發(fā)布時間：2017-06-18 12:05

  本文關鍵詞：基于強化學習的復雜裝備工藝參數(shù)低（火用）損設計方法及其應用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：本文針對復雜裝備能耗高而裝備本身功能復雜、結構復雜、約束關系復雜、變量多且相互耦合,難以用傳統(tǒng)設計方法進行低能耗化設計的問題,提出了基于歷史數(shù)據的復雜裝備(?)損預測方法、構建了復雜裝備關鍵工藝參數(shù)(?)損響應面模型、實現(xiàn)了基于強化學習理論的復雜裝備工藝參數(shù)低(?)損設計,最后開發(fā)了復雜裝備工藝參數(shù)低炯損設計系統(tǒng),為復雜裝備低(?)損方案設計提供了理論基礎,為已運行復雜裝備工藝參數(shù)低(?)損設定提供了工具。 全文組織結構如下： 第一章從復雜裝備能耗高工程實際問題出發(fā),綜述了國內外炯損分析與綠色設計、復雜裝備工藝參數(shù)低(?)損設計、基于機器學習的工藝參數(shù)設計的國內外的研究現(xiàn)狀,結合作者所參與的空分項目展開本文的研究內容,最后介紹了本文的總體框架。 第二章針對復雜裝備方案設計階段沒有物理樣機情況下(?)損難以精確預測的問題,利用工廠積累的歷史數(shù)據對P-R狀態(tài)方程進行了修正,為復雜裝備物性參數(shù)估算和炯損預測奠定了基礎,最后用修正后的P-R狀態(tài)方程對空分裝備進行了模擬,計算了八萬等級空分裝備的(?)損。 第三章通過空分裝備流程的分析和物料平衡與熱平衡的校核,提取了空分裝備的工藝參數(shù),通過仿真模擬和實際空分裝備監(jiān)測建立了采樣點數(shù)據庫,最后應用基于徑向基函數(shù)的炯損響應面構建方法建立了空分裝備炯損響應面模型,為基于(?)損響應面模型的復雜裝備工藝參數(shù)優(yōu)化設計奠定了基礎。 第四章在強化學習的基本框架基礎之上,提出了基于預學習和實時學習的雙重強化學習框架,研究了基于(?)損響應面模型的復雜裝備工藝參數(shù)強化學習的方法及實現(xiàn),最后應用在八萬等級空分裝備工藝參數(shù)低炯損設計中,驗證了雙重強化學習框架下的復雜裝備工藝參數(shù)低炯損強化學習效果。 第五章以Aspen Plus二次開發(fā)為基礎,融合基于修正P-R方程的方案設計階段炯損預測方法、復雜裝備關鍵工藝參數(shù)炯損響應面模型構建技術、基于強化學習的工藝參數(shù)低(?)損設計技術,開發(fā)了復雜裝備工藝參數(shù)低炯損設計系統(tǒng),并在工程實際中得到應用。 第六章對全文的研究內容和開展的工作進行了總結,并面向工程實際運用進行了工作展望,指出了下一步研究的方向。
【關鍵詞】：空分裝備 強化學習 低炯損設計 響應面模型 工藝參數(shù)優(yōu)化
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TH162
【目錄】：

