化工行業(yè)滲透國民生活的方方面面,2018年化工行業(yè)實現(xiàn)利潤總額超過6000億元。精餾塔是石油化工生產(chǎn)過程中非常常見并且非常重要的分離設備之一,占化工、石化項目設備總投資的30%～40%,其性能直接關(guān)系到生產(chǎn)裝置的投資、產(chǎn)能、質(zhì)量、能耗及成本[1]。然而,化工行業(yè)大部分子行業(yè)都存在產(chǎn)能過剩,產(chǎn)品競爭力,技術(shù)提升慢的現(xiàn)象。距離實現(xiàn)經(jīng)濟轉(zhuǎn)型,生產(chǎn)智能化仍有較遠的路要走。核心問題是化工設備的特性復雜多變,難以對其進行準確描述,更不論定制準確有效的優(yōu)化控制方法。由于化工行業(yè)的工藝復雜,產(chǎn)品繁多,并且設備特性在運行時會隨著眾多因素的改變而改變,導致目前建立的化工設備數(shù)學模型通常都不完善,存在不能提前預測,效果不佳、診斷滯后等缺陷。如何對復雜的現(xiàn)實問題進行系統(tǒng)建模,一直是當前控制領(lǐng)域研究的熱點問題[2]。本文針對傳統(tǒng)精餾塔建模存在的如建模周期長,預測準確率低,跟蹤性能差等諸多缺陷,結(jié)合大數(shù)據(jù),深度學習以及遷移學習技術(shù),對海量的工業(yè)數(shù)據(jù)進行高效處理,提出了一個能精準建模與動態(tài)更新的精餾塔建模方案。具體的研究工作如下:（1）針對傳統(tǒng)的特征選擇方法在處理填料式精餾塔高維時間序列數(shù)據(jù)難以兼顧計算復雜度和性能... 

【文章來源】：浙江理工大學浙江省

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【部分圖文】：

圖３．１珠�，F(xiàn)場工藝流程??

浙江理工大學碩士學位論文?基于遷移學習的精餾塔建模方法研究??１?＾料―………．?，?．??酶愚???Ｐｆ．＿????圖３．１珠�，F(xiàn)場工藝流程??．．．．．．．＾?七?Ｌ?ｒ；?“??ｌ＿＇Ｔ＿ｌ＾：??圖３．?２淮安現(xiàn)場工藝流程??３．２數(shù)據(jù)預處理??１３??

浙江理工大學碩士學位論文?基于遷移學習的精餾塔建模方法研宄??直接從生產(chǎn)設備獲得的數(shù)據(jù)，無法避免系統(tǒng)噪聲對數(shù)據(jù)的干擾，這些干擾容??易造成預測誤差，因此原始數(shù)據(jù)必須經(jīng)過處理才能夠在建模中應用。數(shù)據(jù)預處理??在眾多機器學習和深度學習算法中都起著重要作用。??３．２．１缺失、異常值檢測及處理??異常值是指傳感器工作狀態(tài)異�；蚴桥c正常工況有較大差異的數(shù)據(jù)。傳感器??工作狀態(tài)異常會導致數(shù)據(jù)長時間處于定值或出現(xiàn)量程之外的數(shù)值。數(shù)據(jù)傳輸故障??或生產(chǎn)中斷會造成缺失值以及定值的產(chǎn)生。將數(shù)據(jù)分塊讀入，首先通過可視化和??統(tǒng)計手段對數(shù)據(jù)進行初步觀察，發(fā)現(xiàn)恒定值列以及存在明顯異常的特診，如圖??３．３、圖３．?４所示。圖３．?３左下角存在驟降的點，這在流程生產(chǎn)中是不正常的，??應將異常樣本剔除。精餾塔數(shù)據(jù)整體符合正態(tài)分布ｉＶ（Ａａ），＂是序列的均值，ａ是??序列的標準差。??ａ?＝?（３．丨）??式中Ｗ?＝?Ａ?－兄ｉＶ為樣本個數(shù)。根據(jù)３＜ｒ原則，數(shù)據(jù)落在〇?－?３ｃｊｊ?＋?３（７）之外的??概率僅有０．２７％，可認為是異常數(shù)據(jù)，應進行剔除。??遍歷數(shù)據(jù)，通將缺失值比例高于２０％以及恒定值的特征篩除。缺失低于２０％??的特征通過差值法補全。??？?ａｍｍ?？ｍｗ?ｍｎｍ??＊＊?ｗ？ｒ?ｉ?ｎ?Ｍｉｌ＊?？??？?？？＊?ｅ?ａａａｒ?ｗｔｏｉｔ?ｔ?ｍｕｔ?？ａａ＞?ｗｗ??ｌｌ“ｈ?１１??ｉ?Ｉ：?：?：：?￣￣：￣￣?：：??＊?Ｉ．?？＞－??４?＿Ｐ＊?？�。�？？?？?４ＲＭ?ＭＨｂ?ｔｉｍｍ??圖３．?３部分特征變化趨勢圖??１４??


本文編號：3269058