丁云飞[1]2002年在《铅锌生产精炼过程故障诊断模糊专家系统》文中认为铅锌生产中将粗锌精炼成为精锌是一个需要连续作业的复杂工艺过程，所涉及的生产设备较多，发生故障的可能性增大，以至对生产或安全造成严重影响。为了减少事故率，提高精锌产品数量和质量，本文以韶关冶炼厂铅锌生产精炼过程为研究对象，建立了一个故障诊断模糊专家系统以实现对精炼过程的故障检测和诊断。 本文以对精炼过程的原理和工艺流程的分析为基础，将故障诊断模糊专家系统的理论应用到精炼过程的实际中去，建造了一个故障诊断模糊专家系统，以实现对铅锌生产精炼过程的故障诊断。整个系统所采集的数据利用小波分析的方法进行数据预处理，存入数据库，再采用基于故障树的正向推理方式和模糊技术相结合进行模糊推理来诊断系统是否已经或即将发生故障。如果发生故障，该系统的诊断结果可显示出详细的故障信息，并报警。该系统以实际生产中积累的大量知识和经验为依据，通过理论分析和归纳，基于模糊技术和产生式规则建立了专家系统的模糊知识规则库模型，并建立了知识学习机制。通过系统的人机接口可以对故障信息、实时数据以及推理过程等进行查询，还可对模糊知识规则库进行修改和添加等维护工作。根据该系统的设计编制了一套相应的计算机应用软件，来实现本系统的各种功能。 本系统软件设计界面友好，功能较全，使用比较方便。对于铅锌生产精炼过程故障诊断模糊专家系统的研究，不仅拓展了故障诊断的应用领域，而且对铅锌的整个生产都有着显着的经济效益和社会效应。
唐斌[2]2005年在《智能型电解槽极板故障检测及诊断系统》文中认为电解是湿法精炼铅、锌的一个关键步骤。但是在电解过程中,由于极板表面不光滑,极板与极板之间的距离不均匀,可能发生极板短路或断路等故障。极板短路不仅没有产量,而且电能全部浪费在极板发热上,严重的降低了车间的效益。 为了提高产量,必须将发生故障的极板尽早的发现并从电解槽中剔除。国内外尝试采用过各种方法。传统的方法是在极板进槽一段时间后,用人手触摸极板,通过感知其温度高低来判断短路或断路等故障。这种方法效率低下,并且经常误判断。国内也有不少的企业尝试采用自动化检测的方法,但大多是接触式的测量,效果都不理想。 经过详细考虑和多方论证,本文提出了一种用线扫描式红外测温仪的方案。将红外测温仪固定在行车上,只需把事先编写好的协议程序下载到测温仪中,就可随行车的运动自动测量整个车间的极板温度,无需人工干预。线扫描式红外测温仪温度测量范围宽,测量精度高,在较短的时间内即可完成整个车间的测量工作,大大减少了工作量,提高了生产效率。其检测的温度送往上位机后,由上位机进行数据处理,将相对温度最高的极板挑选出来,避免了由于环境影响导致的绝对温度差异。电解槽生产过程的特点是低电压、大电流,可利用行车来回行走获取电解槽的温度变化,并结合数字图象处理算法判断故障所在。在实际应用中,结合人工的经验,适当的选取测试样本,采用模糊专家系统理论和神经网络法来对人工经验进行模拟,可以真实准确的根据红外测温仪传送的温度数据来判别发生故障的电解极板。完成一次测量工作后,可将所有测量数据打印出来,并把发生短路的极板位置突出标识出来,以方便工作人员进行相应操作和处理。该方案简单易行,安全可靠,不仅减轻了工人的劳动强度,还大大提高了车间的生产效益。有着非常重要的现实意义。
