导读:本文包含了间歇工业过程论文开题报告文献综述及选题提纲参考文献，主要关键词:间歇过程,故障检测,MPCA,青霉素发酵
间歇工业过程论文文献综述
项亚南[1]（2015）在《基于MPCA的工业间歇过程故障检测方法改进研究》一文中研究指出科技水平的不断进步,带动现代工业过程朝着集成化和多样化的方向发展。在工业过程中,对生产的各个环节进行有效地监控事关产品质量和生产安全。一旦发生故障,轻则造成产品下降,重则造成重大的人身伤亡、环境污染等问题。间歇生产是一种与连续生产不同的生产方式,因为间歇过程的批次特征和自身的动态性能,呈现出和连续生产不一样的过程特征,需要有针对性的研究。因此深入挖掘间歇过程中的信息,开发应用具有故障检测能力的监控系统是非常有实际意义的。故障检测的意义在于当故障发生时,能够发现异常工作点并通知相关操作人员及时地排除故障。基于数据驱动的检测技术是故障检测领域中一个重要的研究内容,针对间歇过程的特点,本文以多向主元分析(Multi-PCA,MPCA)方法为主线,探讨工业间歇过程中故障检测的相关问题,在传统的算法基础之上提出一些新的改进方案。本文的主要内容有:(1)分析了基于数据驱动方法的间歇过程故障检测国内外研究现状。阐述了基于数据驱动方法的MPCA展开的相关技术原理,包括相关统计量以及统计量控制限的确定;介绍了获得仿真数据的青霉素发酵仿真平台Pensim 2.0(包括参数的默认值和设定值、仿真数据运行轨迹图)。(2)考虑到SPE统计量和T2统计量不同的监控性能,同一个主元个数很难同时满足两个监控指标的要求,研究一种信噪比(Signal Noise Ratio,SNR)选取主元个数的方法。与累计方差贡献率(Cumulative Percent Variance,CPV)方法相比较,SNR方法的优势在于,这种主元选择的方法将故障因素考虑在内,分开考虑SPE和2T的不同监控性能从而分别选取各自的主元个数,更加具有针对性,仿真结果表明基于SNR选取主元的方法对故障具有更高的灵敏度,比传统的CPV主元选取方法更加优越。(3)在样本个数有限的情况下,传统的时间序列模型利用最小二乘方法在估计模型参数的时候存在较大的误差。提出一种Bootstrap与最小二乘相结合建立统计量模型的方法。通过对模型的残差重采样,建立残差经验分布并对模型参数进行修正,以MPCA的SPE统计量为研究对象,建立间歇过程的SPE统计量的模型,并将建立的模型对故障进行在线预测。采用青霉素发酵Pensim 2.0仿真平台对该方法进行验证,将改进后的方法与最小二乘方法确定模型的参数的结果相比,改进后的方法与真实值之间的预测误差进一步变小,精度更高。(本文来源于《江南大学》期刊2015-06-01）
王亚君[2]（2015）在《间歇工业过程单批次建模与监测关键技术研究》一文中研究指出现代工业过程往往具有大型化、复杂化和高度自动化的特点,其一旦发生故障,可能导致停机停产,甚至危及人身安全,造成灾难性事件。因此,为保证生产过程安全可靠运行以及提高产品质量,故障诊断与故障监测技术吸引了越来越多研究者的高度重视。在现代过程工业中,生产小批量、多品种、高附加值产品的间歇工业过程由于能够适应多变的市场需求,因而在现代过程工业生产中占据了越来越突出的地位。如何保障间歇生产过程的安全可靠运行和连续稳定的产品质量,提高企业的市场竞争力,正成为过程控制领域的研究焦点。间歇工业过程的特性非常复杂,并且过程中的数据亦具有更丰富的统计特性。由于过程中存在着多操作、数据不等长和非高斯等复杂特性,这使得面向间歇工业过程的统计分析及在线监控更具挑战性。本文基于单批次建模思想,充分考虑批次间数据的差异性,同时又兼顾过程本身特点,提出一套系统解决间歇工业生产过程监测的方案,用以解决间歇工业过程中存在的弱故障监测问题、数据不等长问题、多操作下的数据非高斯分布问题和建模数据不全问题。针对间歇工业过程中初始条件波动较大(往往不确定)下的弱故障监测问题,提出了基于单批次动态核主成分分析(SDKPCA)的多模型弱故障监测方法。提出单批次建模思想,将核PCA与自回归移动平均(ARMAX)时间序列模型相结合,在每一段内将每一批次数据分别建立SDKPCA模型,然后根据模型间载荷矩阵的相似性聚类,建立随聚类数量变化的监测多模型。该方法通过模型细化,能同时捕捉过程中的动态性、非线性及批次间数据的差异性,进而能有效监测过程中出现的弱故障。