学位论文 > 优秀研究生学位论文题录展示

基于SV回归的甲醇合成装置数据校正方法

作　者: 张志军
导　师: 顾幸生
学　校: 华东理工大学
专　业: 控制科学与工程
关键词: 数据校正 SV回归显著误差粒子群甲醇合成
分类号: TP18
类　型: 硕士论文
年　份: 2012年
下　载: 10次
引　用: 0次
阅　读: 论文下载

内容摘要

随着计算机技术的不断发展,现代连续工业生产过程越来越依赖计算机集成制造系统(CIMS)在过程控制、操作优化、决策分析和生产调度中的应用。作为对生产工况的直接反映,这些庞大的测量数据为控制优化、计划调度和决策分析提供依据。然而在实际的测量中,误差是难以避免的。由于测量误差的存在,导致测量数据不符合过程的变量平衡关系。一旦采用含有测量误差的数据源作为决策依据,可能会带来经济上的损失,严重的甚至可能会影响生产过程的稳定运行。本文首先针对某年产50万吨甲醇的甲醇合成装置工艺流程和控制要求进行了深入的分析,研究了该装置的数据校正问题。由于在负责的环境中运行,测量仪表难以避免在测量过程中产生偏差,从而导致测量数据可靠性下降。针对这种现象,本文对该甲醇合成装置的测量数据进行了数据校正,减少了测量误差的影响。本文引入了一种基于支持向量机的SV回归方法,该方法将显著误差视为回归模型的复杂度进行去除,同时还可以对测量数据进行数据协调。与此同时,针对粒子群算法的特点,本文提出了惯性权重动态更新策略与速度变异策略,得到了改进粒子群算法(IMPSO)、改进食物导向粒子群算法(IMFGPSO)和改进微分粒子群算法(IMDPSO)等,通过对不同测试函数的仿真,结果显示这些改进算法具有更好的全局搜索性能。本文将采用这些算法来处理甲醇合成装置的数据校正问题。本文采用了基于SV回归的数据校正方法,结合基于参数方程处理等式约束的粒子群算法及其改进算法,采用实际过程运行数据对某甲醇合成装置的测量数据进行了研究。结果显示,基于SV回归方法的数据校正算法可以有效地减少误差对测量数据的影响。本文研究结果对实际生产过程有指导意义。

全文目录

摘要  5-6
ABSTRACT  6-10
第1章绪论  10-21
  1.1 引言  10
  1.2 甲醇合成工艺概述及其发展情况  10-12
    1.2.1 课题背景与研究意义  10-11
    1.2.2 甲醇的生产方法  11-12
    1.2.3 甲醇合成的工业发展情况  12
  1.3 数据校正技术理论及应用  12-17
    1.3.1 数据协调概述  13-15
    1.3.2 显著误差检测概述  15-16
    1.3.3 数据校正方法在甲醇合成工业中的应用  16
    1.3.4 基于SV回归的数据校正方法概述  16-17
  1.4 粒子群算法的理论及其应用  17-19
    1.4.1 粒子群算法基本概念  17-18
    1.4.2 PSO算法流程  18
    1.4.3 PSO社会行为分析及参数选择  18-19
    1.4.4 粒子群算法的改进  19
  1.5 本文的内容安排  19-21
第2章甲醇合成装置工艺  21-35
  2.1 引言  21
  2.2 甲醇合成的工艺机理  21-25
    2.2.1 甲醇合成原料气的来源及要求  21-22
    2.2.2 甲醇合成工艺流程和设备  22-24
    2.2.3 甲醇合成工艺条件和操作分析  24-25
  2.3 某甲醇合成装置控制回路的介绍与分析  25-34
    2.3.1 控制回路概述  25-31
    2.3.2 操作变量的控制  31-33
    2.3.3 流程分析  33-34
  2.4 本章小结  34-35
第3章基于SV回归的数据校正技术  35-42
  3.1 引言  35
  3.2 数据校正技术介绍  35-38
    3.2.1 测量数据的分类  35-36
    3.2.2 显著误差检测  36
    3.2.3 数据协调  36-38
    3.2.4 现有的数据校正软件  38
  3.3 基于SV回归的数据校正方法  38-41
    3.3.1 SV回归方法  39
    3.3.2 基于SV回归的数据校正方法  39-41
  3.4 本章小结  41-42
第4章粒子群算法的几个改进算法  42-60
  4.1 引言  42
  4.2 基本粒子群算法(PSO)  42-43
  4.3 食物引导的粒子群算法(FGPSO)  43-46
  4.4 微分进化粒子群算法(DPSO)  46-48
  4.5 粒子群算法的改进  48-50
    4.5.1 惯性权重动态更新策略  48-49
    4.5.2 速度变异策略  49
    4.5.3 改进粒子群算法(IMPSO)伪代码  49
    4.5.4 改进食物导向粒子群算法(IMFGPSO)伪代码  49-50
    4.5.5 改进微分粒子群算法(IMDPSO)伪代码  50
  4.6 粒子群算法及其改进算法在测试函数中的表现  50-57
  4.7 对改进算法参数c1和c2的研究  57-58
  4.8 本章小结  58-60
第5章基于SV回归的甲醇合成装置数据校正方法  60-69
  5.1 引言  60
  5.2 基于SV回归的数据校正方法在甲醇合成中的应用  60-68
    5.2.1 基于SV回归的甲醇合成装置数据校正方法  61-64
    5.2.2 甲醇合成装置的数据校正  64-68
  5.3 本章小结  68-69
第6章总结与展望  69-71
  6.1 本文的工作总结  69-70
  6.2 进一步的展望  70-71
参考文献  71-76
致谢  76-77
作者在攻读硕士学位期间取得的成果  77

基于SV回归的甲醇合成装置数据校正方法

内容摘要

全文目录

相似论文