發(fā)布時(shí)間：2017-05-22 19:16

  本文關(guān)鍵詞：多變量復(fù)雜系統(tǒng)的穩(wěn)態(tài)檢測(cè)和提取方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：系統(tǒng)是否處于穩(wěn)態(tài)是對(duì)系統(tǒng)進(jìn)行研究時(shí)最基礎(chǔ)和常見的假設(shè),直接關(guān)系到后續(xù)對(duì)系統(tǒng)進(jìn)行控制和優(yōu)化的方法。隨著過(guò)程工業(yè)的發(fā)展,實(shí)際的生產(chǎn)過(guò)程中系統(tǒng)和生產(chǎn)方式都趨于復(fù)雜化,系統(tǒng)整體表現(xiàn)為多變量、非線性和時(shí)變性等特點(diǎn)。如何在復(fù)雜過(guò)程系統(tǒng)的歷史數(shù)據(jù)中找到系統(tǒng)處于穩(wěn)態(tài)的時(shí)刻,并且析取各個(gè)穩(wěn)態(tài)下對(duì)應(yīng)的工況就顯得更加重要。本文從數(shù)據(jù)驅(qū)動(dòng)的角度出發(fā),結(jié)合傳統(tǒng)的穩(wěn)態(tài)檢測(cè)方法和統(tǒng)計(jì)學(xué)習(xí)算法思想,研究了復(fù)雜過(guò)程的穩(wěn)態(tài)檢測(cè)以及穩(wěn)態(tài)工況數(shù)據(jù)提取的方法。針對(duì)復(fù)雜過(guò)程的多變量特征,將統(tǒng)計(jì)學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域的主元分析法、聚類以及核密度估計(jì)等算法應(yīng)用于穩(wěn)態(tài)檢測(cè)中,并以典型的單元裝置精餾塔仿真模型數(shù)據(jù)和發(fā)電機(jī)組鍋爐對(duì)象的實(shí)際數(shù)據(jù)為實(shí)例進(jìn)行了算法驗(yàn)證和性能分析。本文的主要內(nèi)容和創(chuàng)新點(diǎn)包括：針對(duì)基于統(tǒng)計(jì)分析的穩(wěn)態(tài)檢測(cè)方法,在基于F檢驗(yàn)的單變量算法的基礎(chǔ)上,提出一種基于主元分析法(PCA)的多變量F檢驗(yàn)改進(jìn)算法,將原算法的適用范圍拓展到多變量領(lǐng)域。仿真實(shí)例表明該改進(jìn)方法比現(xiàn)有的基于單變量穩(wěn)態(tài)合成的多變量穩(wěn)態(tài)檢測(cè)算法準(zhǔn)確且具有較好的抗干擾能力。在系統(tǒng)穩(wěn)態(tài)數(shù)據(jù)符合高斯假設(shè)的基礎(chǔ)上,提出了不同穩(wěn)態(tài)下多變量復(fù)雜系統(tǒng)數(shù)據(jù)表現(xiàn)為均值不同的高維高斯分布的假設(shè),從而可以將多變量系統(tǒng)的穩(wěn)態(tài)檢測(cè)問(wèn)題轉(zhuǎn)化為以穩(wěn)態(tài)工況為中心點(diǎn)的聚類問(wèn)題。在此基礎(chǔ)上,提出了聯(lián)合層次聚類和時(shí)序判據(jù)的多變量穩(wěn)態(tài)檢測(cè)方法,以及聚類閾值最優(yōu)值的確定方法。通過(guò)精餾塔機(jī)理模型數(shù)據(jù)驗(yàn)證了方法的有效性,該方法無(wú)需預(yù)先進(jìn)行變量挑選和聚類閥值選取,可以直接計(jì)算。在維度不同的數(shù)據(jù)上的實(shí)例分析表明,該算法復(fù)雜度不隨著數(shù)據(jù)維度增加而增加。針對(duì)如何獲取穩(wěn)態(tài)工況的問(wèn)題,在穩(wěn)態(tài)檢測(cè)算法的基礎(chǔ)上,引入了核密度估計(jì)(KDE),通過(guò)估計(jì)數(shù)據(jù)概率分布情況來(lái)求取區(qū)間內(nèi)的穩(wěn)態(tài)工況,可以準(zhǔn)確地獲取數(shù)據(jù)集中蘊(yùn)含的多個(gè)穩(wěn)態(tài)工況,并且可以有效地克服由于穩(wěn)態(tài)檢測(cè)算法的偏差而導(dǎo)致的非穩(wěn)態(tài)數(shù)據(jù)干擾。針對(duì)核密度估計(jì)在高維度數(shù)據(jù)集上計(jì)算量復(fù)雜求解困難的不足,提出了基于PCA的降維-重構(gòu)方法,從而減少算法復(fù)雜度,仿真結(jié)果表明基于PCA降維-重構(gòu)方法在減少計(jì)算量的同時(shí)依然滿足準(zhǔn)確度的要求。在精餾塔模型數(shù)據(jù)仿真的基礎(chǔ)上,針對(duì)發(fā)電機(jī)組鍋爐對(duì)象的實(shí)際對(duì)象數(shù)據(jù)集,對(duì)本文提出算法的三個(gè)特點(diǎn)：基于聚類的穩(wěn)態(tài)檢測(cè)、基于KDE的工況數(shù)據(jù)提取和基于PCA的降維加速計(jì)算算法進(jìn)行了性能驗(yàn)證。
【關(guān)鍵詞】：穩(wěn)態(tài)檢測(cè) 穩(wěn)態(tài)工況提取 數(shù)據(jù)驅(qū)動(dòng) 主元分析法 層次聚類 核密度估計(jì)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TQ015;TP311.13
【目錄】：

