基于数据挖掘的间歇性煤造气生产分析及异常诊断研究
发布时间:2023-03-30 01:07
随着化工科技水平的不断进步,化工工业近年来取得了飞速发展,在国民经济中所占的比重越来越大。作为化工领域非再生能源消耗的主力军,合成氨工业的生产过程自动控制一直是化工领域研究的重点,而在合成氨工业中,煤造气工段是整个工序中能耗最高的工段。进行造气工段工艺与自动控制研究,将会提高煤造气工段的生产效率,降低能源浪费,对合成氨工业的发展起到重要的推动作用。间歇性煤造气工段的过程控制研究难度主要在于:造气工艺比较复杂,与生产状况密切关联的实时数据和数据关系不断发生变化,适合于化工实时生产的控制传递函数和控制模型难以建立。目前这一领域的研究一直较为薄弱,工艺技术人员一般都根据自身生产经验对造气生产过程进行操作控制,甚至一些中小型规模的化工企业基本采用手动远程人工控制,这导致化工操作人员难以对造气阶段的异常情况作出及时准确处理,造成合成氨工业原材料浪费、产能低下、环境污染严重等重要问题。因此,如果能够对造气工段的历史生产数据进行分析研究,并以此对实际自动化生产进行指导,间歇性煤造气自动控制系统的控制精度与控制智能化将大大提高,从而提高化工生产效率,降低能源浪费,为合成氨化工企业带来更高的利润。本文即...
【文章页数】:89 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 研究内容及目的
1.3 合成氨工业中煤造气生产及控制发展概况
1.3.1 煤造气生产及控制国外发展概况
1.3.2 煤造气生产及控制国内发展概况
1.4 化工领域数据挖掘技术国内外研究概况
1.5 化工生产的控制监测及异常诊断国内外研究概况
1.6 本文的主要工作及内容结构安排
2 数据采集及基于小波阈值去噪的数据预处理研究
2.1 引言
2.2 数据采集、剔除与插值
2.2.1 顺昌富宝间歇性煤造气工艺简介
2.2.2 造气生产系统工艺指标介绍
2.2.3 数据采集、剔除与插值
2.3 基于小波阈值去噪的数据预处理
2.3.1 小波变换
2.3.2 小波变换去噪原理
2.3.3 小波阈值去噪原理及步骤
2.3.4 小波阈值去噪处理
2.4 本章小结
3 基于模糊C均值聚类的造气炉生产配方分析
3.1 引言
3.2 聚类分析介绍
3.3 模糊C均值聚类研究
3.3.1 模糊聚类算法
3.3.2 基于模糊集的C均值聚类算法
3.4 造气炉生产配方的模糊C均值聚类分析
3.4.1 顺昌富宝间歇性煤造气炉生产配方监控指标说明
3.4.2 2号造气炉单炉生产配方监控指标模糊C均值聚类结果分析
3.5 本章小结
4 基于因子分析的造气炉生产环境抽象监测指标提取
4.1 引言
4.2 因子分析
4.3 基于因子分析的造气炉单炉生产环境抽象监测指标提取
4.4 本章小结
5 基于PCA与KPCA的造气炉生产异常诊断研究
5.1 引言
5.2 基于PCA和KPCA的生产过程异常诊断原理及方法
5.2.1 PCA分析
5.2.2 基于PCA的异常检测诊断原理
5.2.3 构造综合异常检测统计量
5.2.4 基于PCA的异常识别方法
5.2.5 基于KPCA的异常检测诊断原理
5.3 异常检测诊断
5.3.1 数据收集与检验
5.3.2 基于PCA与KPCA方法的异常检测诊断
5.4 异常识别
5.5 本章小结
6 建立产气量多元回归模型定位新增监测控制指标测位点
6.1 引言
6.2 建立产气量多元回归模型
6.3 寻找关键控制变量定位新增监测控制指标测位点
6.4 本章小结
7 总结评价与展望
7.1 本文总结
7.2 本文的创新之处
7.3 本文的不足之处
7.4 评价
7.5 展望
参考文献
附录
附录A 基于PCA单个数据异常诊断与识别的MATLAB实现
附录B 基于PCA异常诊断与识别的MATLAB实现
附录C KPCA算法的MATLAB实现
攻读学位期间的学术论文与研究成果
致谢
本文编号:3774868
【文章页数】:89 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 研究内容及目的
1.3 合成氨工业中煤造气生产及控制发展概况
1.3.1 煤造气生产及控制国外发展概况
1.3.2 煤造气生产及控制国内发展概况
1.4 化工领域数据挖掘技术国内外研究概况
1.5 化工生产的控制监测及异常诊断国内外研究概况
1.6 本文的主要工作及内容结构安排
2 数据采集及基于小波阈值去噪的数据预处理研究
2.1 引言
2.2 数据采集、剔除与插值
2.2.1 顺昌富宝间歇性煤造气工艺简介
2.2.2 造气生产系统工艺指标介绍
2.2.3 数据采集、剔除与插值
2.3 基于小波阈值去噪的数据预处理
2.3.1 小波变换
2.3.2 小波变换去噪原理
2.3.3 小波阈值去噪原理及步骤
2.3.4 小波阈值去噪处理
2.4 本章小结
3 基于模糊C均值聚类的造气炉生产配方分析
3.1 引言
3.2 聚类分析介绍
3.3 模糊C均值聚类研究
3.3.1 模糊聚类算法
3.3.2 基于模糊集的C均值聚类算法
3.4 造气炉生产配方的模糊C均值聚类分析
3.4.1 顺昌富宝间歇性煤造气炉生产配方监控指标说明
3.4.2 2号造气炉单炉生产配方监控指标模糊C均值聚类结果分析
3.5 本章小结
4 基于因子分析的造气炉生产环境抽象监测指标提取
4.1 引言
4.2 因子分析
4.3 基于因子分析的造气炉单炉生产环境抽象监测指标提取
4.4 本章小结
5 基于PCA与KPCA的造气炉生产异常诊断研究
5.1 引言
5.2 基于PCA和KPCA的生产过程异常诊断原理及方法
5.2.1 PCA分析
5.2.2 基于PCA的异常检测诊断原理
5.2.3 构造综合异常检测统计量
5.2.4 基于PCA的异常识别方法
5.2.5 基于KPCA的异常检测诊断原理
5.3 异常检测诊断
5.3.1 数据收集与检验
5.3.2 基于PCA与KPCA方法的异常检测诊断
5.4 异常识别
5.5 本章小结
6 建立产气量多元回归模型定位新增监测控制指标测位点
6.1 引言
6.2 建立产气量多元回归模型
6.3 寻找关键控制变量定位新增监测控制指标测位点
6.4 本章小结
7 总结评价与展望
7.1 本文总结
7.2 本文的创新之处
7.3 本文的不足之处
7.4 评价
7.5 展望
参考文献
附录
附录A 基于PCA单个数据异常诊断与识别的MATLAB实现
附录B 基于PCA异常诊断与识别的MATLAB实现
附录C KPCA算法的MATLAB实现
攻读学位期间的学术论文与研究成果
致谢
本文编号:3774868
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3774868.html