李林[3]2003年在《基于神经网络的密闭鼓风炉早期故障诊断集成系统》文中认为密闭鼓风炉的熔炼过程极其复杂，工艺结构庞大。传统的故障诊断方法由于需要建立比较精确的数学模型，从而在实际应用中遇到了难以逾越的障碍。本论文应用了人工智能的理论和技术，将一些先进的诊断理论和检测技术手段结合起来，构成一个有机的统一整体，对整个生产系统进行状态监测和故障诊断，取得了良好的诊断结果。 论文主要进行了密闭鼓风炉熔炼过程智能集成故障诊断系统的研究。智能集成系统由基于BP神经网络的生产过程早期故障诊断结构和专家系统结构组成。系统根据当前参数的变化趋势进行基于BP神经网络的生产过程早期故障诊断，诊断得到“潜在故障”与另一组参数进入专家系统结构，根据专家规则库中的规则集进行综合评价得到最终的诊断结果。神经网络结构具有自学习功能，对炉况的适应性强；专家系统结构可靠性强，推理过程简单，运算容易，可保证系统实时运行速度，并且规则易于理解。文章重点论述了生产过程早期故障诊断结构和专家系统规则库的建立。在故障诊断系统实施过程中，首先确定了待测故障和参数集，然后结合熔炼过程实际情况对系统各部分进行实例化并给出了具体诊断过程。 第一章指出了课题的来源和意义，简要介绍了密闭鼓风炉熔炼过程和国内外故障诊断技术的研究现状；第二章重点介绍了故障诊断基本理论与技术，包括典型的智能故障诊断系统；第叁章提出了密闭鼓风炉熔炼过程故障诊断系统的设计方案，并对系统组成进行了详细介绍；第四章结合熔炼过程实际情况进行具体方案实施，详细论述了系统各部分的实例化及诊断过程的实现；第五章介绍了熔炼过程故障诊断系统的软件设计与实现；最后对整个研究工作进行了总结。
宋彦坡[4]2009年在《复杂工业过程数据挖掘方法及其在铜锍吹炼中的应用研究》文中认为以有色冶金过程为代表的复杂工业过程普遍具有多变量、非线性、大滞后、强耦合等特点,难以利用机理分析建立系统数学模型并实现优化操作与控制。我国的复杂工业过程的操作决策在较大程度上依靠人的经验,因此,相关生产过程能耗高、运行不稳定、原材料消耗大,在节能降耗、提高产品产量和质量等方面存在巨大的潜力。另一方面,随着工业基础自动化程度的逐步提高,多数生产单位积累了大量的生产过程历史数据,这些数据中可能蕴含有生产过程的运行规律、人工操作经验、优化操作模式等对操作决策和优化控制有用的信息,但因受数据分析技术水平和能力的限制,这些数据大多数未充分发挥作用。因此,研究从复杂工业过程数据中提取信息的数据挖掘方法具有重要的理论意义和巨大的应用价值。论文针对复杂工业过程数据挖掘方法及其应用的若干问题展开研究,主要研究内容及相关成果如下：1.基于对复杂工业过程主要特点和优化决策问题的基本分析,提出了复杂工业过程数据挖掘的基本框架。该框架对复杂工业过程数据挖掘的定义、基本任务、一般实现过程和算法构成进行了规范,并强调了复杂工业过程机理分析在提高数据挖掘效率、确保数据挖掘结果的正确性方面的重要地位和作用,对该领域数据挖掘的实施和应用具有较大的指导意义。2.鉴于数据挖掘用样本的质量直接影响挖掘结果的正确性,为提高挖掘用数据样本的质量,有效地处理样本集中的违规样本(即属性间匹配关系异常的样本),提出了一种基于小波分析的异常样本检测与修复方法。该方法利用小波变换的“高通滤波”和“时-频分析”特性,利用与样本对应的小波变换系数值检测和修复异常样本；构造了可直接用于低维异常样本检测与修复的低维小波变换系数的快速算法；应用“属性简约”思想,提出了基于非线性映射和小波分析的多维异常样本检测方法。理论分析和仿真效果表明,这种方法能有效地检测和修复数据挖掘对象中的异常样本,显着提高数据质量。3.基于对模型效果和建模用数据质量间关系的深入分析,提出了基于数据质量约束的受限最优建模思想。