發(fā)布時間：2023-03-30 01:07

　　隨著化工科技水平的不斷進(jìn)步,化工工業(yè)近年來取得了飛速發(fā)展,在國民經(jīng)濟(jì)中所占的比重越來越大。作為化工領(lǐng)域非再生能源消耗的主力軍,合成氨工業(yè)的生產(chǎn)過程自動控制一直是化工領(lǐng)域研究的重點,而在合成氨工業(yè)中,煤造氣工段是整個工序中能耗最高的工段。進(jìn)行造氣工段工藝與自動控制研究,將會提高煤造氣工段的生產(chǎn)效率,降低能源浪費,對合成氨工業(yè)的發(fā)展起到重要的推動作用。間歇性煤造氣工段的過程控制研究難度主要在于:造氣工藝比較復(fù)雜,與生產(chǎn)狀況密切關(guān)聯(lián)的實時數(shù)據(jù)和數(shù)據(jù)關(guān)系不斷發(fā)生變化,適合于化工實時生產(chǎn)的控制傳遞函數(shù)和控制模型難以建立。目前這一領(lǐng)域的研究一直較為薄弱,工藝技術(shù)人員一般都根據(jù)自身生產(chǎn)經(jīng)驗對造氣生產(chǎn)過程進(jìn)行操作控制,甚至一些中小型規(guī)模的化工企業(yè)基本采用手動遠(yuǎn)程人工控制,這導(dǎo)致化工操作人員難以對造氣階段的異常情況作出及時準(zhǔn)確處理,造成合成氨工業(yè)原材料浪費、產(chǎn)能低下、環(huán)境污染嚴(yán)重等重要問題。因此,如果能夠?qū)υ鞖夤ざ蔚臍v史生產(chǎn)數(shù)據(jù)進(jìn)行分析研究,并以此對實際自動化生產(chǎn)進(jìn)行指導(dǎo),間歇性煤造氣自動控制系統(tǒng)的控制精度與控制智能化將大大提高,從而提高化工生產(chǎn)效率,降低能源浪費,為合成氨化工企業(yè)帶來更高的利潤。本文即...

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 研究內(nèi)容及目的
    1.3 合成氨工業(yè)中煤造氣生產(chǎn)及控制發(fā)展概況
        1.3.1 煤造氣生產(chǎn)及控制國外發(fā)展概況
        1.3.2 煤造氣生產(chǎn)及控制國內(nèi)發(fā)展概況
    1.4 化工領(lǐng)域數(shù)據(jù)挖掘技術(shù)國內(nèi)外研究概況
    1.5 化工生產(chǎn)的控制監(jiān)測及異常診斷國內(nèi)外研究概況
    1.6 本文的主要工作及內(nèi)容結(jié)構(gòu)安排
2 數(shù)據(jù)采集及基于小波閾值去噪的數(shù)據(jù)預(yù)處理研究
    2.1 引言
    2.2 數(shù)據(jù)采集、剔除與插值
        2.2.1 順昌富寶間歇性煤造氣工藝簡介
        2.2.2 造氣生產(chǎn)系統(tǒng)工藝指標(biāo)介紹
        2.2.3 數(shù)據(jù)采集、剔除與插值
    2.3 基于小波閾值去噪的數(shù)據(jù)預(yù)處理
        2.3.1 小波變換
        2.3.2 小波變換去噪原理
        2.3.3 小波閾值去噪原理及步驟
        2.3.4 小波閾值去噪處理
    2.4 本章小結(jié)
3 基于模糊C均值聚類的造氣爐生產(chǎn)配方分析
    3.1 引言
    3.2 聚類分析介紹
    3.3 模糊C均值聚類研究
        3.3.1 模糊聚類算法
        3.3.2 基于模糊集的C均值聚類算法
    3.4 造氣爐生產(chǎn)配方的模糊C均值聚類分析
        3.4.1 順昌富寶間歇性煤造氣爐生產(chǎn)配方監(jiān)控指標(biāo)說明
        3.4.2 2號造氣爐單爐生產(chǎn)配方監(jiān)控指標(biāo)模糊C均值聚類結(jié)果分析
    3.5 本章小結(jié)
4 基于因子分析的造氣爐生產(chǎn)環(huán)境抽象監(jiān)測指標(biāo)提取
    4.1 引言
    4.2 因子分析
    4.3 基于因子分析的造氣爐單爐生產(chǎn)環(huán)境抽象監(jiān)測指標(biāo)提取
    4.4 本章小結(jié)
5 基于PCA與KPCA的造氣爐生產(chǎn)異常診斷研究
    5.1 引言
    5.2 基于PCA和KPCA的生產(chǎn)過程異常診斷原理及方法
        5.2.1 PCA分析
        5.2.2 基于PCA的異常檢測診斷原理
        5.2.3 構(gòu)造綜合異常檢測統(tǒng)計量
        5.2.4 基于PCA的異常識別方法
        5.2.5 基于KPCA的異常檢測診斷原理
    5.3 異常檢測診斷
        5.3.1 數(shù)據(jù)收集與檢驗
        5.3.2 基于PCA與KPCA方法的異常檢測診斷
    5.4 異常識別
    5.5 本章小結(jié)
6 建立產(chǎn)氣量多元回歸模型定位新增監(jiān)測控制指標(biāo)測位點
    6.1 引言
    6.2 建立產(chǎn)氣量多元回歸模型
    6.3 尋找關(guān)鍵控制變量定位新增監(jiān)測控制指標(biāo)測位點
    6.4 本章小結(jié)
7 總結(jié)評價與展望
    7.1 本文總結(jié)
    7.2 本文的創(chuàng)新之處
    7.3 本文的不足之處
    7.4 評價
    7.5 展望
參考文獻(xiàn)
附錄
    附錄A 基于PCA單個數(shù)據(jù)異常診斷與識別的MATLAB實現(xiàn)
    附錄B 基于PCA異常診斷與識別的MATLAB實現(xiàn)
    附錄C KPCA算法的MATLAB實現(xiàn)
攻讀學(xué)位期間的學(xué)術(shù)論文與研究成果
致謝



本文編號：3774868