

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、工業(yè)過程系統(tǒng)建模與監(jiān)控是正確指導生產、保證安全生產的重要手段,也是進行過程優(yōu)化與控制、保障生產過程平穩(wěn)運行的基礎。工業(yè)生產過程通常都存在著高度非線性與不確定性,工藝機理復雜,設備工段繁多,因此采用機理建模方法以及基于數學模型的監(jiān)控方法來研究這些過程都存在相當大的難度。由于目前底層基本控制系統(tǒng)及數據庫技術的普及,生產過程的數據很豐富,故??梢钥紤]建立描述對象外特性的統(tǒng)計模型。統(tǒng)計建模與監(jiān)控方法一般對系統(tǒng)內部機理的了解要求很少,甚至可以在完
2、全不了解系統(tǒng)內部結構和機理的情況下建立模型。丙烯聚合過程機理復雜,生產工藝多樣。熔融指數(MI)是確定產品牌號的重要指標,由于缺乏在線分析儀表,測量間隔和遲延很大,給質量控制帶來了不利的影響,特別是在產品牌號切換過程中會產生大量的不合格料,帶來了經濟上的損失。本文的研究正是著眼于統(tǒng)計方法在工業(yè)過程特別是丙烯聚合過程中的應用,主要的工作與成果有: (1)介紹了工業(yè)過程建模與監(jiān)控的有關知識;引入了主成分分析與偏最小二乘回歸等多元統(tǒng)計
3、與回歸方法,并分析了其基本思想與優(yōu)缺點。 (2)針對丙烯聚合過程的強非線性、多變量相關性以及多尺度特性,提出將主成分分析、多尺度系統(tǒng)理論和人工神經元網絡相結合的PCA-MSA-RBF模型,用于熔融指數的預報,取得了較好的效果。 (3)在介紹了統(tǒng)計學習理論與支持向量機的基礎上,引入了最小二乘支持向量機和魯棒最小二乘支持向量機用于工業(yè)過程建模。應用于生產實例,效果顯著。 (4)在分析了傳統(tǒng)的多變量統(tǒng)計過程控制方法的優(yōu)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多元統(tǒng)計分析的流程工業(yè)過程監(jiān)控方法研究.pdf
- 基于統(tǒng)計理論的工業(yè)過程性能監(jiān)控與故障診斷研究.pdf
- 基于統(tǒng)計理論的工業(yè)過程綜合性能監(jiān)控、診斷及質量預測方法研究.pdf
- 基于統(tǒng)計方法的化工過程監(jiān)控技術研究.pdf
- 基于統(tǒng)計學方法的過程監(jiān)控與質量控制研究.pdf
- 多模態(tài)過程統(tǒng)計建模及在線監(jiān)測方法研究.pdf
- 動態(tài)過程數據的多變量統(tǒng)計監(jiān)控方法研究.pdf
- 工業(yè)生物發(fā)酵過程在線檢測、建模、控制方法與應用研究.pdf
- 基于核方法的復雜工業(yè)過程建模研究.pdf
- 業(yè)務過程建模與過程重構方法的研究.pdf
- 間歇過程統(tǒng)計性能監(jiān)控研究.pdf
- 基于多元統(tǒng)計的復雜工業(yè)過程監(jiān)測方法研究.pdf
- 工業(yè)過程監(jiān)控組態(tài)軟件的研究與開發(fā).pdf
- 統(tǒng)計過程監(jiān)控與診斷及其應用研究.pdf
- 基于多元統(tǒng)計的間歇過程監(jiān)控與故障診斷方法的研究與應用.pdf
- 基于PLS-STATIS方法的間歇過程統(tǒng)計性能監(jiān)控研究.pdf
- 質量相關的統(tǒng)計過程監(jiān)控和故障診斷方法研究.pdf
- 基于數據驅動的流程工業(yè)過程性能監(jiān)控方法研究.pdf
- 多變量統(tǒng)計過程監(jiān)控.pdf
- 典型工業(yè)聚合過程建模與應用研究.pdf
評論
0/150
提交評論