通过定性、定量分析建模用数据的噪声强度、样本规模等数据质量因素对模型准确性的影响,指出：模型的训练误差存在最优值(称其为期望训练误差),该值可以根据数据质量信息近似估算,并可作为模型优化的判据。据此提出了“估算期望误差—比较实际误差与期望误差—调整模型结构”的优化建模思想,并分析了实现这一建模思想的技术重点和难点。受限最优建模思想为优化建模提供了一种不依赖检验数据的判据,可以显着提高优化建模的时间效率。论文将这一思想应用于神经网络、支持向量机两种模型的优化,取得了很好的效果。4.针对神经网络建模效果对模型结构和训练方法敏感这一缺陷,提出了一种新的基于双网结构的神经网络优化建模方法。该方法兼具“结构修剪／增长法”和“提前终止法”两种传统的神经网络优化方法的优点,并克服了其不足：采用并行的双网结构,对两个子网络均采用“提前终止法”训练,既避免了网络“过拟合”,又较好地解决了“提前终止法”的“倾斜效应”;利用受限最优建模思想对两个子网络结构(即隐层节点)进行优化调整,既优化了网络结构,又在时间复杂度上远小于传统的基于交叉检验法的“结构修剪／增长法”。仿真结果表明,该方法的建模效果优于相关的传统方法。5.针对支持向量机元参数较多、且缺乏优化依据的问题,提出了一种新的高效准确的支持向量机优化建模方法。基于对支持向量机叁类参数之间耦合程度的分析,将其优化问题分解为超结构参数(核参数)优化和结构参数(不敏感参数和正则化参数)优化两个相对独立的子问题；提出了一种新的基于距离关系的核校准系数以优化核参数；运用受限最优建模思想优化支持向量机不敏感参数和正则化参数。同时,还提出了利用支持向量回归误差序列和应变量序列的相关性判断模型是否“过拟合”的方法。理论分析与仿真效果表明,该方法的优化效果与交叉检验法近似,但时间效率远高于交叉检验法。6.在综合分析铜锍转炉吹炼过程机理、工艺操作制度和数据挖掘的应用条件等基础上,提出了基于数据挖掘的铜锍吹炼过程优化决策方法,并引入“支持度”和“置信度”等指标评价优化决策模型。基于本文在数据挖掘基础理论、基本方法方面的研究成果,利用某厂铜锍转炉吹炼过程积累的实际生产历史数据,建立了吹炼熔剂量和鼓风时间的优化决策模型。仿真实验表明,熔剂量优化决策模型和鼓风时间优化决策模型能够显着改善S1期的吹炼效果,具有明显的推广应用价值。建模过程体现了应用数据挖掘方法分析问题、解决问题、实现优化决策的思想,对实现其它复杂工业过程的优化决策具有重要的指导意义和显着的推广应用价值。论文研究工作表明,数据挖掘方法在实现积累有大量历史生产数据的复杂工业过程的优化决策和优化控制方面具有显着的应用价值和广阔的应用前景。
邓鹏程[5]2011年在《基于数据的铅锌熔炼过程自适应在线监控与故障诊断》文中认为密闭鼓风炉铅锌熔炼过程是一个复杂的物理化学变化过程,具有多变量、非线性、强耦合、大滞后和不确定性等特点,由于机理反应复杂,原料成分多变及工作环境恶劣,导致铅锌熔炼过程工况频繁变化、多工作点运行、数学描述困难和故障时常发生,从而影响铅锌的产量和质量。目前,铅锌熔炼过程在线监控与故障诊断主要凭人工经验进行判断,无法及时发现和诊断故障,难以保证生产过程持续稳定运行。因此,研究铅锌熔炼过程在线监控与故障诊断新技术,对于保证生产安全稳定运行,提高企业经济效益具有重要的现实意义。本文针对铅锌熔炼过程工况频繁变化和多工作状态切换的特点,利用生产现场采集的大量工况数据,研究了基于过程工况数据的自适应在线监控与故障诊断新方法。针对铅锌熔炼过程在线监控与故障诊断存在的问题,提出了基于一阶扰动的递归动态主元分析方法、基于潜空间变换的自适应建模方法、基于多模型切换的自适应在线监控方法、基于奇异值分解的故障二次分离方法和基于极大似然估计的故障辨识方法。