連續(xù)化工生產(chǎn)過(guò)程存在采樣時(shí)間短、動(dòng)態(tài)性強(qiáng)、非線性等特征,對(duì)過(guò)程工況進(jìn)行監(jiān)測(cè)預(yù)警對(duì)于保證安全穩(wěn)定的生產(chǎn)活動(dòng)尤為重要�，F(xiàn)有的預(yù)警方法以短期預(yù)測(cè)為主,但現(xiàn)場(chǎng)人員對(duì)于一些復(fù)雜的操作往往短時(shí)間內(nèi)無(wú)法處理,因此,需要將預(yù)警時(shí)間盡量提前至幾分鐘以上,才能保證充足的操作時(shí)間。而提前預(yù)警時(shí)間的同時(shí),會(huì)造成系統(tǒng)出現(xiàn)大量的誤報(bào)警和漏報(bào)警,會(huì)對(duì)現(xiàn)場(chǎng)人員造成一定的困擾,如何在提前預(yù)警時(shí)間的同時(shí)盡可能地保證預(yù)警準(zhǔn)確度是一大難題。針對(duì)以上問(wèn)題,本文展開以下4個(gè)方面的研究:（1）針對(duì)化工過(guò)程采樣間隔短、動(dòng)態(tài)性強(qiáng),短期參數(shù)預(yù)測(cè)不能有效地為現(xiàn)場(chǎng)人員提供充足的操作時(shí)間,提出了基于單參數(shù)的超早期預(yù)測(cè)方法。采用最小二乘支持向量機(jī)對(duì)歸一化處理后的過(guò)程數(shù)據(jù)進(jìn)行訓(xùn)練,利用改進(jìn)的粒子群優(yōu)化算法對(duì)最小二乘支持向量機(jī)中的核參數(shù)和懲罰因子進(jìn)行快速精確地全局尋優(yōu),得到優(yōu)化的預(yù)測(cè)模型。相比DCS平均提前36.7s報(bào)警,預(yù)測(cè)精度和預(yù)測(cè)時(shí)間均優(yōu)于最小二乘支持向量機(jī)模型和常規(guī)粒子群優(yōu)化的最小二乘支持向量機(jī)模型。（2）針對(duì)現(xiàn)有整體工況異常監(jiān)測(cè)預(yù)警方法大多采取統(tǒng)計(jì)量監(jiān)測(cè),易發(fā)生誤報(bào)和漏報(bào)的問(wèn)題,提出了一種基于多源信息融合的異常工況組合預(yù)警機(jī)制,準(zhǔn)確對(duì)工況... 