针对间歇工业过程中数据严重不等长问题以及在大样本情况下KPCA方法计算复杂度大问题,提出了基于特征点的单批次动态核主成分分析(FP-based SDKPCA)的间歇过程建模与监测方法。首先将过程中每一批次数据采用叁步特征点提取方法提取相同数量的特征点,实现批次数据的等长化处理。然后针对抽取的特征点采用SDKPCA方法进行建模。由于特征点的数量远少于整个批次样本点的数量,这大大减少了KPCA的计算复杂度。针对多操作过程中由操作的随机性或频繁性带来的过程相关性改变以及数据呈严重非高斯分布问题,提出了基于局部集标准化的单批次动态核主成分分析(LCS-SDKPCA)的在线统计监测方法。过程中的频繁操作以及操作的随机性使得过程相关性发生改变,因此模型也应发生改变。为此,可以将过程中相似的操作数据融合在一起进行建模。然而,操作的随机性又使得融合在一起的数据并不服从高斯分布。为使其符合高斯分布,提出了局部集标准化(LCS)方法,从而利用这些数据建立多元统计模型。接着,再采用SDKPCA方法实现多操作过程的故障监测。在多操作过程中由于操作的随机性容易产生无尽种类的数据,从而导致无法收集全部种类的数据,即建模数据不全。这样某一操作下的数据缺失,历史建模数据中没有这一类型数据,无法建立相应的模型。因此,当新操作数据到来时,没有对应模型与之相对应,这样无法确定其监测模型。针对此,提出了一种上下(Up-Down)模型快速监测方法实现对新类型数据的有效监测。针对青霉素发酵过程以及精炼炉炼钢过程,采用上述监测方法进行了仿真实验。实验结果表明提出的方法是有效的。为具有频繁操作和数据严重不等长的间歇过程进行统计建模与监测提供了新思路和方法,具有较为重要的理论意义和应用价值。(本文来源于《东北大学》期刊2015-03-09）
刘毅[3]（2009）在《间歇过程的核学习自适应建模与控制研究及工业应用》一文中研究指出生物化工和精细化工等以间歇生产方式为主的技术密集型产业,在国民经济中占有重要地位。间歇过程的建模和控制困难、质量波动大等亟待解决的关键问题制约了化学工业的精细化进程。本文以发酵和炼胶这两类典型的间歇过程为例,对其建模和控制方面存在的问题进行研究,采用递推核学习(Recursive KernelLearning,RKL)理论开发简单、有效、适合工业应用的建模与控制方法,旨在促进自动化和信息技术在间歇过程中的应用。本文主要的创新性研究工作包括:(1)提出一种适合非线性MIMO过程的在线建模方法:选择性递推核学习(Selective RKL,SRKL)。它能有效结合过程先验知识控制模型的复杂度;采用在线递推算法进行节点增加和删减以减小计算量;研究了节点删减和模型推广性能的内在联系,保证模型在节点删减时的推广性能。SRKL有效克服了普通递推KL方法无稀疏性和随意删减样本两大缺点。在青霉素和链激酶等发酵过程在线建模的研究结果表明,SRKL能快速、准确的预报菌体等关键变量浓度,性能优于传统神经网络、递推偏最小二乘和普通KL方法;同时模型能适应工况的变化,随发酵批次的增加,精度逐渐提高。(2)提出一种适合MIMO过程的基于自适应局部KL在线建模方法。考虑样本间的距离和角度信息以获得更全面合理的相似样本集,推导了采用快速留一交叉验证法在线优化模型参数的准则,并给出了间歇过程在线自适应模型选择的策略。通过链激酶流加发酵过程菌体和产物浓度的在线预报为例,验证了该方法从过程的第2批次开始能自适应的建立准确的预报模型,较普通的全局和局部KL具有更高的预报精度和自适应性。(3)提出并系统研究了稀疏核学习辨识模型的单步预测控制框架(Sparse KLOne-step-ahead Predictive Control,SKL-OPC),主要设计了SKL-PKR(PolynomialKernel & Root)和SKL-ATL(Adaptive Taylor Linearization)两类控制器。(3A) SKL-PKR是一类特殊的适用多项式核的直接控制器,在求取最优控制律时可将调节变量从目标函数分离出来,并最终转化为求解一奇数次代数方程根的问题。PKR方法较为巧妙,无需复杂的非线性优化技术,为其它核函数控制器的设计提供有效的参考。通过一Benchmark控制问题和一非线性釜式反应器验证该方法简单和有效,比传统PID等控制器具有更好的性能。(3B) SKL-ATL是适用所有核函数的自适应控制器,利用Taylor线性化方法获得解析的控制律,并以一自适应校正项提高控制性能。