【摘要】：間歇過程是工業(yè)生產(chǎn)中的一種重要生產(chǎn)方式,因能夠?qū)崿F(xiàn)小批量、多品種、高附加值等產(chǎn)品的生產(chǎn),已廣泛應(yīng)用于制藥、發(fā)酵、半導(dǎo)體加工等領(lǐng)域。間歇過程生產(chǎn)方案的多樣性及其工藝流程的多操作特征,導(dǎo)致過程具有多模態(tài)特性,而對間歇過程進行模態(tài)識別能夠?qū)⑦^程劃分為特性各異的多個模態(tài),是后續(xù)過程建模和過程測量數(shù)據(jù)異常檢測的基礎(chǔ)。傳統(tǒng)的模態(tài)識別方法忽略了數(shù)據(jù)的時序特性,且未考慮模態(tài)識別的經(jīng)驗風(fēng)險,模態(tài)識別的準(zhǔn)確性較低。而貝葉斯統(tǒng)計分析方法,能夠?qū)⑦^程先驗知識與過程數(shù)據(jù)相結(jié)合,利用最小后驗風(fēng)險準(zhǔn)則,實現(xiàn)過程數(shù)據(jù)深層挖掘。因此,將貝葉斯統(tǒng)計分析引入間歇過程模態(tài)識別,研究基于貝葉斯統(tǒng)計分析的多模態(tài)間歇過程模態(tài)識別方法,具有重要的理論意義和應(yīng)用價值。本文在分析間歇過程的特性與數(shù)據(jù)特征的基礎(chǔ)上,提出一種基于貝葉斯統(tǒng)計分析的多模態(tài)間歇過程模態(tài)識別方法。首先在模糊C均值聚類算法中,引入過程數(shù)據(jù)劃分效果綜合指標(biāo),對間歇過程歷史數(shù)據(jù)進行聚類分析,得到歷史數(shù)據(jù)集的最優(yōu)模態(tài)個數(shù);然后設(shè)定過渡模態(tài)判定閾值,并建立模態(tài)隸屬規(guī)則,得到過程模態(tài)粗劃分結(jié)果;進而引入了基于時序約束的模態(tài)推斷風(fēng)險函數(shù),構(gòu)建了一種貝葉斯網(wǎng)絡(luò)分類器,利用最小后驗風(fēng)險準(zhǔn)則對過程模態(tài)的最終歸屬進行決策,實現(xiàn)了多模態(tài)間歇過程的模態(tài)識別;在此基礎(chǔ)上,針對不同過程數(shù)據(jù)異常檢測結(jié)果,構(gòu)造數(shù)據(jù)異常檢測多源證據(jù)并對其進行融合,建立數(shù)據(jù)異常檢測判斷規(guī)則,最終實現(xiàn)了過程數(shù)據(jù)的異常檢測。實驗研究表明,所提出的基于貝葉斯統(tǒng)計分析的模態(tài)識別方法能夠?qū)﹂g歇過程模態(tài)進行有效識別,相比于現(xiàn)有的基于聚類分析的方法,有更高的可靠性和穩(wěn)定性;同時,所給出的基于D-S證據(jù)理論的異常檢測方法,解決了過程數(shù)據(jù)異常檢測模型對過程數(shù)據(jù)異常檢測的誤判問題,提高了間歇過程數(shù)據(jù)異常的檢測率。
【圖文】：

圖２－１簡易貝葉斯網(wǎng)絡(luò)模型逡逑Ｆｉｇ．２－１邋Ｓｉｍｐｌｅ邋Ｂａｙｅｓｉａｎ邋ｎｅｔｗｏｒｋ邋ｍｏｄｅｌ逡逑

圖２－２邋ＴＡＮ分類器結(jié)構(gòu)逡逑Ｆｉ．２－２邋Ｔｈｅ邋ｓｔｒｕｃｔｕｒｅ邋ｏｆ邋ｔｒｅｅ邋ａｕｍｅｎｔｅｄ邋ｎａｖｉｖｅ逡逑
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：O212.8

【參考文獻】

相關(guān)期刊論文 前2條

1 高學(xué)金;崔寧;張亞潮;齊詠生;王普;;基于粒子群優(yōu)化MICA的間歇過程故障監(jiān)測[J];儀器儀表學(xué)報;2015年01期

2 齊詠生;王普;高學(xué)金;陳修哲;;一種新的多階段間歇過程在線監(jiān)控策略[J];儀器儀表學(xué)報;2011年06期

，

本文編號：2603665