間歇生產(chǎn)過程是現(xiàn)代化工業(yè)的重要生產(chǎn)方式之一,被廣泛應(yīng)用于微生物發(fā)酵、基因工程制藥、精細(xì)化工等小批量、多品種、高附加值產(chǎn)品的制造業(yè)中,具有重要的地位和作用。因此,保證間歇過程生產(chǎn)安全、低碳環(huán)保和其產(chǎn)品質(zhì)量已成為人們?nèi)找骊P(guān)注的焦點(diǎn)。間歇過程普遍具有非線性、非高斯性、高斯性和多階段性等特性,其生產(chǎn)過程操作的復(fù)雜度也遠(yuǎn)遠(yuǎn)高于連續(xù)過程,產(chǎn)品的質(zhì)量極易受到設(shè)備、環(huán)境和原材料等外界條件的影響。為了保證生產(chǎn)過程的安全等,針對(duì)生產(chǎn)過程的監(jiān)測(cè)及故障診斷技術(shù)逐漸受到了學(xué)術(shù)界和工業(yè)界的廣泛重視。發(fā)酵生產(chǎn)過程是典型的間歇過程,針對(duì)發(fā)酵過程存在的多階段、非線性等問題,本文具體研究的內(nèi)容如下:（1）基于KECA相似度的階段劃分算法針對(duì)發(fā)酵過程的多階段問題,提出基于KECA相似度的階段劃分算法,將青霉素發(fā)酵過程仿真數(shù)據(jù)預(yù)處理后劃分為各個(gè)時(shí)間片矩陣,再按KECA的相似度指標(biāo)將子時(shí)段劃分為穩(wěn)定子時(shí)段和過渡子時(shí)段,每個(gè)子時(shí)段內(nèi)的時(shí)間片將具有相同的過程特性,可以將同一時(shí)段內(nèi)的數(shù)據(jù)建立統(tǒng)一的模型。（2）基于KECA的發(fā)酵過程故障監(jiān)測(cè)對(duì)每個(gè)時(shí)段的穩(wěn)定階段和過渡階段分別建立KECA和滑動(dòng)加權(quán)的KECA監(jiān)測(cè)模型�；贙ECA選取主元... 

【文章來源】：內(nèi)蒙古工業(yè)大學(xué)內(nèi)蒙古自治區(qū)

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

過程監(jiān)測(cè)分類Fig.1-1Processmonitoringclassification

而多元統(tǒng)計(jì)方法在間歇過程監(jiān)測(cè)中程的變量數(shù)據(jù)進(jìn)行特征提取，獲得有用的信息，在線監(jiān)測(cè)，可以及時(shí)、準(zhǔn)確地觀察到故障的發(fā)生（Principal Component Analysis，PCA）[10,11]、獨(dú)mponent Analysis，ICA）[12,13]、偏最小二乘方法（P上類型的方法主要以間歇過程的歷史數(shù)據(jù)為基礎(chǔ)，映射到低維空間，使得數(shù)目減少并且數(shù)據(jù)相互所得到的新數(shù)據(jù)與原始數(shù)據(jù)相比，其中包含絕大少，降低了計(jì)算的復(fù)雜性，而降噪問題可以通過。將得到的新變量建立監(jiān)控故障的統(tǒng)計(jì)量。監(jiān)控計(jì)算獲得，通過將在線監(jiān)測(cè)新數(shù)據(jù)進(jìn)行計(jì)算所得障發(fā)生�；诙嘣y(tǒng)計(jì)監(jiān)測(cè)方法可分為兩個(gè)階段對(duì)歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，然后建立相應(yīng)的監(jiān)在線監(jiān)測(cè)則是通過計(jì)算采樣時(shí)刻數(shù)據(jù)點(diǎn)的統(tǒng)計(jì)量算的控制限進(jìn)行比較，判斷故障是否發(fā)生。如圖

第二章 基于 KECA 相似度的階段劃分算法變量，一個(gè)操作周期里有K 個(gè)采樣點(diǎn)。因(J×K)。若進(jìn)行批次發(fā)酵生產(chǎn)過程，可,K 分別表示間歇發(fā)酵過程的批量數(shù)、變量型建立的時(shí)候，需將發(fā)酵過程的三維數(shù)據(jù)標(biāo)準(zhǔn)化處理，對(duì)三維數(shù)據(jù)進(jìn)行處理從排有工程意義的展開方式為兩種：第一種沿矩陣的列數(shù)，把其余的作為矩陣的行數(shù)，且起，因此得到二維矩陣 X( J KI)。第二種二維矩陣的列數(shù)，其余作為矩陣的行數(shù)，且因此得到二維矩陣 X(I×KJ)。如下圖 2-1 和

【參考文獻(xiàn)】：
期刊論文
[1]基于主元分析-概率神經(jīng)網(wǎng)絡(luò)的制冷系統(tǒng)故障診斷[J]. 梁晴晴,韓華,崔曉鈺,谷波.  化工學(xué)報(bào). 2016(03)
[2]基于KECA的化工過程故障監(jiān)測(cè)新方法[J]. 齊詠生,張海利,高學(xué)金,王普.  化工學(xué)報(bào). 2016(03)
[3]批次加權(quán)軟化分的多階段AR-PCA間歇過程監(jiān)測(cè)[J]. 胡永兵,高學(xué)金,李亞芬,齊詠生,王普.  儀器儀表學(xué)報(bào). 2015(06)
[4]基于改進(jìn)重構(gòu)貢獻(xiàn)圖的故障定位方法[J]. 郭小萍,楊猛,李元.  儀器儀表學(xué)報(bào). 2015(05)
[5]基于多階段動(dòng)態(tài)PCA的發(fā)酵過程故障監(jiān)測(cè)[J]. 齊詠生,王普,高學(xué)金,陳修哲.  北京工業(yè)大學(xué)學(xué)報(bào). 2012(10)
[6]基于時(shí)段的間歇過程統(tǒng)計(jì)建模、在線監(jiān)測(cè)及質(zhì)量預(yù)報(bào)[J]. 趙春暉,王福利,姚遠(yuǎn),高福榮.  自動(dòng)化學(xué)報(bào). 2010(03)
[7]動(dòng)態(tài)系統(tǒng)的故障診斷技術(shù)[J]. 周東華,胡艷艷.  自動(dòng)化學(xué)報(bào). 2009(06)



本文編號(hào)：3616202