基于数据驱动的复杂工业过程软测量方法研究与应用

发布时间：2021-11-22 01:12

　　复杂工业过程是制造业的重要组成部分,是我国国民经济和社会发展的支柱产业。在金属冶炼、选矿等传统行业,存在大量的关键工艺参数无法在线检测,导致该类行业综合控制水平落后,面临着巨大的产业升级改造压力。为了提高现代工业竞争力,实时在线监测与稳定控制对于保证生产安全和提高产品质量至关重要,本文围绕复杂工业过程监控与优化控制所面临的瓶颈,利用基于数据驱动的软测量技术解决工业过程检测与控制存在的难题,为实现复杂工业信息化和智能化发展奠定技术基础,重点研究以下几个方面:1)针对单一预测模型不能反映工业间歇过程中多阶段特性及阶段间过渡特性问题,提出一种基于Gath-Geva聚类和核极限学习机的多模型软测量方法。首先采用主成分分析（Principal Component Analysis,PCA）对输入做特征提取,然后利用Gath-Geva算法对间歇过程进行多阶段工况划分,分别建立局部KELM模型,将各局部模型的模糊隶属度作为权重对局部KELM模型预测值进行加权得到最终预测值。本文以青霉素发酵数据进行实验测试,结果表明本文所提多模型算法相较于单一模型,具有更高的预测精度。2)针对间歇过程软测量易受离群点... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：131 页

【学位级别】：博士

【部分图文】：

工业过程生产现场

图2.5分割系数和分类熵指标验证最佳聚类数目

青霉素阶段辨识结果

【参考文献】：
期刊论文
[1]数据驱动的工业过程运行监控与自优化研究展望[J]. 刘强,卓洁,郎自强,秦泗钊.  自动化学报. 2018(11)
[2]基于数据驱动多输出ARMAX建模的高炉十字测温中心温度在线估计[J]. 周平,刘记平.  自动化学报. 2018(03)
[3]集成自编码与PCA的高炉多元铁水质量随机权神经网络建模[J]. 周平,张丽,李温鹏,戴鹏,柴天佑.  自动化学报. 2018(10)
[4]有色冶金净化过程建模与优化控制问题探讨[J]. 孙备,张斌,阳春华,桂卫华.  自动化学报. 2017(06)
[5]基于数据的流程工业生产过程指标预测方法综述[J]. 陈龙,刘全利,王霖青,赵珺,王伟.  自动化学报. 2017(06)
[6]数据与模型驱动的电熔镁群炉需量预报方法[J]. 杨杰,柴天佑,张亚军,吴志伟.  自动化学报. 2018(08)
[7]Calibration of soft sensor by using Just-in-time modeling and Ada Boost learning method[J]. Huan Min,Xionglin Luo.  Chinese Journal of Chemical Engineering. 2016(08)
[8]基于Bootstrap的高炉铁水硅含量二维预报[J]. 蒋朝辉,董梦林,桂卫华,阳春华,谢永芳.  自动化学报. 2016(05)
[9]基于多变量相空间重构和卡尔曼滤波的冷热电联供系统负荷预测方法[J]. 赵峰,孙波,张承慧.  中国电机工程学报. 2016(02)
[10]时变过程在线辨识的即时递推核学习方法研究[J]. 刘毅,金福江,高增梁.  自动化学报. 2013(05)

博士论文
[1]基于局部学习的自适应软测量建模方法研究[D]. 邵伟明.中国石油大学(华东) 2016
[2]基于即时学习的复杂非线性过程软测量建模及应用[D]. 袁小锋.浙江大学 2016
[3]基于燃煤火焰图像的回转窑烧结工况鲁棒检测方法研究[D]. 陈华.湖南大学 2014



本文编号：3510632