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
|
相似论文
- 基于粒子群算法求曲线/曲面间最小距离方法,O182
- 有源电力滤波器及其在配电网中的应用,TN713.8
- 基于变异粒子群的聚类算法研究,TP18
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于粒子群的分子对接算法,R91
- 基于样图的纹理合成算法研究,TP391.41
- 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
- 基于控制方法的粒子群算法改进及应用研究,TP301.6
- 基于粒子群算法的露天矿道路路径优化研究,TP301.6
- 基于RFID监狱智能管理系统研究与实现,TP315
- 复杂动态环境下的小型足球机器人路径规划研究,TP242
- 结合DWT的动态数据校正研究及应用,TP274
- 基于无线传感器网络的目标定位跟踪研究,TN929.5
- 流程工业数据校正方法的研究,TP274
- 移动机器人路径规划研究及仿真实现,TP242
- 基于粒子群算法的无线传感器网络路由技术研究,TP212.9
- 量子粒子群算法研究及其在图像矢量量化码书设计中的应用,TP301.6
- 变邻域搜索算法研究及在组合优化中的应用,TP301.6
- 文化智能优化算法及其在约束优化问题中的应用研究,O224
- 电力系统无功优化的混合算法研究,TM714.3
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|