。5.根据权利要求1所述的基于XGBOOST回归模型预测聚酯酯化物二甘醇含量的方法，其特征...

【专利技术属性】
技术研发人员：陈士良，孙燕琳，陈文兴，吕汪洋，林雪燕，莫威，秦夏楠，金建富，冯天宇，沈心怡，
申请(专利权)人：浙江理工大学浙江中控技术股份有限公司浙江恒云智联数字科技有限公司，
类型：发明
国别省市：