多变量复杂系统的稳态检测和提取方法研究

发布时间：2017-05-22 19:16

  本文关键词：多变量复杂系统的稳态检测和提取方法研究，由笔耕文化传播整理发布。

【摘要】：系统是否处于稳态是对系统进行研究时最基础和常见的假设,直接关系到后续对系统进行控制和优化的方法。随着过程工业的发展,实际的生产过程中系统和生产方式都趋于复杂化,系统整体表现为多变量、非线性和时变性等特点。如何在复杂过程系统的历史数据中找到系统处于稳态的时刻,并且析取各个稳态下对应的工况就显得更加重要。本文从数据驱动的角度出发,结合传统的稳态检测方法和统计学习算法思想,研究了复杂过程的稳态检测以及稳态工况数据提取的方法。针对复杂过程的多变量特征,将统计学习和数据挖掘领域的主元分析法、聚类以及核密度估计等算法应用于稳态检测中,并以典型的单元装置精馏塔仿真模型数据和发电机组锅炉对象的实际数据为实例进行了算法验证和性能分析。本文的主要内容和创新点包括：针对基于统计分析的稳态检测方法,在基于F检验的单变量算法的基础上,提出一种基于主元分析法(PCA)的多变量F检验改进算法,将原算法的适用范围拓展到多变量领域。仿真实例表明该改进方法比现有的基于单变量稳态合成的多变量稳态检测算法准确且具有较好的抗干扰能力。在系统稳态数据符合高斯假设的基础上,提出了不同稳态下多变量复杂系统数据表现为均值不同的高维高斯分布的假设,从而可以将多变量系统的稳态检测问题转化为以稳态工况为中心点的聚类问题。在此基础上,提出了联合层次聚类和时序判据的多变量稳态检测方法,以及聚类阈值最优值的确定方法。通过精馏塔机理模型数据验证了方法的有效性,该方法无需预先进行变量挑选和聚类阀值选取,可以直接计算。在维度不同的数据上的实例分析表明,该算法复杂度不随着数据维度增加而增加。针对如何获取稳态工况的问题,在稳态检测算法的基础上,引入了核密度估计(KDE),通过估计数据概率分布情况来求取区间内的稳态工况,可以准确地获取数据集中蕴含的多个稳态工况,并且可以有效地克服由于稳态检测算法的偏差而导致的非稳态数据干扰。针对核密度估计在高维度数据集上计算量复杂求解困难的不足,提出了基于PCA的降维-重构方法,从而减少算法复杂度,仿真结果表明基于PCA降维-重构方法在减少计算量的同时依然满足准确度的要求。在精馏塔模型数据仿真的基础上,针对发电机组锅炉对象的实际对象数据集,对本文提出算法的三个特点：基于聚类的稳态检测、基于KDE的工况数据提取和基于PCA的降维加速计算算法进行了性能验证。
【关键词】：稳态检测 稳态工况提取 数据驱动 主元分析法 层次聚类 核密度估计
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ015;TP311.13
【目录】：

