本文關(guān)鍵詞：多工況過(guò)程快速建模和監(jiān)測(cè)方法研究與應(yīng)用

  更多相關(guān)文章： 多工況過(guò)程 快速建模 過(guò)程監(jiān)測(cè) 質(zhì)量預(yù)測(cè) 模型移植 冷軋過(guò)程

【摘要】：流程工業(yè)生產(chǎn)過(guò)程具有多工況特性,當(dāng)工況發(fā)生變化時(shí),原工況模型一般不再適用于新工況。若是按常規(guī)方法建立新工況模型,通常需要耗費(fèi)大量時(shí)間和資源;在線建模期間,無(wú)法有效進(jìn)行生產(chǎn)過(guò)程的性能監(jiān)測(cè)和質(zhì)量預(yù)測(cè),難以保證生產(chǎn)過(guò)程的安全性以及產(chǎn)品質(zhì)量的可靠性。多工況過(guò)程的快速建模和在線監(jiān)測(cè)是實(shí)際生產(chǎn)過(guò)程的迫切需要,模型移植理論是有效解決該問(wèn)題的方法之一。本文以具有動(dòng)態(tài)變規(guī)格控制策略的軋制過(guò)程為應(yīng)用研究對(duì)象,針對(duì)其多工況、變工況、多操作階段、高維耦合過(guò)程變量等特點(diǎn),采取多元統(tǒng)計(jì)建模、模型移植、階段劃分等手段,實(shí)現(xiàn)新工況的快速建模、性能監(jiān)測(cè)和質(zhì)量預(yù)測(cè)。首先,針對(duì)軋制過(guò)程的多工況特點(diǎn),分析了不同工況下高維過(guò)程數(shù)據(jù)的統(tǒng)計(jì)特性。不同工況下,雖然過(guò)程變量的數(shù)據(jù)特性發(fā)生了顯著變化,但過(guò)程所遵循的內(nèi)部機(jī)理是不變或非常相似的。在此認(rèn)知下,先根據(jù)歷史數(shù)據(jù)的分布情況,定義過(guò)程的基準(zhǔn)工況,建立基準(zhǔn)工況的多元統(tǒng)計(jì)模型;新工況在線建模時(shí),通過(guò)主成分(PCA)相似因子,將工況變化分為漸變工況和突變工況,分別選用數(shù)據(jù)篩選和模型重構(gòu)這兩種移植策略,快速獲得軋制過(guò)程新工況下的板形預(yù)測(cè)模型,實(shí)現(xiàn)板形缺陷的在線預(yù)測(cè)。然后,同時(shí)考慮軋制過(guò)程的多工況和多階段特點(diǎn),采用一種密度聚類算法提取穩(wěn)態(tài)軋制階段的稠密數(shù)據(jù),建立穩(wěn)態(tài)階段局部的過(guò)程監(jiān)測(cè)模型,基于該局部模型,辨識(shí)非穩(wěn)態(tài)階段,實(shí)現(xiàn)軋制過(guò)程的階段劃分;采用模型移植的思想,由典型工況歷史數(shù)據(jù)定義基準(zhǔn)工況數(shù)據(jù)集,從中尋找與新工況數(shù)據(jù)特征相似的樣本,建立軋制各階段的初始移植模型,并依賴不斷累積的新工況數(shù)據(jù)迭代更新模型,使之具有良好的模型精度和魯棒性,最終實(shí)現(xiàn)新工況的在線性能監(jiān)測(cè)。本文方法在寶鋼2030mm冷軋機(jī)組上進(jìn)行了仿真和實(shí)驗(yàn)驗(yàn)證,結(jié)果表明,本文方法具有良好的快速建模能力,模型精度高,在線監(jiān)測(cè)和板形質(zhì)量預(yù)測(cè)性能滿足企業(yè)實(shí)際需求,有望成為企業(yè)提高過(guò)程安全性和產(chǎn)品質(zhì)量可靠性的技術(shù)保障。
【關(guān)鍵詞】：多工況過(guò)程 快速建模 過(guò)程監(jiān)測(cè) 質(zhì)量預(yù)測(cè) 模型移植 冷軋過(guò)程
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TG334.9
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 注釋表10-11
• 第一章 緒論11-20
• 1.1 課題研究背景和意義11-12
• 1.1.1 課題來(lái)源11
• 1.1.2 背景介紹11-12
• 1.2 統(tǒng)計(jì)過(guò)程建模12-15
• 1.2.1 數(shù)據(jù)高斯分布下的統(tǒng)計(jì)建模13
• 1.2.2 數(shù)據(jù)非高斯分布下的統(tǒng)計(jì)建模13-14
• 1.2.3 多工況過(guò)程統(tǒng)計(jì)建模14-15
• 1.3 統(tǒng)計(jì)過(guò)程監(jiān)測(cè)15-16
• 1.3.1 故障監(jiān)測(cè)15-16
• 1.3.2 故障診斷16
• 1.4 板形控制系統(tǒng)簡(jiǎn)介16-18
• 1.4.1 DSR板形輥的結(jié)構(gòu)16-17
• 1.4.2 DSR板形控制系統(tǒng)原理17-18
• 1.4.3 板形模式識(shí)別18
• 1.5 本文的主要工作18-20
• 第二章 多變量統(tǒng)計(jì)方法簡(jiǎn)介20-29
• 2.1 引言20
• 2.2 聚類分析20-22
• 2.2.1 相似性計(jì)算方法20-21
• 2.2.2 聚類個(gè)數(shù)的確定21
• 2.2.3 K-means聚類方法21-22
• 2.3 主成分分析(PCA)22-23
• 2.4 偏最小二乘算法(PLS)23-26
• 2.5 基于PCA的過(guò)程監(jiān)測(cè)26-28
• 2.5.1 基于PCA過(guò)程監(jiān)測(cè)步驟26-27
• 2.5.2 基于變量貢獻(xiàn)圖的故障診斷27-28
• 2.6 本章小結(jié)28-29
• 第三章 基于模型移植的動(dòng)態(tài)變規(guī)格冷連軋過(guò)程板形預(yù)測(cè)方法29-51
• 3.1 引言29
• 3.2 模型移植理論29-35
• 3.2.1 模型移植理論研究現(xiàn)狀29-31
• 3.2.2 幾種典型相似性以及移植方法概述31-35
• 3.3 數(shù)據(jù)采集和處理35-38
• 3.3.1 數(shù)據(jù)采集35-36
• 3.3.2 板形質(zhì)量參數(shù)化36-38
• 3.4 基于模型移植的變工況板形預(yù)測(cè)方法38-41
• 3.4.1 基準(zhǔn)工況下板形預(yù)測(cè)方法38-40
• 3.4.2 基于PCA相似因子的工況劃分40-41
• 3.5 在線模型移植41-43
• 3.5.1 漸變工況下的模型移植41-42
• 3.5.2 突變工況下的模型移植42-43
• 3.6 應(yīng)用案例結(jié)果與分析43-50
• 3.6.1 漸變工況案例分析43-47
• 3.6.2 突變工況案例分析47-50
• 3.7 本章小結(jié)50-51
• 第四章 基于模型移植的多工況快速建模和監(jiān)測(cè)方法51-64
• 4.1 引言51-52
• 4.2 對(duì)象簡(jiǎn)介、數(shù)據(jù)采集與處理52
• 4.3 軋制過(guò)程階段劃分算法52-55
• 4.3.1 數(shù)據(jù)分析52-53
• 4.3.2 階段劃分53-55
• 4.4 多工況軋制過(guò)程的快速建模和監(jiān)測(cè)55-57
• 4.4.1 基模型55-56
• 4.4.2 新工況初始模型56
• 4.4.3 模型更新策略以及階段模型切換與故障的沖突處理56-57
• 4.5 應(yīng)用結(jié)果與分析57-62
• 4.6 本章小結(jié)62-64
• 第五章 總結(jié)與展望64-66
• 5.1 工作總結(jié)64
• 5.2 展望64-66
• 參考文獻(xiàn)66-72
• 致謝72-73
• 在攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄和參加科研情況73

