学位论文 > 优秀研究生学位论文题录展示

基于数据驱动的软测量建模方法研究及其工业应用

作　者: 瞿伟
导　师: 苏宏业
学　校: 浙江大学
专　业: 控制理论与控制工程
关键词: 软测量 数据驱动 最小二乘支持向量机 GRIN聚类算法 Chameleon聚类 模糊曲线法 高斯过程
分类号: TP274
类　型: 硕士论文
年　份: 2008年
下　载: 65次
引　用: 1次
阅　读: 论文下载
 

内容摘要


软测量技术是先进控制技术的重要组成部分,也一直是过程控制领域研究的热点之一。其能够提升企业对产品质量的直接监控,并通过先进控制与优化技术实现降低生产成本的作用,提升企业自身竞争力,以满足现代工业生产对控制系统的需要。本论文简要介绍软测量技术的发展、现状和特点,并介绍了软测量技术的概念、基本模型以及一些常用的建模方法;以实际工业过程为背景,结合化工过程工艺知识,对软测量的建模方法进行了较深入的研究,并利用相应的研究结果针对工业过程中的实际问题进行了仿真和验证。本论文的主要研究工作如下:1.介绍了一种新的软测量建模方法-高斯过程回归建模方法,并对其建模效果进行了仿真和验证,证明效果良好。2.提出了一种基于GRIN聚类算法和最小二乘支持向量机(LSSVM)方法的在线多模型软测量建模方法-GRIN-LSSVM。该方法先通过改进的GRIN聚类算法结合Chameleon算法动态聚类,然后对各子聚类用LSSVM建模,模型每次处理完测试样本后,重新聚类、建模,实现模型自动更新。将该模型用于加氢裂化分馏过程轻柴油馏出温度的软测量建模,应用结果证明该算法能够有效提高模型的泛化能力和预测精度。3.针对动态软测量模型数据的特点,提出了一种动态软测量建模方法。首先采用模糊曲线法确定输出数据采样间隔内每一维输入数据的多个样本点对输出数据的重要程度,然后依此对该采样间隔内的每一维输入数据做加权处理,再对数据采用高斯过程回归模型建模,得到预测的输出数据。将该方法仿真并应用于实际工业数据,效果良好。

全文目录


摘要  3-4
ABSTRACT  4-8
第一章 绪论  8-18
  1.1 引言  8-9
  1.2 软测量技术概述  9-12
    1.2.1 建模方法的选择  10
    1.2.2 辅助变量的选择  10
    1.2.3 数据预处理  10-11
    1.2.4 主导变量与辅助变量之间的时序匹配  11
    1.2.5 软测量模型的在线校正  11-12
  1.3 软测量建模方法概述  12-17
    1.3.1 纯机理建模方法  12-13
    1.3.2 基于数据驱动的建模方法  13-16
    1.3.3 混合建模方法  16-17
  1.4 论文的主要内容和结构  17-18
第二章 基本软测量建模技术  18-32
  2.1 引言  18
  2.2 主元分析法  18-20
  2.3 部分最小二乘法  20-23
  2.4 人工神经网络  23-25
  2.5 支持向量机  25-29
  2.6 高斯过程  29-31
  2.7 结论  31-32
第三章 基于GRIN聚类算法和LSSVM的在线软测量建模  32-48
  3.1 引言  32-33
  3.2 基于引力原理的分层聚类算法  33-37
    3.2.1 G-HAC算法基本原理  33-34
    3.2.2 改进的G-HAC算法  34-36
    3.2.3 利用卡方检验方法检验球形分布  36-37
  3.3 GRIN在线聚类算法原理  37-38
    3.3.1 初始化阶段  37
    3.3.2 增量阶段  37-38
  3.4 CHAMELEON算法合并非孤立的球形子聚类  38-40
  3.5 最小二乘支持向量机  40-41
  3.6 基于GRIN-LSSVM的模型  41-42
  3.7 实例研究及效果分析  42-47
    3.7.1 工业过程背景  42
    3.7.2 基于GRIN-LSSVM的软测量建模  42-43
    3.7.3 效果分析  43-47
  3.8 结论  47-48
第四章 基于高斯过程的动态软测量建模  48-64
  4.1 引言  48-49
  4.2 模糊曲线法  49-50
  4.3 高斯过程建模  50-57
    4.3.1 高斯过程回归建模  50-53
    4.3.2 高斯过程与支持向量机回归建模的比较  53
    4.3.3 高斯过程回归建模的仿真研究  53-57
  4.4 结合模糊曲线法的高斯过程动态软测量模型  57-58
  4.5 实例研究及效果分析  58-62
    4.5.1 工业过程背景  58-60
    4.5.2 实例研究  60
    4.5.3 效果分析  60-62
  4.6 结论  62-64
第五章 总结和展望  64-66
  5.1 本文内容总结  64
  5.2 软测量技术研究展望  64-66
参考文献  66-73
致谢  73

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 司家营选矿厂磨矿分级过程研究及应用,TP29-A1
  3. 基于高斯过程的在线建模问题研究,TP181
  4. 水煤浆气化炉炉温智能软测量建模应用研究,TQ546
  5. 基于QTP的SAFFRON自动化测试框架的研究,TP311.52
  6. 废杂铜冶炼过程控制系统的设计与实现,TP273
  7. 自动化测试框架系统ATestPPMC研究与实现,TP311.53
  8. 优化算法在调度与控制问题中的应用研究,TP273
  9. 基于组件的数字电路虚拟实验室的设计与实现,TP311.52
  10. 面向DAG数据依赖型应用系统研究与实现,TP311.1
  11. 生物流化床污水处理软测量建模与智能控制法,X703
  12. 基于EMD和高斯过程回归组合模型的短期电力负荷预测方法研究,TM715
  13. 冷却风扇液压泵—马达传动试验台疲劳试验中软测量技术的应用初探,TH137.5
  14. 农用柴油机润滑油中磨粒分析及浓度趋势预测,S218.5
  15. 数据驱动模式视角下的英语专业学生搭配习得研究,H319
  16. 基于LS-SVM的传感器重构及其不确定度问题的研究,TP212
  17. 基于LS-SVM的入侵检测,TP393.08
  18. 视觉注意机制建模中的特征调制和选择策略研究,TP391.41
  19. 基于关键字驱动的网管自动化配置方法的设计与实现,TP311.52
  20. 数据驱动声简正波信息提取方法的研究,P733.2
  21. 基于智能优化SVM的短期负荷预测及误差修正模型研究,F224

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 数据处理、数据处理系统
© 2012 www.xueweilunwen.com