本文關鍵詞：基于置信規(guī)則庫推理的過程報警預測方法及應用

  更多相關文章： 置信規(guī)則庫 時間序列 粒子群優(yōu)化算法 過程報警狀態(tài) 預測

【摘要】：隨著流程工業(yè)的生產(chǎn)規(guī)模的不斷增大和復雜程度不斷增加,其安全性能也愈發(fā)受到人們的廣泛關注,因此,過程報警系統(tǒng)逐漸成為一個熱點的應用研究問題。其中,報警預測功能能夠對生產(chǎn)過程可能出現(xiàn)的異常狀況做出提前判斷,及時告知操作人員進行相應處理,從而減少事故發(fā)生的幾率,對生產(chǎn)裝置和操作人員的安全起到更加完善的保護作用。論文提出了一種基于置信規(guī)則庫推理與時間序列預測思想相融合的過程報警狀態(tài)預測模型。首先,研究了置信規(guī)則庫模型的結構及證據(jù)推理算法,針對推理模型中所包含的未知參數(shù),采用粒子群優(yōu)化算法進行訓練優(yōu)化,以時間序列歷史數(shù)據(jù)作為前提屬性、預測數(shù)據(jù)作為結果屬性,建立預測模型,數(shù)值實例仿真證明了這種預測方法的可行性；然后,針對不同的生產(chǎn)過程變量,基于單變量及多變量過程報警狀態(tài)預測方法,進行模型的訓練及測試,獲得可以在線應用的過程報警預測模型；最后,將所提出的方法應用于工業(yè)DMF回收過程,建立了置信規(guī)則庫模型,實現(xiàn)了過程報警預測,另外,還初步開發(fā)了一個智能過程報警狀態(tài)預測應用系統(tǒng)。研究結果表明,論文所給出的方法能夠有效地實現(xiàn)對過程報警狀態(tài)進行預測。
【關鍵詞】：置信規(guī)則庫 時間序列 粒子群優(yōu)化算法 過程報警狀態(tài) 預測
【學位授予單位】：北京化工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18;TP277
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 前言12-22
• 1.1 研究背景及意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-19
• 1.2.1 置信規(guī)則庫模型13-15
• 1.2.2 過程報警15-16
• 1.2.3 故障預測16-19
• 1.3 內(nèi)容及章節(jié)安排19-22
• 第二章 基于置信規(guī)則庫的推理22-38
• 2.1 引言22
• 2.2 置信規(guī)則庫22-23
• 2.3 基于置信規(guī)則庫的推理方法23-27
• 2.3.1 置信規(guī)則激活權重的計算24-26
• 2.3.2 激活規(guī)則的推理合成26-27
• 2.4 置信規(guī)則庫的參數(shù)學習方法27-31
• 2.4.1 問題描述27-29
• 2.4.2 參數(shù)學習原理29-30
• 2.4.3 參數(shù)訓練方法30-31
• 2.5 時間序列預測方法31-32
• 2.6 實例研究32-37
• 2.7 本章小結37-38
• 第三章 過程報警預測方法38-54
• 3.1 引言38
• 3.2 過程報警狀態(tài)預測38-40
• 3.2.1 過程報警事件序列38-39
• 3.2.2 單變量報警狀態(tài)預測39
• 3.2.3 多變量報警狀態(tài)預測39-40
• 3.3 過程報警狀態(tài)預測步驟40-45
• 3.3.1 數(shù)據(jù)提取41-42
• 3.3.2 模型建立42-43
• 3.3.3 模型驗證43-44
• 3.3.4 在線預測44-45
• 3.4 實例研究45-53
• 3.4.1 單變量報警狀態(tài)預測45-51
• 3.4.2 多變量報警狀態(tài)預測51-53
• 3.5 本章小結53-54
• 第四章 應用研究54-68
• 4.1 引言54
• 4.2 DMF回收過程報警預測54-63
• 4.2.1 工藝過程54-55
• 4.2.2 過程報警預測55-63
• 4.3 應用系統(tǒng)63-67
• 4.4 本章小結67-68
• 第五章 結論與展望68-70
• 參考文獻70-74
• 致謝74-76
• 研究成果及發(fā)表的學術論文76-78
• 作者及導師簡介78-80
• 附件80-81

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 肖丹卉;李宏光;臧灝;;化工過程多變量報警閾值優(yōu)化方法[J];控制工程;2015年02期

2 劉佳俊;胡昌華;周志杰;張鑫;王鵬;;基于證據(jù)推理和置信規(guī)則庫的裝備壽命評估[J];控制理論與應用;2015年02期

3 楊隆浩;傅仰耿;鞏曉婷;;置信規(guī)則庫參數(shù)學習的并行差分進化算法[J];山東大學學報(工學版);2015年01期

4 徐曉濱;汪艷輝;文成林;孫新亞;徐冬玲;;基于置信規(guī)則庫推理的軌道高低不平順檢測方法[J];鐵道學報;2014年12期

5 楊程;李宏光;;數(shù)據(jù)驅動的多變量報警事件預測[J];計算機與應用化學;2014年11期

6 余瑞銀;楊隆浩;傅仰耿;;數(shù)據(jù)驅動的置信規(guī)則庫構建與推理方法[J];計算機應用;2014年08期

7 Zhao Xin;Wang Shicheng;Zhang Jinsheng;Fan Zhiliang;Min Haibo;;Real-time fault detection method based on belief rule base for aircraft navigation system[J];Chinese Journal of Aeronautics;2013年03期

8 王鋒;李宏光;臧灝;;基于Logistic和ARMA模型的過程報警預測[J];化工學報;2012年09期

9 楊一文;藺玉佩;;基于專家知識的模糊時間序列預測模型及應用[J];系統(tǒng)管理學報;2012年01期

10 宋曉華;楊尚東;劉達;;基于蛙跳算法的改進支持向量機預測方法及應用[J];中南大學學報(自然科學版);2011年09期

，

本文編號：687311