• 致謝5-6
• 摘要6-8
• Abstract8-12
• 第1章 緒論12-24
• 本章摘要12
• 1.1 引言12
• 1.2 國內外研究現(xiàn)狀12-21
• 1.2.1 炯損分析與綠色設計13-15
• 1.2.2 復雜裝備工藝參數(shù)低(?)損設計15-18
• 1.2.3 基于機器學習的工藝參數(shù)設計18-21
• 1.3 研究內容與總體框架21-23
• 1.3.1 研究內容及來源21-22
• 1.3.2 本文總體框架22-23
• 1.4 本章小結23-24
• 第2章 基于歷史數(shù)據的復雜裝備(?)損預測24-37
• 本章摘要24
• 2.1 引言24-25
• 2.2 基于歷史數(shù)據的P-R方程系數(shù)在空分模擬中的確定25-27
• 2.2.1 P-R方程在空分流程模擬中的系數(shù)確定25-27
• 2.2.2 P-R方程在空分流程模擬中的系數(shù)驗證27
• 2.3 復雜裝備流程模擬與炯損計算實例27-36
• 2.3.1 面向(?)損預測的空分流程模擬27-30
• 2.3.2 八萬等級空分裝備(?)損計算30-36
• 2.4 本章小結36-37
• 第3章 基于關鍵工藝參數(shù)的復雜裝備(?)損響應面構建37-51
• 本章摘要37
• 3.1 引言37-38
• 3.2 基于熱物平衡的復雜裝備關鍵工藝參數(shù)提取38-45
• 3.2.1 面向工藝參數(shù)提取的空分裝備熱物平衡研究38-43
• 3.2.2 空分裝備關鍵工藝參數(shù)提取43-45
• 3.3 復雜裝備關鍵工藝參數(shù)(?)損響應面模型構建45-50
• 3.3.1 基于徑向基函數(shù)的(?)損響應面構建方法45-47
• 3.3.2 空分裝備(?)損響應面模型構建47-50
• 3.4 本章小結50-51
• 第4章 復雜裝備工藝參數(shù)低(?)損強化學習51-61
• 本章摘要51
• 4.1 引言51
• 4.2 基于(?)損響應面的強化學習方法51-55
• 4.2.1 基于(?)損響應面的強化學習模塊劃分52-54
• 4.2.2 空分裝備預學習與實時學習54-55
• 4.3 復雜裝備工藝參數(shù)低(?)損設計及驗證55-60
• 4.3.1 復雜裝備工藝參數(shù)低(?)損設計56-58
• 4.3.2 復雜裝備工藝參數(shù)低(?)損設計方法有效性驗證58-60
• 4.4 本章小結60-61
• 第5章 復雜裝備工藝參數(shù)低(?)損設計系統(tǒng)開發(fā)61-74
• 本章摘要61
• 5.0 引言61
• 5.1 面向炯損預測的Aspen Plus二次開發(fā)技術61-65
• 5.2 系統(tǒng)構架與功能劃分65-67
• 5.3 系統(tǒng)主要模塊與功能67-73
• 5.3.1 熱物平衡分析67
• 5.3.2 流程模擬67-68
• 5.3.3 炯損計算68-70
• 5.3.4 炯損響應面構建70
• 5.3.5 工藝參數(shù)低炯損設計70-71
• 5.3.6 工藝參數(shù)驗證71-73
• 5.4 本章小結73-74
• 第6章 總結與展望74-76
• 本章摘要74
• 6.1 全文總結74-75
• 6.2 工作展望75-76
• 參考文獻76-80
• 作者簡介80

【參考文獻】

中國期刊全文數(shù)據庫 前10條

1 班曉娟,曾廣平,涂序彥;基于自學習的人工魚感知系統(tǒng)設計與實現(xiàn)[J];電子學報;2004年12期

2 竇毅芳;劉飛;張為華;;響應面建模方法的比較分析[J];工程設計學報;2007年05期

3 南楊;李中健;葉文偉;;基于強化學習的飛行自動駕駛儀設計[J];電子設計工程;2013年10期

4 梁志偉;朱松豪;;基于強化學習的類人機器人步行參數(shù)訓練算法[J];計算機工程;2012年08期

5 莫建文,林士敏,張順嵐;基于TD強化學習智能博弈程序的設計與實現(xiàn)[J];計算機應用;2004年S1期

6 張汝波,顧國昌,劉照德,王醒策;強化學習理論、算法及應用[J];控制理論與應用;2000年05期

7 高陽,陳世福,陸鑫;強化學習研究綜述[J];自動化學報;2004年01期

8 張占柱 ,傅舉孚 ,徐文灝 ,于恩平;空分裝置精餾系統(tǒng)的計算機設計[J];深冷技術;1983年04期

9 馬金亮;AspenPlus軟件模擬計算空分設備流程的修正[J];深冷技術;2005年03期

10 李堅強;裴海龍;;基于強化學習方法的懸浮車停車混合控制設計[J];微計算機信息;2008年22期

  本文關鍵詞：基于強化學習的復雜裝備工藝參數(shù)低（火用）損設計方法及其應用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：459186