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李新德;王豐羽;;一種基于ISODATA聚類和改進(jìn)相似度的證據(jù)推理方法[J];自動(dòng)化學(xué)報(bào);2015年03期

2 劉忠寶;王士同;;基于熵理論和核密度估計(jì)的最大間隔學(xué)習(xí)機(jī)[J];電子與信息學(xué)報(bào);2011年09期

3 許仙珍;謝磊;王樹青;;基于PCA混合模型的多工況過(guò)程監(jiān)控[J];化工學(xué)報(bào);2011年03期

4 邵昌f;樓巍;嚴(yán)利民;;高維數(shù)據(jù)中的相似性度量算法的改進(jìn)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年02期

5 謝明霞;郭建忠;張海波;陳科;;高維數(shù)據(jù)相似性度量方法研究[J];計(jì)算機(jī)工程與科學(xué);2010年05期

6 嚴(yán)加根;鄭向東;杜新兵;;梅鋼冷連軋機(jī)動(dòng)態(tài)變規(guī)格系統(tǒng)組成與控制原理[J];科技資訊;2009年20期

7 舒縈;羌菊興;凌鷹鶴;王永利;;動(dòng)態(tài)設(shè)定及自適應(yīng)技術(shù)在酸軋機(jī)組上的應(yīng)用[J];寶鋼技術(shù);2007年04期

8 楊富鋒;芮筱亭;魏偉波;;密度函數(shù)小波估計(jì)方法[J];兵工學(xué)報(bào);2006年03期

9 賴曉平,周鴻興;電力系統(tǒng)網(wǎng)絡(luò)拓?fù)浞治龅挠猩玃etri網(wǎng)模型[J];電網(wǎng)技術(shù);2000年12期

10 劉健莊;基于二維直方圖的圖象模糊聚類分割方法[J];電子學(xué)報(bào);1992年09期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 白雪;聚類分析中的相似性度量及其應(yīng)用研究[D];北京交通大學(xué);2012年

2 李珊珊;計(jì)算機(jī)視覺(jué)中特征與相似性度量研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

3 葛志強(qiáng);復(fù)雜工況過(guò)程統(tǒng)計(jì)監(jiān)測(cè)方法研究[D];浙江大學(xué);2009年

，

本文編號(hào)：525119