• 致谢5-7
• 摘要7-9
• Abstract9-13
• 第一章 绪论13-27
• 1.1 课题研究背景和意义13-15
• 1.2 稳态检测的一般描述15-17
• 1.3 系统稳态检测的研究现状17-22
• 1.3.1 基于概率统计检验的判稳方法17-19
• 1.3.2 基于多项式拟合的趋势判稳方法19-20
• 1.3.3 基于小波变换的趋势判稳方法20-21
• 1.3.4 稳态检测的其他方法21-22
• 1.4 统计学习方法的进展与分析22-24
• 1.4.1 统计过程控制22-23
• 1.4.2 数据聚类算法23-24
• 1.5 本研究的主要内容和论文结构24-27
• 第二章 基于PCA的F检验多变量稳态检测方法27-45
• 2.1 引言27
• 2.2 多变量稳态检测和单变量稳态的合成27-29
• 2.3 基于PCA改进的多变量稳态检测算法29-32
• 2.3.1 主元分析法介绍29-30
• 2.3.2 基于PCA改进的F检验算法30-32
• 2.4 仿真模型实例分析32-43
• 2.4.1 精馏塔模型介绍32-33
• 2.4.2 仿真数据上的稳态检测结果33-37
• 2.4.3 与传统多变量的类F检验法对比37-43
• 2.5 本章小结43-45
• 第三章 联合层次聚类和数据时序的稳态检测算法45-67
• 3.1 引言45
• 3.2 过程数据的分布和层次聚类算法45-50
• 3.2.1 多变量多稳态过程数据的分布45-47
• 3.2.2 层次聚类算法原理介绍47-50
• 3.3 基于层次聚类的稳态检测算法50-57
• 3.3.1 联合聚类和数据时序的稳态检测方法流程50-55
• 3.3.2 精馏塔数据实例分析55-57
• 3.4 聚类阈值的确定方法57-65
• 3.4.1 聚类阈值的确定方法57-61
• 3.4.2 高维情况下算法效果展示和分析61-65
• 3.5 本章小结65-67
• 第四章 基于KDE算法的稳态工况数据的提取67-103
• 4.1 引言67
• 4.2 稳态数据提取和KDE算法介绍67-79
• 4.2.1 稳态工况数据的提取67-68
• 4.2.2 核密度估计算法68-72
• 4.2.3 KDE估计数据分布的优势72-74
• 4.2.4 基于KDE的稳态提取方法74-79
• 4.3 KDE应用于稳态数据提取79-90
• 4.3.1 仿真模型和数据介绍79-82
• 4.3.2 不同稳态区间的工况数据提取82-89
• 4.3.3 全区间稳态工况提取结果89-90
• 4.4 基于PCA的高维数据稳态提取改进方法90-96
• 4.4.1 算法性能分析和PCA降维优化90-93
• 4.4.2 PCA降维-重构稳态提取实例分析93-96
• 4.5 电厂实际数据稳态检测和提取实例分析96-102
• 4.5.1 稳态区间的检测97-102
• 4.5.2 稳态工况数据的提取102
• 4.6 本章小结102-103
• 第五章 总结与展望103-105
• 5.1 研究工作总结103
• 5.2 研究工作展望103-105
• 参考文献105-109
• 作者在学期间所获的科研成果109

【参考文献】

中国期刊全文数据库 前10条

1 高萌;刘吉臻;王瑞琪;张恒;张轩;;基于自适应高斯滤波的电站历史数据稳态检测方法[J];动力工程学报;2014年09期

2 吕游;刘吉臻;赵文杰;杨婷婷;;基于分段曲线拟合的稳态检测方法[J];仪器仪表学报;2012年01期

3 高林;刘喜梅;;基于模糊集的稳态检验方法[J];青岛科技大学学报(自然科学版);2010年01期

4 孔亮;丁艳军;张毅;张雪;吴占松;;结合稳态模型的非线性动态建模方法及应用[J];中国电机工程学报;2008年29期

5 刘吉臻;杨光军;谭文;;一种基于数据驱动的电站状态稳定性能评价指标[J];热力发电;2008年01期

6 付克昌;戴连奎;吴铁军;;基于多项式滤波算法的自适应稳态检测[J];化工自动化及仪表;2006年05期

7 毕小龙;王洪跃;司风琪;徐治皋;;基于趋势提取的稳态检测方法[J];动力工程;2006年04期

8 李初福,陈丙珍,何小荣,邱彤,胡山鹰;用于含过失误差数据稳态检测的改进滤波法[J];清华大学学报(自然科学版);2004年09期

9 赵虹,杨建国,常爱英,凌柏林,郑航,冯国华,翁善勇,周永刚;煤粉燃烧稳定性指数的建立[J];燃烧科学与技术;2003年04期

10 程浩斌,周怀春,娄新生;新型燃煤锅炉燃烧过程稳定性评价指数CSI[J];工程热物理学报;1997年04期

中国博士学位论文全文数据库 前3条

1 杜奕;时间序列挖掘相关算法研究及应用[D];中国科学技术大学;2007年

2 徐祖华;模型预测控制理论及应用研究[D];浙江大学;2004年

3 郭明;基于数据驱动的流程工业性能监控与故障诊断研究[D];浙江大学;2004年

中国硕士学位论文全文数据库 前3条

1 缪元武;基于层次聚类的数据分析[D];安徽大学;2013年

2 张婷婷;基于ARMA模型的时间序列挖掘[D];合肥工业大学;2013年

3 魏峰;工业大系统双层结构预测控制算法及策略研究[D];浙江工业大学;2013年

  本文关键词：多变量复杂系统的稳态检测和提取方法研究，，由笔耕文化传播整理发布。

本文编号：386628