并将其应用于铅锌熔炼过程实际生产中,取得了较好效果。主要工作和创新点包括以下几个方面：(1)针对铅锌熔炼过程机理反应复杂、工况频繁变化和多工作状态频繁切换的问题,将铅锌熔炼过程每个加料周期划分为叁个子过程,包括初始阶段,过渡阶段和稳定阶段。然后根据叁个子过程工况变化的不同特点,采用静态主元分析方法建立正常工况下铅锌熔炼过程初始阶段静态监控模型,采用动态主元分析方法建立过渡阶段动态监控模型,提出一种基于潜空间变换的自适应建模方法提取稳定阶段正常工况变化的模型特征,建立稳定阶段自适应监控模型。(2)针对传统监控统计变量(如SPE)阈值计算不精确和在线计算复杂的问题,提出两个改进的监控统计量。首先深入分析传统监控统计量存在的问题,构造两个改进的监控统计量。然后比较各个监控统计量的故障敏感度,从理论上证明了改进的统计量具有更强的故障检测能力,同时在线计算方法简单、阈值确定更精确。(3)针对铅锌熔炼过程多工作状态运行和工况频繁变化引起的系统故障误报警的问题,提出了一种基于动态递归主元分析和多模型切换方法的铅锌熔炼过程自适应在线监控策略。采用基于标准主元分析的在线监控方法对铅锌熔炼过程初始阶段工况实行在线监控。然后提出一种基于一阶扰动的动态递归主元分析方法实时跟踪过渡阶段工况的缓慢变化,实现过渡阶段工况自适应在线监控。最后提出一种基于正常工况变化模型(工况漂移,工况扩大和工况突变模型)的多模型切换方法,实现稳定阶段工况自适应在线监控。实验结果表明,本文提出的白适应在线监控策略能有效跟踪铅锌熔炼过程工况的正常变化,消除系统故障误报警并有效检测故障。(4)针对铅锌熔炼过程不同类型故障引起相同状态变量异常而导致系统故障误诊断的问题,提出了一种基于奇异值分解的铅锌熔炼过程故障二次分离方法。首先根据异常状态变量和故障类型的对应关系,提出一种基于奇异值分解的故障分离方法初步确定故障类型。然后根据异常状态变量与故障类型的特殊对应关系实现故障的二次分离。实验结果表明,该方法能够有效分离故障,减少系统故障误诊断的发生。(5)针对铅锌熔炼过程故障辨识困难的问题,提出了一种基于极大似然估计和奇异值分解的故障辨识策略,实现故障发生程度的评价。首先从理论上将故障分为均值故障和方差故障两大类,然后采用多元正态分布均值和协方差假设检验方法判断故障类别(均值故障或方差故障)。最后采用极大似然估计方法辨识均值故障的大小,采用奇异值分解的方法辨识方差故障的大小。实验结果表明,本文提出的故障辨识策略能有效辨识均值故障和方差故障的大小。
董人菘[6]2013年在《钢铁生产过程能耗预测与调度优化研究》文中指出钢铁生产流程是一个典型的高温、离散和连续混合的物理化学变化过程,具有多因素、多工序、多工位、强耦合、非线性等特点。高能耗是钢铁冶炼生产的主要问题,开展节能降耗不仅有利于节约生产成本,也有助于实现低碳加工。钢铁生产物流能耗预测,可以为钢铁企业制定能源总体规划方案提供支撑作用；在钢铁生产过程中,合理高效的生产调度对降低能耗和物耗,提高产品的品质,加快循环生产,降低生产成本有着极其重要的意义；此外,对钢铁生产过程中进行在线检测,及时发现故障,为避免浪费,节约能耗和物耗成本有着重要作用。本文将围绕钢铁生产过程的物流能耗预测,生产过程调度优化和生产过程故障预测等关键问题开展研究。主要完成了以下研究工作：(1)针对钢铁生产流程中能耗预测模型建立困难、预测精度较低等问题,提出了一种基于蚁群优化的小波神经网络的钢铁生产物流能耗预测模型,首先对钢铁生产过程以及影响生产能耗的因素进行分析,确定输入参数构成特征空间,然后利用小波变换重构特征空间,接着利用神经网络模型建立能耗预测模型,最后采用蚁群算法对求解过程进行优化。