• 致謝5-7
• 摘要7-9
• Abstract9-13
• 第一章 緒論13-27
• 1.1 課題研究背景和意義13-15
• 1.2 穩(wěn)態(tài)檢測(cè)的一般描述15-17
• 1.3 系統(tǒng)穩(wěn)態(tài)檢測(cè)的研究現(xiàn)狀17-22
• 1.3.1 基于概率統(tǒng)計(jì)檢驗(yàn)的判穩(wěn)方法17-19
• 1.3.2 基于多項(xiàng)式擬合的趨勢(shì)判穩(wěn)方法19-20
• 1.3.3 基于小波變換的趨勢(shì)判穩(wěn)方法20-21
• 1.3.4 穩(wěn)態(tài)檢測(cè)的其他方法21-22
• 1.4 統(tǒng)計(jì)學(xué)習(xí)方法的進(jìn)展與分析22-24
• 1.4.1 統(tǒng)計(jì)過(guò)程控制22-23
• 1.4.2 數(shù)據(jù)聚類算法23-24
• 1.5 本研究的主要內(nèi)容和論文結(jié)構(gòu)24-27
• 第二章 基于PCA的F檢驗(yàn)多變量穩(wěn)態(tài)檢測(cè)方法27-45
• 2.1 引言27
• 2.2 多變量穩(wěn)態(tài)檢測(cè)和單變量穩(wěn)態(tài)的合成27-29
• 2.3 基于PCA改進(jìn)的多變量穩(wěn)態(tài)檢測(cè)算法29-32
• 2.3.1 主元分析法介紹29-30
• 2.3.2 基于PCA改進(jìn)的F檢驗(yàn)算法30-32
• 2.4 仿真模型實(shí)例分析32-43
• 2.4.1 精餾塔模型介紹32-33
• 2.4.2 仿真數(shù)據(jù)上的穩(wěn)態(tài)檢測(cè)結(jié)果33-37
• 2.4.3 與傳統(tǒng)多變量的類F檢驗(yàn)法對(duì)比37-43
• 2.5 本章小結(jié)43-45
• 第三章 聯(lián)合層次聚類和數(shù)據(jù)時(shí)序的穩(wěn)態(tài)檢測(cè)算法45-67
• 3.1 引言45
• 3.2 過(guò)程數(shù)據(jù)的分布和層次聚類算法45-50
• 3.2.1 多變量多穩(wěn)態(tài)過(guò)程數(shù)據(jù)的分布45-47
• 3.2.2 層次聚類算法原理介紹47-50
• 3.3 基于層次聚類的穩(wěn)態(tài)檢測(cè)算法50-57
• 3.3.1 聯(lián)合聚類和數(shù)據(jù)時(shí)序的穩(wěn)態(tài)檢測(cè)方法流程50-55
• 3.3.2 精餾塔數(shù)據(jù)實(shí)例分析55-57
• 3.4 聚類閾值的確定方法57-65
• 3.4.1 聚類閾值的確定方法57-61
• 3.4.2 高維情況下算法效果展示和分析61-65
• 3.5 本章小結(jié)65-67
• 第四章 基于KDE算法的穩(wěn)態(tài)工況數(shù)據(jù)的提取67-103
• 4.1 引言67
• 4.2 穩(wěn)態(tài)數(shù)據(jù)提取和KDE算法介紹67-79
• 4.2.1 穩(wěn)態(tài)工況數(shù)據(jù)的提取67-68
• 4.2.2 核密度估計(jì)算法68-72
• 4.2.3 KDE估計(jì)數(shù)據(jù)分布的優(yōu)勢(shì)72-74
• 4.2.4 基于KDE的穩(wěn)態(tài)提取方法74-79
• 4.3 KDE應(yīng)用于穩(wěn)態(tài)數(shù)據(jù)提取79-90
• 4.3.1 仿真模型和數(shù)據(jù)介紹79-82
• 4.3.2 不同穩(wěn)態(tài)區(qū)間的工況數(shù)據(jù)提取82-89
• 4.3.3 全區(qū)間穩(wěn)態(tài)工況提取結(jié)果89-90
• 4.4 基于PCA的高維數(shù)據(jù)穩(wěn)態(tài)提取改進(jìn)方法90-96
• 4.4.1 算法性能分析和PCA降維優(yōu)化90-93
• 4.4.2 PCA降維-重構(gòu)穩(wěn)態(tài)提取實(shí)例分析93-96
• 4.5 電廠實(shí)際數(shù)據(jù)穩(wěn)態(tài)檢測(cè)和提取實(shí)例分析96-102
• 4.5.1 穩(wěn)態(tài)區(qū)間的檢測(cè)97-102
• 4.5.2 穩(wěn)態(tài)工況數(shù)據(jù)的提取102
• 4.6 本章小結(jié)102-103
• 第五章 總結(jié)與展望103-105
• 5.1 研究工作總結(jié)103
• 5.2 研究工作展望103-105
• 參考文獻(xiàn)105-109
• 作者在學(xué)期間所獲的科研成果109

