基于复杂网络目标控制理论的化工SDG关键变量的识别

发布时间：2023-04-01 14:23

　　随着化工生产规模的不断扩大,其复杂度以及一体化程度也在相继提高,同时对化工生产过程的安全运行提出了更高的要求。识别化工生产过程中的关键变量并对其进行有效地监测和控制,能够降低化工生产过程的运行风险,对生产系统的安全稳定运行具有重要意义。因此,本课题提出基于复杂网络理论对化工过程网络进行鲁棒性分析,并将复杂网络的目标控制理论应用到化工生产过程中关键变量的识别。首先,根据化工工艺流程构建系统的SDG(Signed Directed Graph)模型,建立网络的邻接矩阵并将其转化为有向网络模型。采用Leader Rank算法和节点相似度算法对网络中各节点重要性进行评估,然后选取最大连通度、特征路径长度和网络效率作为评价指标,通过随机攻击和蓄意攻击两种方式对化工过程网络进行鲁棒性分析并得出随机攻击下的网络鲁棒性高于蓄意攻击下的网络鲁棒性。其次,考虑网络中驱动节点的重要性,基于复杂网络目标控制理论识别化工过程网络中的关键变量。以蓄意攻击时网络的鲁棒性评价为基准来选取目标节点,通过最小路径覆盖算法对网络进行目标控制分析,确定网络的驱动节点集,进而获得网络中需要重点监测的变量即关键变量。最后,基于组...

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
符号说明
1 文献综述
    1.1 研究背景
    1.2 符号有向图
        1.2.1 符号有向图简介
        1.2.2 化工SDG的研究进展
        1.2.3 化工过程关键变量识别的研究现状
    1.3 复杂网络概述
        1.3.1 复杂网络的基本概念
        1.3.2 网络的图表示
        1.3.3 网络节点和边的重要性
            1.3.3.1 网络节点重要性
            1.3.3.2 网络边重要性
    1.4 复杂网络鲁棒性
    1.5 复杂网络目标控制理论及应用
    1.6 研究内容及技术路线
        1.6.1 研究内容
        1.6.2 技术路线
    1.7 创新点
2 基于复杂网络目标控制理论的化工过程重要变量的识别
    2.1 网络模型的建立
    2.2 基于SRank算法的节点重要性评价
        2.2.1 Leader Rank算法的求解步骤
        2.2.2 节点相似度的定义
        2.2.3 基于SRank算法的节点重要性排序
    2.3 化工过程网络鲁棒性分析
        2.3.1 网络鲁棒性简介
        2.3.2 网络鲁棒性评价指标的选取
        2.3.3 攻击方式的确立
    2.4 基于最小路径覆盖算法的化工过程网络目标控制分析
        2.4.1 复杂网络目标控制理论简介
        2.4.2 目标节点的选取
        2.4.3 基于最小路径覆盖算法求解驱动节点
    2.5 本章小结
3 基于组合权重-TOPSIS法的化工SDG关键路径的识别
    3.1 概述
    3.2 网络边重要性评价指标的选取
    3.3 组合权重-TOPSIS算法的求解策略
        3.3.1 基于熵权法计算指标权重
        3.3.2 基于层次分析法计算指标权重
        3.3.3 组合权重的确立
        3.3.4 基于TOPSIS法计算网络边重要性
    3.4 本章小结
4 案例分析
    4.1 案例一
        4.1.1 建立网络模型
        4.1.2 网络鲁棒性分析
        4.1.3 基于最小路径覆盖算法识别系统的关键变量
        4.1.4 基于组合权重-TOPSIS法识别系统的关键路径
    4.2 案例二
        4.2.1 建立网络模型
        4.2.2 网络鲁棒性分析
        4.2.3 基于最小路径覆盖算法识别系统的关键变量
        4.2.4 基于组合权重-TOPSIS法识别系统的关键路径
    4.3 案例三
        4.3.1 建立网络模型
        4.3.2 网络鲁棒性分析
        4.3.3 基于最小路径覆盖算法识别系统的关键变量
        4.3.4 基于组合权重-TOPSIS法识别系统的关键路径
结论与展望
参考文献
致谢
攻读学位期间发表的学术论文目录



本文编号：3777300