發(fā)布時間：2022-01-04 20:08

　　間歇過程是生物制藥、精細(xì)化工、微電子、食品等行業(yè)的主要生產(chǎn)方式,廣泛應(yīng)用于醫(yī)藥、生物制品、半導(dǎo)體器件等高附加值產(chǎn)品的生產(chǎn)中。在間歇過程中,通過獲取過程變量的在線測量數(shù)據(jù),分析過程變量狀況,對生產(chǎn)過程實施在線監(jiān)測與優(yōu)化控制,有效地提高了間歇生產(chǎn)過程安全運行和生產(chǎn)優(yōu)化。受在線測量技術(shù)的制約,在間歇過程中存在著不易測量的過程變量,直接影響著間歇過程的在線監(jiān)測與優(yōu)化控制。軟測量通過建立間歇過程不易測量過程變量與易測變量之間的數(shù)學(xué)模型,能夠在線估計不易測量過程變量,已成為不易測量過程變量在線測量的重要方法。然而,間歇過程受操作工藝、生產(chǎn)現(xiàn)場環(huán)境、現(xiàn)場測量儀表性能衰減等因素的影響,所獲得的過程數(shù)據(jù)具有非規(guī)則特征,非規(guī)則過程數(shù)據(jù)主要表現(xiàn)為生產(chǎn)批次切換導(dǎo)致的不等長批次數(shù)據(jù)、操作切換的多時段數(shù)據(jù),這些非規(guī)則數(shù)據(jù)直接用于間歇過程軟測量,嚴(yán)重影響著數(shù)據(jù)驅(qū)動的軟測量的準(zhǔn)確性;同時現(xiàn)有的間歇過程軟測量建模方法通常僅考慮了過程數(shù)據(jù)的非線性,沒有考慮過程數(shù)據(jù)具有的高維度、動態(tài)性特征,降低了軟測量建模的準(zhǔn)確性。因此,研究非規(guī)則數(shù)據(jù)下的間歇過程軟測量建模方法具有重要的理論意義和應(yīng)用價值。本文在詳細(xì)分析間歇過程非規(guī)則數(shù)據(jù)... 

【文章來源】：北京化工大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：126 頁

【學(xué)位級別】：博士

【部分圖文】：

圖２－１基于ＤＴＷ的不等長批次數(shù)據(jù)同步化：（ａ）同步化路徑和（ｂ）同步化結(jié)果??Ｆｉｇ．２－１?Ｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ?ｆｏｒ?ｕｎｅｑｕａｌ－ｌｅｎｇｔｈ?ｂａｔｃｈ?ｄａｔａ?ｂａｓｅｄ?ｏｎ?ＤＴＷ：?（ａ）?ｗａｒｐｉｎｇ?ｐａｔｈ?ａｎｄ?（ｂ）??ｓｙｎｃｈｒｏｎｉｚｅｄ?ｒｅｓｕｌｔ??在局部相似度的基礎(chǔ)上，計算批次數(shù)據(jù)之間的總體距離￡？，即??Ｈ??：?ｕ）?ｄｊ（＾）?ｊＷ??＇

