填料塔是一種重要的氣液傳質(zhì)設(shè)備,在工業(yè)生產(chǎn)中應(yīng)用廣泛。液泛的發(fā)生是現(xiàn)有工業(yè)填料塔操作中存在的主要問題,一旦發(fā)生液泛會(huì)導(dǎo)致生產(chǎn)效率降低,嚴(yán)重時(shí)甚至?xí)鹜＼?影響整個(gè)生產(chǎn)系統(tǒng)的正常操作�；谏疃葘W(xué)習(xí)對(duì)填料塔液泛進(jìn)行監(jiān)測(cè)能夠?qū)崿F(xiàn)生產(chǎn)過程智能化,保障填料塔安全高效運(yùn)行,具有重要的應(yīng)用價(jià)值和理論研究?jī)r(jià)值。本文首先綜述了填料塔液泛監(jiān)測(cè)的研究現(xiàn)狀,提出基于深度學(xué)習(xí)建立數(shù)據(jù)驅(qū)動(dòng)模型用于液泛監(jiān)測(cè)的方法。結(jié)合填料塔過程變量數(shù)據(jù)的特點(diǎn),提出一種三維長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)塔內(nèi)壓差進(jìn)行監(jiān)測(cè),進(jìn)而實(shí)現(xiàn)對(duì)液泛的間接監(jiān)測(cè)。針對(duì)僅通過塔內(nèi)壓差的變化無(wú)法準(zhǔn)確識(shí)別液泛狀態(tài)的問題,提出一種卷積長(zhǎng)短期記憶單元結(jié)構(gòu)對(duì)填料塔視頻數(shù)據(jù)建模,實(shí)現(xiàn)對(duì)液泛的直接監(jiān)測(cè)。最后提出一種將兩者結(jié)合的液泛監(jiān)測(cè)工作流程。本文的主要工作和創(chuàng)新點(diǎn)如下:(1)采用塔內(nèi)壓差這一關(guān)鍵變量作為液泛監(jiān)測(cè)的重要依據(jù),利用循環(huán)神經(jīng)網(wǎng)絡(luò)對(duì)填料塔過程變量數(shù)據(jù)建立時(shí)序模型實(shí)現(xiàn)對(duì)塔內(nèi)壓差的監(jiān)測(cè)。針對(duì)循環(huán)神經(jīng)網(wǎng)絡(luò)存在的“梯度彌散”問題并結(jié)合填料塔過程變量數(shù)據(jù)的特點(diǎn),提出一種三維長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)塔內(nèi)壓差進(jìn)行監(jiān)測(cè)。經(jīng)實(shí)驗(yàn)驗(yàn)證了監(jiān)測(cè)模型的有效性和優(yōu)越性,進(jìn)而能夠?qū)崿F(xiàn)對(duì)液泛的間接監(jiān)測(cè)。(2)針對(duì)僅通過塔內(nèi)壓差的變化無(wú)法準(zhǔn)確識(shí)別液泛狀態(tài)的問題,提出基于填料塔視頻數(shù)據(jù)的液泛監(jiān)測(cè)方法。將卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合,提出一種卷積長(zhǎng)短期記憶單元結(jié)構(gòu)對(duì)填料塔視頻數(shù)據(jù)建立時(shí)空模型,實(shí)現(xiàn)對(duì)液泛的直接監(jiān)測(cè),經(jīng)實(shí)驗(yàn)驗(yàn)證了方法的有效性。最后提出一種將兩者結(jié)合的液泛監(jiān)測(cè)工作流程,保障填料塔安全高效運(yùn)行。
【學(xué)位單位】：浙江工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TQ053.5
【部分圖文】：