在炼铁、炼钢以及轧钢工序的能耗预测实验表明,提出的方法具有较好的普适性的同时,提高了预测精度,为钢铁企业提前了解能耗需求提供了指导。(2)针对钢铁生产过程中,炼钢-连铸关键工序存在多目标、多约束和不确定性等调度难题,提出一种基于遗传粒子群算法的炼钢-连铸过程的调度优化算法,首先炼钢-连铸生产工艺的约束条件下,建立以节能降耗、质量可靠、生产有序的条件下的最小化加工时间为优化目标的调度优化模型,利用粒子群算法收敛速度快与遗传算法全局搜索能力强的特点进行优化设计和参数求解,建立优化调度模型。实验结果表明,该算法是一种有效的炼钢-连铸生产调度优化方法,能够编制出实现连浇的可执行的炼钢作业计划,并且可以降低炉次在各工序间等待造成的损失,减小加工流程时间,从而达到降低能耗成本目的。(3)为了解决在轧钢过程中进行故障检测或诊断存在困难的问题,提出了一种基于多核学习理论的钢铁生产轧钢过程在线故障检测模型。首先针对学习样本建立核主元分析与支持向量数据域描述模型,然后基于T2、Q统计量,以及数据域描述包络情况对轧钢过程进行初步识别,最后采用基于多分类多核最小二次支持向量预测模型对初识结果进行细分类,识别故障级别。本文利用上述模型对轧钢加热炉故障和机组故障进行了试验,结果表明,该方法能有效检测钢铁生产轧钢过程的故障。
胡志坤[7]2005年在《复杂有色金属熔炼过程操作模式智能优化方法研究》文中进行了进一步梳理熔炼是提取铜、铅、锌、镍等重金属的主要工艺方法,是一个非常复杂的高温、多相的物理化学变化过程,具有多变量、非线性、强耦合、大滞后、不确定性等特点,许多过程参量无法直接检测,难以采用精确的数学模型进行描述。目前,熔炼过程的操作参数大多由生产操作决策人员凭经验主观确定,难以实现生产过程的持续稳定运行,生产过程的工艺指标波动较大。因此,研究复杂有色金属熔炼过程的操作模式优化,对于实现熔炼过程的节能降耗、提高资源和熔炼设备的利用率以及充分发挥熔炼过程的生产潜力、提高熔炼过程的技术经济指标,实现企业的可持续发展,都具有重大意义。 本文通过探索复杂有色金属熔炼过程的“数据—信息—知识—智能行为”转化关系,研究并提出了其过程相关操作模式的智能优化方法。论文首先总结了复杂有色金属熔炼过程操作优化和数据挖掘在流程工业中的应用特点及研究现状,提出了基于模式挖掘的操作模式滚动优化框架;然后在此框架的基础上,分别提出了单参数决策和多参数决策的操作模式智能优化方法,并将其应用于复杂有色金属熔炼过程操作优化决策,取得了明显的成效。主要研究成果如下: (1) 提出了基于模式挖掘的操作模式滚动优化框架。定义并形式化描述了有色金属熔炼过程的操作模式、优化操作模式及操作模式挖掘;描述了利用数据挖掘技术从生产过程积累的大量实际生产数据中提取有效规则来实现操作模式优化的思想;阐述了有色金属熔炼过程操作模式挖掘的叁个阶段,即模式集初始化、模式分解和规则挖掘;在此基础上,提出了基于模式挖掘的操作模式滚动优化框架。 (2) 研究并提出了单参数的操作模式智能优化方法。首先,利用减法聚类能自动确定类别数的特点,提出了基于最近邻减法聚类的连续型属性的离散化方法。该方法利用一个改进的减法聚类来获得类别个数和类的中心的初始值,利用最近邻聚类来得到最终的类中心,并利用这些类中心对连续属性进行硬离散和模糊离散。然后,提出了一种快速的模糊规则挖掘方法,直接从大量的数值型数据中