?第二章基于核動態(tài)時間規(guī)整的間歇過程不等長批次數(shù)據(jù)同步化方法???離矩陣和同步化最優(yōu)路徑。對于圖２－１所示例子，選擇不同的核參數(shù)對應(yīng)的局部相似??度矩陣、同步化路徑和同步化結(jié)果如圖２－２所示。??（ａ）?２４?￣?２４?ＦＩ￣ｊ；??Ｉ：夕?ｉｔ?Ｉ??：■二：７二??（：?ｉ．ｒ［廣土，??０ｌＣ???ｌＪ?＼?ｉ?ｇ?ｉ?ｉ?ｉ?ｉ??０?４?８?１２?１６?２０?０?４?８?１２?１６?２０?０?４?８?１２?１６?２０?２４??（ｂ）?２４?ｊｊ?－ｊｍ?２４?￣ｙｒｉ?？??２〇?ｒ?２０?Ａ??１６１１６??：Ｌｍｊ?：Ｌ＾！Ｊ?Ｌ上??ｖ０?４?８?Ｕ?１６?２０?ｕ０?４?８?１２?１６?２０?０?４?８?１２?１６?２０?２４??（ｃ）?２４１—；?ＳＩ?２４ｒ—ｉ￣￣ＦＴ］??５???２０?％?Ｗ?＊?２０?％?＊?Ｋ?，？＊?Ａ??１６?ｆ?５?．６?ｔ／ｌ??１２?－?＊?■?ｉ２．?ｙ?＊?ｓ??４?－?ｉ?ｒ?＾?－Ｊ?ｉ?ｉ｜?Ｉ??０?４?８?１２?１６?２０?？?４?８?１２?１６?２０?０?４?８?１２?１６?２０?２４??圖２－２局部相似度矩陣（左邊列）、累積距離矩陣和同步化路徑（中間列）和同步化結(jié)果（右邊??列）：（ａ）核參數(shù)為０．５，?（ｂ）核參數(shù)為１，（ｃ）核參數(shù)為５??Ｆｉｇ．２－２?Ｌｏｃａｌ?ｋｅｒｎｅｌ?ｄｉｓｔａｎｃｅｓ?（ｌｅｆｔ?ｃｏｌｕｍｎ），?ｃｕｍｕｌａｔｉｖｅ?ｄｉｓｔａｎｃｅｓ?ａｎｄ?ｗａｒｐｉｎｇ?ｐａｔｈ?（ｍｉｄｄｌｅ?ｃｏｌｕｍｎ），??ａｎｄ?ｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ?ｒｅｓｕｌｔｓ?（ｒｉｇｈｔ?ｃｏｌｕｍ

?第二章基于核動態(tài)時間規(guī)整的間歇過程不等長批次數(shù)據(jù)同步化方法???２．４．３基于ＫＤＴＷ的測試批次同步化??基于ＫＤＴＷ的測試批次同步化步驟如下：??步驟１、采集間歇過程的歷史批次數(shù)據(jù)集并進行標(biāo)準(zhǔn)化處理；??步驟２、利用ＭＰＳＣ選擇參考批次，將剩余批次看作測試批次；??步驟３、根據(jù)所提出的ＳＰＣＩ確定最優(yōu)核參數(shù)；??步驟４、在最優(yōu)核參數(shù)設(shè)定下，利用所提出的ＫＤＴＷ方法和參考批次對所有的測??試批次進行同步化。??綜上所述，基于ＫＤＴＷ的間歇過程不等長批次數(shù)據(jù)同步化流程如圖２￣４所示。??２．５實驗結(jié)果與分析??２．５．１青霉素發(fā)酵過程??２．５．１．１過程描述??青霉素是一種具有廣泛臨床醫(yī)學(xué)價值的抗生素，其生產(chǎn)過程是典型的非線性間歇??過程，如圖２－５所示。ＰｅｎＳｉｍＶ２＿０是由Ｂｉｏｒ等［１３］開發(fā)的青霉素發(fā)酵過程仿真平臺，??提供了青霉素發(fā)酵過程的標(biāo)準(zhǔn)模擬數(shù)據(jù)。在本節(jié)實驗中，在不同的初始條件設(shè)定下，??利用ＰｅｎＳｉｍ?Ｖ２．０生成３０個正常工況下的批次數(shù)據(jù)。每個批次的采樣時間從３０４小時??到４９５小時不等，共采集如表２－２所示的９個過程變量數(shù)據(jù)，采樣周期為〗小時。３０??個批次的標(biāo)準(zhǔn)化過程變量數(shù)據(jù)如圖２－６所示。??Ａｇｉｔａｔｏｒ?ｐｏｗｅｒ?Ｉｎｉｔｉａｌ?ｃｏｎｄｉｔｉｏｎｓ??ｐＨ?ｓｅｔｔｉｎｇ??＾??Ｓｕｂｓｔｒａｔｅ?ｃｏｎｃｅｎｔｒａｔｉｏｎ??廠義ＦＣ少｜?Ｄｉｓｓｏｌｖｅｄ?ｏｘｙｇｅｎ?ｃｏｎｃｅｎｔｒａｔｉｏｎ??ｌ?Ｂｉｏｍａｓｓ?ｃｏｎｃｅｎｔｒａｔｉｏｎ??「Ａｃｉｄ?ｊ?］?ＴｐＨｊ?Ｉ?Ｐｅｎｉｃｉｌｌｉｎ?ｃｏｎｃｅｎｔｒａｔｉｏｎ??Ｉ?Ｉ

