基于信息融合的气相PE反应器结块监测

发布时间：2017-09-15 18:21

  本文关键词：基于信息融合的气相PE反应器结块监测

  更多相关文章： 气相聚乙烯 流化床 结块监测 柔化SVDD D-S信息融合

【摘要】：聚乙烯(Polyethylene,简称PE)是一种常见热塑性树脂,由乙烯单体经过聚合反应而成。自1922年成功合成,到产品产业化至今已有60多年历史,且占居全球五大泛用树脂之首。在我国,PE也是合成类树脂产能最大、进口量最大的品种,且采用气相法工艺生产PE超过60%。虽然气相法生产工艺具有众多优点,但与溶液法相比,存在传质传热不均等现象,直接导致物料结块、料位非正常波动、流型不稳定等问题。若对其处理不及时,则会带来经济损失及安全隐患。针对气相法PE生产特点及现有检测技术,设计冷模流化床实验装置及基于信息融合的气相PE反应器结块监测系统。通过利用声发射技术对气相PE流化床反应器进行声波振动信号的采集,并对原始信号进行预处理与声纹特征参数的提取及分析。结合统计学习方法中的支持向量数据描述进行单传感器单类别及多类别结块监测模型的建立及识别,并通过隶属度函数对识别结果的柔化处理,关联距离差与粒径关系。最后通过利用D-S证据理论对多个传感器通道识别结果进行决策层级信息融合,在一定程度上实现了对正常物料状态,微结块物料状态及重结块物料状态的准确识别。大量实验结果表明：声波振动信号可以很好的反映气相PE流化床反应器内部物料粒径差异性；对原始信号进行MFCC及LPCC特征参数提取并将其组合,从而有效的提升了类间距离,增加数据可分性；且将多种确定粒径均一物料数据进行二次监测模型的训练,有效地实现了对粒径不均一的混合物料识别；最终通过对多个传感器(通道)的识别结果进行D-S证据理论的信息融合,在一定程度上提升识别全局性,降低了不确定性等,充分验证了信息融合方法的有效性,且该方法实现较为容易,开放性较好,具有较高的工程实用意义。
【关键词】：气相聚乙烯 流化床 结块监测 柔化SVDD D-S信息融合
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ325.12;TQ052
【目录】：

• 学位论文数据集3-4
• 摘要4-6
• ABSTRACT6-15
• 第一章 绪论15-23
• 1.1 研究目的和意义15-16
• 1.1.1 气相聚乙烯生产发展简介15
• 1.1.2 实际生产中存在的问题15-16
• 1.2 国内外研究现状及发展趋势16-18
• 1.3 信息融合技术概述18-20
• 1.3.1 信息融合技术的发展与现状18-19
• 1.3.2 信息融合技术故障诊断简介19-20
• 1.4 文本主要工作与结构体系20-23
• 第二章 冷模实验装置及气相PE反应器结块监测系统设计23-41
• 2.1 气相PE工艺装置简介23-27
• 2.1.1 实际气相聚乙烯流化床生产装置介绍23-25
• 2.1.2 气相聚乙烯流化床中试实验装置介绍25-27
• 2.2 气相PE流化床冷模实验装置设计与实现27-30
• 2.3 基于声波振动信号的气相PE流化床反应器结块监测系统30-38
• 2.3.1 声发射技术简介30-31
• 2.3.2 声波振动信号来源及分析31
• 2.3.3 基于声波振动信号的气相PE流化床反应器结块监测系统硬件设计31-36
• 2.3.4 基于声波振动信号的气相PE流化床反应器结块监测系统软件设计36-38
• 2.4 气相聚乙烯流化床冷模实验设计38-39
• 2.5 小结39-41
• 第三章 气相PE反应器声波振动信号特征参数提取及分析41-61
• 3.1 语音识别概述41-42
• 3.2 气相PE流化床反应器内部物料声波振动信号分析42-47
• 3.2.1 信号时域分析43-44
• 3.2.2 信号频域分析44-46
• 3.2.3 其他特征参数分析46-47
• 3.3 声波特征参数提取及分析47-58
• 3.3.1 原始信号预处理48-51
• 3.3.2 声波振动信号的MFCC特征参数提取及分析51-55
• 3.3.3 声波振动信号的LPCC特征参数提取及分析55-58
• 3.4 声纹特征参数维度确定58-59
• 3.5 小结59-61
• 第四章 基于柔化SVDD的气相PE反应器结块监测模型61-77
• 4.1 引言61
• 4.2 支持向量数据描述的监测模型建立61-72
• 4.2.1 支持向量数据描述思想61-62
• 4.2.2 支持向量数据描述基础理论62-64
• 4.2.3 核函数及相关参数的确定64-67
• 4.2.4 单类别SVDD结块监测模型67-70
• 4.2.5 多类别SVDD结块监测模型70-72
• 4.2.6 小结72
• 4.3 基于柔化SVDD的结块监测模型建立72-76
• 4.3.1 模糊数学理论概述72-73
• 4.3.2 隶属度函数介绍与选择73-74
• 4.3.3 基于柔化SVDD结块监测模型建立及实验结果74-76
• 4.4 小结76-77
• 第五章 基于D-S证据理论的信息融合PE反应器结块监测77-95
• 5.1 引言77
• 5.2 多传感器信息融合技术介绍77-82
• 5.2.1 多传感器信息融合技术定义77-78
• 5.2.2 多传感器信息融合基本原理78
• 5.2.3 多传感器信息融合技术层级78-80
• 5.2.4 多传感器技术融合算法80-82
• 5.3 基于D-S证据理论的信息融合PE流化床反应器结块监测82-84
• 5.3.1 Dempster-Shafer证据理论基本理论82-83
• 5.3.2 Dempster-Shafer合成规则83-84
• 5.4 基于D-S证据理论信息融合的气相PE流化床反应器结块监测84-92
• 5.4.1 采用多传感器信息融合的原因84
• 5.4.2 基于D-S证据理论信息融合的气相PE结块监测框架84-86
• 5.4.3 实验结果及分析86-92
• 5.5 小结92-95
• 第六章 总结与展望95-97
• 6.1 总结95-96
• 6.2 展望96-97
• 参考文献97-101
• 致谢101-103
• 研究成果及发表的学术论文103-105
• 作者和导师简介105-107
• 硕士研究生学位论文答辩委员会决议书107-108

，

本文编号：858155