【文章來(lái)源】：中國(guó)石油大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題來(lái)源
    1.2 課題研究的目的及意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 連續(xù)過(guò)程參數(shù)預(yù)測(cè)方法研究現(xiàn)狀
        1.3.2 連續(xù)過(guò)程異常工況監(jiān)測(cè)方法研究現(xiàn)狀
        1.3.3 連續(xù)過(guò)程異常工況自動(dòng)溯源方法研究現(xiàn)狀
        1.3.4 數(shù)據(jù)遠(yuǎn)程傳輸方法研究現(xiàn)狀
    1.4 研究?jī)?nèi)容及方案
    1.5 技術(shù)路線圖
第2章 基于單參數(shù)的異常工況超早期預(yù)測(cè)方法研究
    2.1 引言
    2.2 基于單參數(shù)的異常工況超早期預(yù)測(cè)方法基本原理
        2.2.1 LSSVM原理
        2.2.2 改進(jìn)的PSO方法原理
    2.3 基于單參數(shù)的異常工況超早期預(yù)測(cè)方法步驟
    2.4 案例分析
        2.4.1 丙烷塔超壓異常工況一案例分析
        2.4.2 丙烷塔超壓異常工況二案例分析
        2.4.3 丙烷塔超壓異常工況三案例分析
        2.4.4 案例分析結(jié)論
    2.5 本章小結(jié)
第3章 基于多源信息融合的異常工況組合預(yù)警機(jī)制研究
    3.1 引言
    3.2 基于多源信息融合的異常工況組合預(yù)警機(jī)制基本理論
        3.2.1 基于單參數(shù)的超早期預(yù)測(cè)方法
        3.2.2 基于趨勢(shì)分析的工況監(jiān)測(cè)方法
        3.2.3 基于聚類分析的工況監(jiān)測(cè)方法
    3.3 基于多源信息融合的異常工況組合預(yù)警機(jī)制步驟
    3.4 案例分析
        3.4.1 丙烷塔超壓異常工況一案例分析
        3.4.2 丙烷塔超壓異常工況二案例分析
        3.4.3 丙烷塔超壓異常工況三案例分析
        3.4.4 案例分析結(jié)論
    3.5 本章小結(jié)
第4章 異常工況智能推理溯源方法研究
    4.1 引言
    4.2 異常工況智能推理溯源方法基本理論
        4.2.1 Spearman相關(guān)系數(shù)方法
        4.2.2 關(guān)聯(lián)規(guī)則算法
    4.3 異常工況智能推理溯源方法步驟
    4.4 案例分析
        4.4.1 丙烷塔超壓異常工況案例分析
        4.4.2 乙烷塔塔頂回流罐液位低異常工況案例分析
        4.4.3 乙烷塔塔底液位低異常工況案例分析
        4.4.4 案例分析結(jié)論
    4.5 本章小結(jié)
第5章 遠(yuǎn)程智能超早期預(yù)警系統(tǒng)開發(fā)
    5.1 引言
    5.23 G技術(shù)數(shù)據(jù)遠(yuǎn)程傳輸基本理論
    5.3 遠(yuǎn)程智能超早期預(yù)警系統(tǒng)開發(fā)
        5.3.1 實(shí)時(shí)監(jiān)測(cè)模塊
        5.3.2 單參數(shù)超早期預(yù)測(cè)模塊
        5.3.3 異常工況組合預(yù)警模塊
        5.3.4 異常工況自動(dòng)溯源模塊
        5.3.5 報(bào)警閾值查看模塊
        5.3.6 遠(yuǎn)程傳輸模塊
    5.4 本章小結(jié)
第6章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
附錄A 碩士期間科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合改進(jìn)PSO算法和LSSVM的化工異常工況超早期監(jiān)測(cè)預(yù)警研究[J]. 胡瑾秋,郭放,張來(lái)斌.  電子測(cè)量與儀器學(xué)報(bào). 2018(02)
[2]基于混沌-RBF神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率超短期預(yù)測(cè)模型[J]. 王育飛,付玉超,孫路,薛花.  電網(wǎng)技術(shù). 2018(04)
[3]基于多層優(yōu)化PCC-SDG方法的化工過(guò)程故障診斷[J]. 董玉璽,李樂(lè)寧,田文德.  化工學(xué)報(bào). 2018(03)
[4]基于K-means聚類法的牽引供電隔離開關(guān)故障狀態(tài)監(jiān)測(cè)[J]. 劉仕兵,葛俊祥.  華東交通大學(xué)學(xué)報(bào). 2017(03)
[5]人工神經(jīng)網(wǎng)絡(luò)在化工過(guò)程中的應(yīng)用進(jìn)展[J]. 席寧.  當(dāng)代化工研究. 2017(03)
[6]基于關(guān)聯(lián)規(guī)則的航空電子設(shè)備故障診斷[J]. 石海洋,武華,張彬.  電子測(cè)試. 2017(06)
[7]基于改進(jìn)核主元分析的故障檢測(cè)方法研究[J]. 張珂,宋文麗,石懷濤,周乾.  控制工程. 2017(02)
[8]人工神經(jīng)網(wǎng)絡(luò)在化工過(guò)程中的應(yīng)用進(jìn)展[J]. 宋泓陽(yáng),孫曉巖,項(xiàng)曙光.  化工進(jìn)展. 2016(12)
[9]基于PLS-LSSVM的谷氨酸發(fā)酵產(chǎn)物濃度預(yù)測(cè)建模[J]. 鄭蓉建,潘豐.  化工學(xué)報(bào). 2017(03)
[10]PCA-SDG在反應(yīng)堆冷卻劑系統(tǒng)典型故障診斷中的應(yīng)用[J]. 溫志斌,劉永闊,段智勇,彭敏俊.  應(yīng)用科技. 2016(05)

博士論文
[1]數(shù)據(jù)驅(qū)動(dòng)的工業(yè)過(guò)程魯棒監(jiān)測(cè)[D]. 朱金林.浙江大學(xué) 2016
[2]化工過(guò)程非正常工況自愈調(diào)控理論及工程應(yīng)用研究[D]. 王峰.北京化工大學(xué) 2009

碩士論文
[1]基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的廣州市空氣質(zhì)量預(yù)測(cè)與時(shí)空分布研究[D]. 趙李明.江西理工大學(xué) 2016
[2]基于ZigBee和GPRS技術(shù)的智能照明控制系統(tǒng)的研究與實(shí)現(xiàn)[D]. 楊世江.吉首大學(xué) 2015
[3]基于改進(jìn)核主元分析的過(guò)程監(jiān)測(cè)方法研究[D]. 張薇.東北大學(xué) 2014
[4]基于3G網(wǎng)絡(luò)的設(shè)施蔬菜智能測(cè)控系統(tǒng)的設(shè)計(jì)與研究[D]. 劉佩勛.吉林農(nóng)業(yè)大學(xué) 2013
[5]基于一類組合模型的PCA綜合監(jiān)控統(tǒng)計(jì)量預(yù)測(cè)方法[D]. 王高升.北京化工大學(xué) 2013
[6]基于3G網(wǎng)絡(luò)的門機(jī)作業(yè)的數(shù)據(jù)傳輸與遠(yuǎn)程管理[D]. 仇艷麗.武漢理工大學(xué) 2013
[7]連續(xù)過(guò)程動(dòng)態(tài)調(diào)度的研究[D]. 李西海.山東大學(xué) 2012
[8]基于ZigBee和GPRS的LED路燈智能照明控制系統(tǒng)的研究[D]. 郭園.青島科技大學(xué) 2012
[9]基于神經(jīng)網(wǎng)絡(luò)的路段行程時(shí)間預(yù)測(cè)研究[D]. 來(lái)建波.云南大學(xué) 2011
[10]基于距離的離群點(diǎn)檢測(cè)算法分析與研究[D]. 王震.重慶大學(xué) 2011



本文編號(hào)：3047038