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 高萌;劉吉臻;王瑞琪;張恒;張軒;;基于自適應(yīng)高斯濾波的電站歷史數(shù)據(jù)穩(wěn)態(tài)檢測(cè)方法[J];動(dòng)力工程學(xué)報(bào);2014年09期

2 呂游;劉吉臻;趙文杰;楊婷婷;;基于分段曲線擬合的穩(wěn)態(tài)檢測(cè)方法[J];儀器儀表學(xué)報(bào);2012年01期

3 高林;劉喜梅;;基于模糊集的穩(wěn)態(tài)檢驗(yàn)方法[J];青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

4 孔亮;丁艷軍;張毅;張雪;吳占松;;結(jié)合穩(wěn)態(tài)模型的非線性動(dòng)態(tài)建模方法及應(yīng)用[J];中國(guó)電機(jī)工程學(xué)報(bào);2008年29期

5 劉吉臻;楊光軍;譚文;;一種基于數(shù)據(jù)驅(qū)動(dòng)的電站狀態(tài)穩(wěn)定性能評(píng)價(jià)指標(biāo)[J];熱力發(fā)電;2008年01期

6 付克昌;戴連奎;吳鐵軍;;基于多項(xiàng)式濾波算法的自適應(yīng)穩(wěn)態(tài)檢測(cè)[J];化工自動(dòng)化及儀表;2006年05期

7 畢小龍;王洪躍;司風(fēng)琪;徐治皋;;基于趨勢(shì)提取的穩(wěn)態(tài)檢測(cè)方法[J];動(dòng)力工程;2006年04期

8 李初福,陳丙珍,何小榮,邱彤,胡山鷹;用于含過(guò)失誤差數(shù)據(jù)穩(wěn)態(tài)檢測(cè)的改進(jìn)濾波法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年09期

9 趙虹,楊建國(guó),常愛英,凌柏林,鄭航,馮國(guó)華,翁善勇,周永剛;煤粉燃燒穩(wěn)定性指數(shù)的建立[J];燃燒科學(xué)與技術(shù);2003年04期

10 程浩斌,周懷春,婁新生;新型燃煤鍋爐燃燒過(guò)程穩(wěn)定性評(píng)價(jià)指數(shù)CSI[J];工程熱物理學(xué)報(bào);1997年04期

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

1 杜奕;時(shí)間序列挖掘相關(guān)算法研究及應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

2 徐祖華;模型預(yù)測(cè)控制理論及應(yīng)用研究[D];浙江大學(xué);2004年

3 郭明;基于數(shù)據(jù)驅(qū)動(dòng)的流程工業(yè)性能監(jiān)控與故障診斷研究[D];浙江大學(xué);2004年

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

1 繆元武;基于層次聚類的數(shù)據(jù)分析[D];安徽大學(xué);2013年

2 張婷婷;基于ARMA模型的時(shí)間序列挖掘[D];合肥工業(yè)大學(xué);2013年

3 魏峰;工業(yè)大系統(tǒng)雙層結(jié)構(gòu)預(yù)測(cè)控制算法及策略研究[D];浙江工業(yè)大學(xué);2013年

  本文關(guān)鍵詞：多變量復(fù)雜系統(tǒng)的穩(wěn)態(tài)檢測(cè)和提取方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：386628