刘代飞[8]2008年在《氧化铝气态悬浮焙烧集成优化控制指导系统的研究》文中研究说明目前,我国铝工业迅速发展,氧化铝产量已达1900万吨/年。围绕节能减排,开展氧化铝行业技术创新的需求日益迫切。氧化铝焙烧是对氧化铝产、质量和生产能耗有重大影响的工序之一,目前该工序已普遍采用气态悬浮焙烧工艺。众多气态悬浮焙烧生产表明,该工艺在设备配置、操作调节和过程控制等方面仍有很大改进潜力。对焙烧过程开展设备、操作和控制的优化研究有利于实现焙烧生产的增产、节能和降耗。本文在国家自然科学基金的资助下,以年产5万吨的气态悬浮焙烧炉为试验对象,集成应用FLUENT、人工神经网络、遗传优化、模糊控制、专家系统等技术,对氧化铝焙烧过程开展设备、控制和指导的整体优化。研究成果主要有:(1)针对焙烧燃烧系统缺少配置依据,开展炉体燃烧优化的仿真研究。采用FLUENT对主炉P04仿真研究得出:某燃料的最佳空燃比值(A/F)以及低氧完全燃烧对应的最佳操作条件;最佳下料区域为Ⅳ部炉体,最佳V08预热烧咀布置区域为Ⅱ部炉体;保持V08烧咀小比例投入燃料有利减少NO生成;提高空气预热温度节能效果明显。仿真得到NO_x、CO、CO_2等废气生成量,为生产操作提供重要参考。(2)针对焙烧旋风器工况分析的不足,开展气固分离研究。对预热旋风器P01采用雷诺应力输运模型求解气场,拉格朗日坐标求解颗粒运动轨迹。计算不同的工况风速、温度、漏风率和物理结构下旋风器分离效率,探讨了P01环流式旋风器和收尘锁气设备改造方案,为操作提供优化参考。(3)针对现有描述焙烧过程模型的缺乏,提出采用神经网络(ANN)、遗传算法(GA)、灰色模型(GM)优化建模,建立温度预测、废气软测量评价和产能评估叁大过程模型。温度预测模型由GM(1,1)与ANN组合优化实现,绝对误差±5℃评价模型,预报命中率达90%以上,可以指导生产调节。废气软测量模型结构为ANN{3-5-4},用绝对误差小于1评价模型,预测准确率达88.6%。基于FLUENT仿真结果对新工况排废的预测,具二次仿真性。产能评估模型结构为ANN{3-9-1},用相对误差小于1%评价模型,预报准确率达96%。产能ANN模型比回归模型更能揭示系统关系。(4)针对焙烧过程常规、单一PID控制方式的不足,提出并建立了焙烧过程模糊专家控制系统。设计了一种Complex-PID控制器和空燃比专家调节器,并提出了一种焙烧过程分段调节控制策略。其中,控制器由FNN单元、PID单元和阈值调节单元组成,采用模糊方法、神经网络和遗传算法对PID进行调整,保证具有最优或次优控制参数。调节器综合数值模拟、视频监控和烟气氧量等反馈信息寻优调节。分段调节控制策略实现了不同工况下温度的优化控制,精度达±5℃,稳定了炉况。(5)针对焙烧生产和管理工作的不完善,提出并架构了焙烧过程ANNES指导系统。采用产生式规则表示过程显式知识,ANN模型表示隐式知识,两类知识由隶属函数实现转化。建立风机故障、燃烧调节和状态分析知识库,实现了燃烧和过程的分析和监测;建立GA-ANNES优化模型库,实现了过程能耗分析,解决了高产低耗参数优化问题;建立旋风器操作指导知识库,实现了旋风分离ANNES分析诊断和操作优化。(6)开发了基于PLC的SCADA系统和基于VC++、Matlab的集成优化系统。两系统间的通讯采用OPC技术、自定协议和DeviceNet总线方式实现。PLC系统实现基础控制,优化系统集成神经网络、遗传算法、专家系统实现过程的优化和控制。本文开发的集成优化系统在年产能5万吨气态悬浮焙烧炉工业试验中取得很好的优化效果:热耗降低了14.3%,达到了3.09MJ/kg;主炉温度降低了8.8%,控制在1040±5℃;含氧量降低了75%,控制在1～2%;NO排量降低了53.9%,控制在53ppm。