采用中值定理证明了控制律收敛的存在性,同时获得自适应调整策略。ATL具有很好的鲁棒性和自适应能力,有效克服了其它方法需调整控制器参数的缺点,综合控制性能最好。通过两个Benchmark控制问题和一非线性釜式反应器验证了该控制器简单有效且具有自适应调整能力,比传统PID等控制器具有更好的性能。(4)以SKL-ATL控制器为例,将SKL-OPC框架拓展为节点增长和删减均可在线递推更新且复杂度可控的控制器,以更好学习和适应过程的变化,提高控制器的性能。在非线性液位系统和发酵过程的仿真研究表明了通过在线更新的ATL控制器较优化整定的PID和无在线更新的控制器等具有更好的控制性能,对噪声、扰动和系统的时变等有更好的鲁棒性和自适应性。(5)门尼粘度对混炼胶的质量起着重要的作用,实时测取混炼胶门尼粘度,最终获得合格的、均一性能好的胶料是橡胶和轮胎厂十分关心和亟待解决的问题。基于模型可自适应选择的RKL建模和控制方法,研发了先进密炼信息集成与控制系统,在国内多家大型橡胶和轮胎厂上线应用,取得了很好的工业应用效果,对橡胶混炼过程具有重要的现实和经济意义:(5A)在线预报门尼粘度能提供产品的终端质量和批次间的过程信息,减轻各阶段质检工作强度和压力,减少对质量检测设备的投入,降低企业成本。(5B)实现门尼粘度的先进排胶控制,提高了门尼的合格率和均一性,保证炼胶质量,减少炼胶时间,节能减排,提高企业效益。(5C)系统集成过程和整厂信息,给控制和工艺人员提供参考和决策支持;并从中挖掘出炼胶过程的本质规律,促进炼胶过程的自动化和信息化。最后,总结了核学习建模与控制方法及其工业应用,探讨了本文涉及的理论基础和哲学思想,阐述了作者的研究观点和工业应用经验,并展望了未来的相关研究方向。(本文来源于《浙江大学》期刊2009-04-20）
吕宁,于晓洋,刘少波[4]（2008）在《MTRPLS在间歇工业过程故障诊断中的研究》一文中研究指出针对递推偏最小二乘(RPLS)方法对间歇生产过程故障监控的不足,提出了一种改进的跟踪递推最小二乘(TRPLS)算法,TRPLS建模采用非线性核函数对数据的拟合能力,解决了PLS非线性建模问题,通过引入跟踪因子,不但解决了数据的饱和现象,而且不用再考虑数据的填补问题。仿真结果表明TRPLS不仅可以实时监控系统的运行,而且也能够准确的识别故障,减少了误报、漏报现象,提高了监控和诊断的准确率。(本文来源于《第叁届全国虚拟仪器大会论文集》期刊2008-12-01）
刘国华,石红瑞[5]（2006）在《工业稳定剂间歇过程计算机控制系统》一文中研究指出介绍了1套由AB公司的第5代PLC———RSLogix5000和工业PC组成的工业稳定剂间歇过程计算机控制系统,较详细地介绍系统硬件、软件的构成,ControlNet现场总线网络通信的特点,OPC数据传输的优点,同时阐述了在系统硬件设计上如何保证硬件的安全性和抗干扰问题。运行结果表明,该控制系统具有维护简单、运行可靠性高、抗干扰能力强、传输数据速度快的特点。(本文来源于《石油化工自动化》期刊2006年03期）
潘波[6]（2006）在《基于Petri网的间歇工业过程故障诊断》一文中研究指出Petri网用于间歇工业过程故障诊断是目前较为活跃的研究领域。本文基于混杂Petri网和模糊专家系统理论，深入研究了间歇工业过程的故障诊断问题，以实验装置的硫化促进剂M生产过程为对象，建立了一个基于模糊赋时Petri网的间歇过程故障诊断仿真系统，进行了故障诊断系统实验，对建模和仿真方法进行了验证。 本文的前部分，主要介绍了赋时Petri网和模糊推理Petri网，并基于这一原理采用Matlab对一些工业过程进行了仿真研究。介绍了Petri网仿真工具VisObiNet，并举例说明其建模和仿真方法。第二部分主要以间歇过程为研究对象，提出了基于Petri网的故障诊断系统结构和间歇时序操作的TPN模型。阐述了间歇过程故障传播与故障诊断的FPN推理模型，并以实际例子做了仿真研究。以专家系统的基本框架展开论述，给出了用混杂模糊Petri网表示间歇过程故障诊断的专家系统模型。在理论研究的基础上，对半实物仿真平台和硫化促进剂M的间歇生产过程做了深入的分析研究，归纳出具体的故障传播和故障诊断模型。故障传播模型的获取结合当前流行的专家系统理论，针对混杂Petri网给出了具体的隶属度函数算法；混杂Petri网推理方法主要结合了故障树正向推理和反向推理算法，联系具体实例进行分析和比较。最后在仿真平台上做了大量的实验，通过设置各种故障，获取实验数据和(本文来源于《北京化工大学》期刊2006-06-06）