【參考文獻】：
期刊論文
[1]基于自編碼神經(jīng)網(wǎng)絡(luò)特征提取的回聲狀態(tài)網(wǎng)絡(luò)研究及過程建模應(yīng)用[J]. 朱寶,喬俊飛.  化工學(xué)報. 2019(12)
[2]基于k-近鄰互信息的發(fā)酵過程高斯過程回歸建模[J]. 趙榮榮,趙忠蓋,劉飛.  化工學(xué)報. 2019(12)
[3]基于變量分組DTW-MCVA的不等長間歇過程故障檢測方法[J]. 于蕾,鄧曉剛,曹玉蘋,路凱琪.  化工學(xué)報. 2019(09)
[4]基于進化多目標(biāo)優(yōu)化的選擇性集成學(xué)習(xí)軟測量建模[J]. 金懷平,黃思,王莉,陳祥光,潘貝,李建剛.  高�；瘜W(xué)工程學(xué)報. 2019(03)
[5]基于動態(tài)多核相關(guān)向量機的軟測量建模研究[J]. 吳菁,劉乙奇,劉堅,黃道平,邱禹,于廣平.  化工學(xué)報. 2019(04)
[6]PDPSO優(yōu)化多階段AR-PCA間歇過程監(jiān)測方法[J]. 高學(xué)金,黃夢丹,齊詠生,王普.  化工學(xué)報. 2018(09)
[7]基于深度集成支持向量機的工業(yè)過程軟測量方法[J]. 馬建,鄧曉剛,王磊.  化工學(xué)報. 2018(03)
[8]基于Gath-Geva算法和核極限學(xué)習(xí)機的多階段間歇過程軟測量[J]. 張雷,張小剛,陳華.  化工學(xué)報. 2018(06)
[9]基于RVM組合核優(yōu)化的軟測量模型研究[J]. 張亞男,楊慧中.  系統(tǒng)仿真學(xué)報. 2018(01)
[10]基于SVDD的多時段間歇過程故障檢測[J]. 王建林,馬琳鈺,邱科鵬,劉偉旻,趙利強.  儀器儀表學(xué)報. 2017(11)

博士論文
[1]間歇過程測量數(shù)據(jù)異常智能檢測方法研究[D]. 劉偉旻.北京化工大學(xué) 2018
[2]數(shù)據(jù)驅(qū)動的間歇過程監(jiān)測與質(zhì)量控制研究[D]. 秦巖.浙江大學(xué) 2018
[3]基于即時學(xué)習(xí)的復(fù)雜非線性過程軟測量建模及應(yīng)用[D]. 袁小鋒.浙江大學(xué) 2016
[4]發(fā)酵過程智能測控系統(tǒng)關(guān)鍵技術(shù)研究[D]. 趙利強.北京化工大學(xué) 2009
[5]復(fù)雜工況過程統(tǒng)計監(jiān)測方法研究[D]. 葛志強.浙江大學(xué) 2009
[6]多時段間歇過程統(tǒng)計建模、在線監(jiān)測及質(zhì)量預(yù)報[D]. 趙春暉.東北大學(xué) 2009



本文編號：3568985