王春生[9]2008年在《铅锌烧结配料过程的智能集成建模与优化控制策略研究》文中研究指明密闭鼓风烧结是铅锌冶炼ISP工艺中的一个重要流程,配料过程作为其首道工序,直接影响到铅锌烧结生产的成本、质量产量和能源消耗。目前,铅锌烧结配料过程作为稳定和优化生产的首要环节,其作用尚未得到充分发挥,存在着配料准确率和经济性不高的问题。同时由于铅锌烧结配料过程控制水平较低,导致了生产成本高、烧结块质量差、产量低,一方面造成了能源浪费,另一方面造成了环境污染。针对上述问题,本文主要围绕铅锌烧结配料过程智能集成建模与优化控制策略开展研究,取得的研究成果主要包括以下五个方面:(1)烧结块成分智能集成预测模型针对复杂的烧结块成分预测问题,提出一种基于过程神经网络和灰色系统理论的烧结块成分智能集成预测模型。该模型首先利用过程神经网络可充分表达时间序列中时间累积效应、灰色系统可弱化数据序列波动性的优点,分别对铅锌烧结块成分进行预测,然后从信息论的观点出发,提出一种熵值方法,重新定义预测误差序列的变异程度,从而获得各个预测模型的加权系数,通过对两个预测模型的预测结果进行加权集成,获得更加准确的铅锌烧结块成分预测结果。结果表明,智能集成模型的预测精度高于单一预测模型,能有效地对烧结块成分进行预测,满足了配料计算对预测精度和数据完备性的要求。(2)烧结返粉量智能集成预测模型针对烧结返粉量变化趋势复杂,受多个因素影响,难以用单一预测模型进行有效预测的问题,提出一种基于改进灰色系统和支持向量机的智能集成预测模型。首先利用改进灰色系统和支持向量机两个单一预测模型分别对烧结返粉量进行预测;然后基于预测精度的数学期望和标准差,以其数学期望最大化和标准差最小化为目标函数,通过求取最优加权系数,建立烧结返粉量智能集成预测模型进行返粉量预测。结果表明,该集成预测模型能够获得更高的的预测精度,能有效地对返粉量进行预测,预测结果为确定烧结返粉配比提供了数据支持。(3)一次配料定性定量智能集成优化算法针对传统配料方法中存在的成本高和准确率低的问题,提出一种定性定量智能集成优化算法。在对烧结主要原料特性和经济性进行分析以及建立烧结块成分集成预测模型的基础上,首先以成本最小为目标建立烧结配料优化模型,分别采用专家推理策略和免疫遗传算法对烧结配料进行优化;然后,在对免疫遗传算法进行改进的基础上,从系统论的观点出发,采用定性定量综合集成方法,把过程神经网络技术、灰色系统理论与专家推理策略、改进免疫遗传算法有机结合,实现了烧结配料的进一步优化,提高了配料的准确率,降低了烧结成本,取得了可观的经济效益。(4)基于烧结工况综合评价的二次配料智能优化策略在对烧结生产全流程各参数间关系进行分析的基础上,提出了基于烧结工况综合评价的二次配料智能优化策略,建立了烧结生产工况综合评价模型,并提出了基于聚类分析的操作参数匹配优化算法。首先,通过建立烧结返粉量、烧结块含铅量、含锌量以及含硫量预测模型,将这些模型的输出作为烧结生产工况优劣的综合评价因素,利用烧结生产工况综合评价模型,采用模糊综合评价法,实现对烧结生产工况的综合评价;其次,根据对烧结生产工况综合评价的结果,在利用加权模糊C均值聚类算法对优化样本数据集进行聚类的基础上,通过操作参数匹配优化算法,获得二次配料过程具体的操作参数优化值,作为实现二次配料过程过程优化控制的操作指导。