间歇工业过程论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
现代工业过程往往具有大型化、复杂化和高度自动化的特点,其一旦发生故障,可能导致停机停产,甚至危及人身安全,造成灾难性事件。因此,为保证生产过程安全可靠运行以及提高产品质量,故障诊断与故障监测技术吸引了越来越多研究者的高度重视。在现代过程工业中,生产小批量、多品种、高附加值产品的间歇工业过程由于能够适应多变的市场需求,因而在现代过程工业生产中占据了越来越突出的地位。如何保障间歇生产过程的安全可靠运行和连续稳定的产品质量,提高企业的市场竞争力,正成为过程控制领域的研究焦点。间歇工业过程的特性非常复杂,并且过程中的数据亦具有更丰富的统计特性。由于过程中存在着多操作、数据不等长和非高斯等复杂特性,这使得面向间歇工业过程的统计分析及在线监控更具挑战性。本文基于单批次建模思想,充分考虑批次间数据的差异性,同时又兼顾过程本身特点,提出一套系统解决间歇工业生产过程监测的方案,用以解决间歇工业过程中存在的弱故障监测问题、数据不等长问题、多操作下的数据非高斯分布问题和建模数据不全问题。针对间歇工业过程中初始条件波动较大(往往不确定)下的弱故障监测问题,提出了基于单批次动态核主成分分析(SDKPCA)的多模型弱故障监测方法。提出单批次建模思想,将核PCA与自回归移动平均(ARMAX)时间序列模型相结合,在每一段内将每一批次数据分别建立SDKPCA模型,然后根据模型间载荷矩阵的相似性聚类,建立随聚类数量变化的监测多模型。该方法通过模型细化,能同时捕捉过程中的动态性、非线性及批次间数据的差异性,进而能有效监测过程中出现的弱故障。针对间歇工业过程中数据严重不等长问题以及在大样本情况下KPCA方法计算复杂度大问题,提出了基于特征点的单批次动态核主成分分析(FP-based SDKPCA)的间歇过程建模与监测方法。首先将过程中每一批次数据采用叁步特征点提取方法提取相同数量的特征点,实现批次数据的等长化处理。然后针对抽取的特征点采用SDKPCA方法进行建模。由于特征点的数量远少于整个批次样本点的数量,这大大减少了KPCA的计算复杂度。针对多操作过程中由操作的随机性或频繁性带来的过程相关性改变以及数据呈严重非高斯分布问题,提出了基于局部集标准化的单批次动态核主成分分析(LCS-SDKPCA)的在线统计监测方法。过程中的频繁操作以及操作的随机性使得过程相关性发生改变,因此模型也应发生改变。为此,可以将过程中相似的操作数据融合在一起进行建模。然而,操作的随机性又使得融合在一起的数据并不服从高斯分布。为使其符合高斯分布,提出了局部集标准化(LCS)方法,从而利用这些数据建立多元统计模型。接着,再采用SDKPCA方法实现多操作过程的故障监测。在多操作过程中由于操作的随机性容易产生无尽种类的数据,从而导致无法收集全部种类的数据,即建模数据不全。这样某一操作下的数据缺失,历史建模数据中没有这一类型数据,无法建立相应的模型。因此,当新操作数据到来时,没有对应模型与之相对应,这样无法确定其监测模型。针对此,提出了一种上下(Up-Down)模型快速监测方法实现对新类型数据的有效监测。针对青霉素发酵过程以及精炼炉炼钢过程,采用上述监测方法进行了仿真实验。实验结果表明提出的方法是有效的。为具有频繁操作和数据严重不等长的间歇过程进行统计建模与监测提供了新思路和方法,具有较为重要的理论意义和应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
间歇工业过程论文参考文献
[1].项亚南.基于MPCA的工业间歇过程故障检测方法改进研究[D].江南大学.2015
[2].王亚君.间歇工业过程单批次建模与监测关键技术研究[D].东北大学.2015
[3].刘毅.间歇过程的核学习自适应建模与控制研究及工业应用[D].浙江大学.2009
[4].吕宁,于晓洋,刘少波.MTRPLS在间歇工业过程故障诊断中的研究[C].第叁届全国虚拟仪器大会论文集.2008
[5].刘国华,石红瑞.工业稳定剂间歇过程计算机控制系统[J].石油化工自动化.2006
[6].潘波.基于Petri网的间歇工业过程故障诊断[D].北京化工大学.2006