iy 表示模型預(yù)測(cè)輸出；iy 表示真實(shí)數(shù)據(jù)；M 表示待測(cè)試數(shù)據(jù)的樣tp://homes.esat.kuleuven.be/~smc/daisy/獲得 4000 組數(shù)據(jù)，要監(jiān)測(cè)的。根據(jù)經(jīng)驗(yàn)選取三個(gè)時(shí)間滯后，即用過去三個(gè)時(shí)刻的已知數(shù)據(jù)預(yù)測(cè)濃度，時(shí)序模型的輸入向量可表示如下：, 2 , 1 , , 2 , 1 ,[ , , , , , ]c t c t c t a t a t a tq q q C C C x ，qc是冷卻液體積流量，l/min；Ca是產(chǎn)物濃度數(shù)據(jù)，mol/l；t 表示為 Ca,t+1。將數(shù)據(jù)分為訓(xùn)練集、驗(yàn)證集和測(cè)試集三部分，其中模型在參數(shù)，在驗(yàn)證集上選擇超參數(shù)，最后在測(cè)試集上測(cè)試模型效果。訓(xùn)驗(yàn)證集數(shù)據(jù)為 200 組，測(cè)試集數(shù)據(jù)為 2000 組。充分追蹤過程的時(shí)變性和動(dòng)態(tài)性，選擇兩個(gè)隱藏層，其中第一個(gè)隱；第二個(gè)隱藏層有 50 個(gè)神經(jīng)元。由于是回歸預(yù)測(cè)問題，最后加上中只有一個(gè)線性激活函數(shù)。采用沿時(shí)間反向傳播優(yōu)化算法進(jìn)行訓(xùn)練每次訓(xùn)練的迭代批次量為 1；迭代次數(shù)初定為 20，根據(jù)模型在驗(yàn)證的迭代次數(shù)。

浙江工業(yè)大學(xué)碩士學(xué)位論文（學(xué)術(shù)型），測(cè)試集數(shù)據(jù)為 800 組。包括兩個(gè)隱藏層，其中第一個(gè)隱藏層有 10 個(gè)神經(jīng)元；第二個(gè)隱藏層有于是回歸預(yù)測(cè)問題，最后加上一個(gè)線性回歸層。采用沿時(shí)間反向傳播，學(xué)習(xí)率設(shè)為 0.01；每次訓(xùn)練的迭代批次量設(shè)為 16；迭代總次數(shù)初定在驗(yàn)證集上的表現(xiàn)確定最終的迭代次數(shù)，其余參數(shù)全部設(shè)為默認(rèn)值。經(jīng)歷 194 次迭代訓(xùn)練后在驗(yàn)證集上的損失達(dá)到最小，保存此時(shí)的模型，出口液體溫度真實(shí)值和預(yù)測(cè)值的對(duì)比如圖 2-6 所示。可以看出，出毫無(wú)規(guī)律可言，變化幅度很大，體現(xiàn)出過程較強(qiáng)的動(dòng)態(tài)性和時(shí)變性，依然能夠?qū)ζ溥M(jìn)行追蹤和監(jiān)測(cè)。

第 2 章 基于過程變量數(shù)據(jù)的時(shí)序建模方法驗(yàn)設(shè)備。硬件裝置主要包括填料塔、空氣-水循環(huán)供給裝置、測(cè)為規(guī)整填料塔，為了便于在實(shí)驗(yàn)中觀察液泛現(xiàn)象，塔-7 所示，各部件尺寸如表 2-3 所示。填料為金屬絲網(wǎng)要參數(shù)如表 2-4 所示。實(shí)驗(yàn)采用的氣液兩相介質(zhì)是空要包括風(fēng)機(jī)和水泵。測(cè)量裝置主要包括流量計(jì)、壓差如表 2-5 所示。視頻傳感器選用電荷耦合元件(ChargCD 攝像頭具有靈敏度高、分辨率高以及良好的噪聲行過程中塔體內(nèi)部細(xì)微的變化，信號(hào)在傳輸時(shí)也不會(huì)

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 周濟(jì);;智能制造——“中國(guó)制造2025”的主攻方向[J];中國(guó)機(jī)械工程;2015年17期

2 劉毅;金福江;高增梁;;時(shí)變過程在線辨識(shí)的即時(shí)遞推核學(xué)習(xí)方法研究[J];自動(dòng)化學(xué)報(bào);2013年05期

3 金偉婭;張峰;陳冰冰;方志明;;絲網(wǎng)波紋填料塔液泛水力學(xué)特征[J];化工學(xué)報(bào);2012年10期

本文編號(hào)：2834045