结果表明:该方法可显着改善工况波动,减少了由于操作盲目性造成的生产工况不稳定,进而提高了烧结块的产量和质量。(5)烧结配料过程智能集成控制策略由于烧结配料过程中的物料流量受许多不确定因素的影响而波动很大,具有很强的非线性和大滞后等特性,难以建立确切的数学模型,其控制问题很难用传统的控制理论和方法解决。为了提高配料的准确度和稳定性,结合模糊控制和PID控制的特点,提出一种基于加权因子的烧结配料模糊自适应PID智能集成控制策略,分别设计了模糊控制器和自适应PID控制器。利用加权因子将模糊控制器的输出和自适应PID控制器的输出进行加权集成,使得控制器在误差较大时,主要由模糊控制器起作用,具有较快的响应能力;而在误差较小时主要由自适应PID控制器起作用,具有较高的控制精度,实现了模糊控制器和自适应PID控制器输出的连续平滑切换。
韩少鹏[10]2013年在《基于不确定信息的系统建模与故障预测方法》文中指出复杂流程工业过程的故障预测与诊断是保证过程安全运行，提高产品质量必须要解决的关键问题。本文针对工业过程中广泛存在的信息不确定性、信息传递时滞现象以及过程本身的非线性和动态特性，首先研究了基于不确定数据信息的生产过程系统级建模与过程变量的状态预测方法，并在此基础上，结合信息同步技术实现了一种故障预测技术，论文具体工作包括以下几个方面：（1）针对现有时延估计方法时延估计不准确问题，结合小波变换和时延互信息方法，提出了一种变量间信息传递的方向和传递延迟时间的定量计算方法；针对信息传递延迟时间的不确定性，提出一种概率时延有向图模型，解决了时延有向图模型对过程描述不准确的问题。（2）在概率时延有向图模型的基础上，采取组合预测方法，结合混合概率偏最小二乘模型、非线性自回归各态历经模型和基于数据分组处理算法的GMDH模型叁种预测模型，建立了组合状态预测模型，提出了相应的权值设计方法，提高了关键变量未来状态的预测精度。（3）将概率时延有向图、组合状态预测模型与多元统计方法相结合，运用信息同步技术，实现一种在线故障预测方法，提高了故障预测精度。（4）以空分设备制氩精馏过程为应用对象，应用本文提出的系统建模与故障预测方法，实现了精馏过程中频发的“氮塞”故障的准确预报。
参考文献：
[1]. 铅锌生产精炼过程故障诊断模糊专家系统[D]. 丁云飞. 中南大学. 2002
[2]. 智能型电解槽极板故障检测及诊断系统[D]. 唐斌. 中南大学. 2005
[3]. 基于神经网络的密闭鼓风炉早期故障诊断集成系统[D]. 李林. 中南大学. 2003
[4]. 复杂工业过程数据挖掘方法及其在铜锍吹炼中的应用研究[D]. 宋彦坡. 中南大学. 2009
[5]. 基于数据的铅锌熔炼过程自适应在线监控与故障诊断[D]. 邓鹏程. 中南大学. 2011
[6]. 钢铁生产过程能耗预测与调度优化研究[D]. 董人菘. 昆明理工大学. 2013
[7]. 复杂有色金属熔炼过程操作模式智能优化方法研究[D]. 胡志坤. 中南大学. 2005
[8]. 氧化铝气态悬浮焙烧集成优化控制指导系统的研究[D]. 刘代飞. 中南大学. 2008
[9]. 铅锌烧结配料过程的智能集成建模与优化控制策略研究[D]. 王春生. 中南大学. 2008
[10]. 基于不确定信息的系统建模与故障预测方法[D]. 韩少鹏. 南京航空航天大学. 2013
标签：自动化技术论文; 故障诊断论文; 大数据论文; 预测模型论文; 数据挖掘技术论文; 专家系统论文; 预测控制论文; 数据建模论文; 模糊理论论文; 数据集成论文; 建模软件论文; 智能监控论文;