煉油精餾過程中經(jīng)常存在某些無法在線測量的重要質(zhì)量變量,其指標(biāo)含義對生產(chǎn)的調(diào)控具有指導(dǎo)意義,但是目前缺乏實(shí)時(shí)測量方法,人工采樣化驗(yàn)又會(huì)有很大的滯后,同時(shí)人為因素常會(huì)引進(jìn)某些不確定性。全文針對煉油精餾過程航空煤油質(zhì)量指標(biāo)實(shí)時(shí)監(jiān)測問題,對航空煤油質(zhì)量指標(biāo)進(jìn)行軟測量方法的研究,具體研究內(nèi)容如下:工業(yè)精餾數(shù)據(jù)集的樣本數(shù)較少,且因?yàn)楦鞣N干擾等影響易發(fā)生數(shù)據(jù)點(diǎn)缺失的問題。針對隨機(jī)缺失情況和連續(xù)缺失兩種情況分別進(jìn)行實(shí)驗(yàn),提出了基于極限學(xué)習(xí)機(jī)的精餾過程數(shù)據(jù)填補(bǔ)方法。仿真實(shí)驗(yàn)結(jié)果表明,該方法能夠盡量還原原始數(shù)據(jù)中攜帶的有效信息,為樣本缺失情況下的軟測量建模提供了研究基礎(chǔ)。針對原始數(shù)據(jù)中自變量間存在多重相關(guān)性等問題,提出一種改進(jìn)的基于集成系數(shù)的LASSO變量選擇方法(EC-LASSO):利用集成系數(shù)對變量的重要性進(jìn)行排序再逐個(gè)加入模型,選出使均方根誤差達(dá)到最小的變量子集。該方法在不影響精度的情況下能夠得到更為稀疏的模型。并且通過兩組仿真實(shí)驗(yàn)對本文提出的方法進(jìn)行仿真驗(yàn)證,進(jìn)一步說明了該方法的有效性,可以指導(dǎo)建模變量的選擇。以標(biāo)準(zhǔn)最小二乘支持向量機(jī)為基礎(chǔ),與變量選擇方法相結(jié)合,選擇高斯核與多項(xiàng)式核,結(jié)合二者優(yōu)點(diǎn)構(gòu)成多核最小二乘支持向量機(jī)對經(jīng)過選擇的變量進(jìn)行軟測量模型的建立。經(jīng)過仿真驗(yàn)證,多核最小二乘支持向量機(jī)能夠得到更為精準(zhǔn)的預(yù)測結(jié)果。同時(shí)使用西門子公司的WinCC軟件搭建監(jiān)測界面,利用OPC與Matlab之間實(shí)現(xiàn)了實(shí)時(shí)通訊功能,達(dá)到了在線顯示軟測量預(yù)測結(jié)果的目的。
【學(xué)位單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TQ028.31
【文章目錄】：
摘要
Abstract
1 緒論
    1.1 工程背景及意義
    1.2 精餾過程工藝介紹
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 不完備數(shù)據(jù)集填補(bǔ)的研究現(xiàn)狀
        1.3.2 軟測量變量選擇算法研究現(xiàn)狀
        1.3.3 最小二乘支持向量機(jī)建模方法研究現(xiàn)狀
    1.4 論文主要內(nèi)容及結(jié)構(gòu)
2 基于ELM的不完備數(shù)據(jù)集填補(bǔ)方法研究
    2.1 引言
    2.2 基本方法介紹
        2.2.1 基于整合移動(dòng)平均自回歸模型(ARIMA)的數(shù)據(jù)填補(bǔ)方法
        2.2.2 基于K最近鄰節(jié)點(diǎn)算法(KNN)的數(shù)據(jù)填補(bǔ)方法
        2.2.3 基于極限學(xué)習(xí)機(jī)(ELM)的數(shù)據(jù)填補(bǔ)方法
    2.3 仿真實(shí)驗(yàn)及結(jié)果分析
        2.3.1 評價(jià)指標(biāo)介紹
        2.3.2 隨機(jī)缺失情況下填補(bǔ)效果分析
        2.3.3 連續(xù)缺失情況下數(shù)據(jù)填補(bǔ)效果分析
    2.4 本章小結(jié)
3 基于EC-LASSO的變量選擇方法研究
    3.1 引言
    3.2 評價(jià)指標(biāo)介紹
    3.3 集成學(xué)習(xí)基礎(chǔ)
    3.4 基于集成系數(shù)的LASSO(EC-LASSO)變量選擇方法
        3.4.1 LASSO基本原理
        3.4.2 最小角(LAR)算法
        3.4.3 基于EC-LASSO的變量選擇方法
    3.5 仿真實(shí)驗(yàn)及結(jié)果分析
        3.5.1 小麥質(zhì)量變量仿真實(shí)驗(yàn)結(jié)果分析
        3.5.2 精餾過程質(zhì)量變量仿真實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
4 基于EC-LASSO和多核LSSVM的精餾過程軟測量方法
    4.1 最小二乘支持向量機(jī)(LSSVM)原理
    4.2 多核的最小二乘支持向量機(jī)
    4.3 基于PSO的參數(shù)尋優(yōu)方法
    4.4 基于EC-LASSO和多核LSSVM的精餾過程軟測量方法仿真結(jié)果
    4.5 基于WinCC的人機(jī)交互設(shè)計(jì)實(shí)現(xiàn)
        4.5.1 基于WinCC的軟測量平臺(tái)搭建
        4.5.2 基于OPC的 MATLAB通訊實(shí)現(xiàn)
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文及專利情況
致謝

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 楊軍;趙宇;丁文興;;抽樣調(diào)查中缺失數(shù)據(jù)的插補(bǔ)方法[J];數(shù)理統(tǒng)計(jì)與管理;2008年05期

2 胡長松,賈延剛,夏伯楷;軟測量技術(shù)現(xiàn)狀與發(fā)展[J];石油儀器;2003年03期

3 金勇進(jìn);處理缺失數(shù)據(jù)中輔助信息的利用[J];統(tǒng)計(jì)研究;1998年01期

相關(guān)博士學(xué)位論文 前1條

1 李修亮;軟測量建模方法研究與應(yīng)用[D];浙江大學(xué);2009年

相關(guān)碩士學(xué)位論文 前1條

1 曹茂松;精餾過程航煤干點(diǎn)的軟測量應(yīng)用研究[D];大連理工大學(xué);2005年

本文編號(hào)：2839541