一、化工过程测量数据在线校正系统CPDRS的设计开发与应用(Ⅱ)——CPDRS的系统设计与实现（论文文献综述）
唐娇[1]（2021）在《基于统计分析的化工过程稳态检测方法研究》文中认为系统是否处于稳态的准确判断是对过程系统进行先进控制和在线优化等实时操作的前提基础。一组化工过程数据在进行数据校正计算之前,必然要弄明白获得这组数据时系统处于稳态还是动态,这将决定选用哪种校正方法,进而直接影响了后续对系统进行控制和优化的方法的选择。在实际装置中,测量数据的应用是多方面的。比如,中间试验和过程设计所需要的数据总希望在稳态条件下取得;对装置作物料和热量衡算时,也要采用稳态的过程数据。所以,检验化工过程是否处于稳态就显得很有必要,它早已成为数据协调、模型校正、系统优化和先进控制等过程中的一个必不可少的环节。本文从实际工业角度出发,对目前工业上常用的三种稳态检测方法:Heuristic方法、Statistical方法和R检验法的原理和特点进行了分析,给出了化工过程中稳态的理想状态和实际状态的数学描述,编程实现了此三种方法,并通过实际数据分别验证了各自检测的特点和效果,完成稳态检测过程。在此基础上,结合对过程变量特征的分析,在先验方法的基础上提出了基于权重的稳态检测方法。重点研究了线性和非线性函数权重计算权重的方法,并把基于权重的方法嵌入到已有的稳态检查模型中,编程实现了对模型的计算与分析。最后,利用常减压装置的实际运行数据对新方法有效性和实用性进行了验证。
于蒙[2]（2021）在《基于数据驱动的间歇化工过程批次内和批次间复合优化控制策略研究》文中指出本文致力于研究针对特种精细化学品间歇生产过程的智能优化控制方法。特种精细化学品生产控制属于间歇过程控制,生产过程具有强非线性和批次重复特性,目前生产中采用的控制策略是经典PID控制,这种控制方式的特点是控制结构具有较高的可靠性,并且对控制器的维护较为简单,但是难以满足复杂工艺过程高精度控制的要求,历次特种化学品生产产品质量和运行过程均出现过不稳定的情况。如何对现有的PID控制策略进行改进,并充分利用批次生产的重复特性,针对无法用精确数学模型描述的被控对象,通过利用控制过程的在线或离线数据并开发智能控制算法,对复杂被控对象施以控制,为本文的研究重点。针对特种化学品间歇生产过程,如Chylla Haase间歇反应过程,本文采用一种复合控制方式,将间歇过程控制划分为批次内控制和批次间控制两个维度,设计复合控制策略,将批次内的智能自整定PID控制和批次间的迭代学习控制结合,充分利用批次间重复特性,并在批次内和批次间实现控制的自适应改进。在批次内控制中,采用PID控制架构,通过LM优化算法实现PID控制参数的自整定,利用RBF神经网络辨识优化过程产生的Jacobian信息,使用一种改进的差分进化算法优化PID自整定参数的初值以及径向基神经网络基函数的中心、宽度以及神经元连接权值的初值。批次内的控制策略不要求获得被控对象的数学模型,仅以过程数据为控制来源,具有较高实际应用价值。在批次间控制中,针对需要抑制的重复性干扰,采用具有实际应用价值的P型迭代学习控制,为实现这种控制方式数据驱动的自适应改进,设计限定参数集的去伪控制策略。这种控制策略既实现了抑制批次间重复扰动的功能,又具备实用性的自适应调整能力,取得优于固定参数迭代学习控制方法的效果。特种化学品D1的生产过程,对转馏分点的预测和控制十分重要。该间歇蒸馏过程存在反应蒸馏过程复杂多样的特性,需要进行分离处理的物质多种多样并且成分不断变化,而上升气温度可以对蒸馏过程需分离的物质有较高程度的反映,准确判断转馏分点是特种化学品D1生产的关键。从实际出发,建立一种数据驱动的LSTM预测模型,对转馏分点实施预测。LSTM结构复杂,需要进行参数优化,设计贝叶斯优化算法实现了参数的优选。针对D1生产过程,纯度数据作为关键指标只在生产终点时检测的情况,设计了一种基于BP神经网络的终点质量迭代学习控制算法,首先利用BP神经网络建立生产过程变量与终点产品纯度的预测模型,以神经网络预测模型为基础,实施终点纯度的迭代学习控制,实现了对具有批次重复特性的间歇蒸馏过程的质量控制。
胡本源[3]（2021）在《乙烯过程在线监测与优化控制系统的研究开发》文中研究指明乙烯作为石化产业的基础原料,其生产能力是评价一个国家石油化工发展水平的关键指标。当前,除了原料受限以外,生产管控水平低等因素造成了国内乙烯生产能耗偏高。因此开发面向国内乙烯过程的能效监测与优化控制技术有利于提高国内炼化企业的能源利用效率和产品竞争力,符合碳达峰、碳中和的国家政策,体现高质量发展。本文基于“面向石化企业工业能效监测评估及优化控制技术与系统”863项目提出面向设备级、过程级、系统级的能效评估标准和在线评估指标体系,引入了价值优化的因素,并进行了相关灵敏度的分析,验证了其有效性,可以对乙烯整个生产过程进行能效监测和诊断,完成乙烯系统的价值优化并可寻找系统能效最优的工况点。依托“高可靠工业在线色谱仪的工程化及其示范应用”国家重点研发计划项目,利用在线色谱仪对裂解过程关键的裂解气组分分布进行实时监测,并以关键组分信息计算乙烯流程的实时能效监测线;另外一方面,采用改进的TOPSIS方法得到乙烯过程的实时能效上限和下限基准线。通过实时能效监测线和能效基准线的对比,当实时监测的能效值偏离以当前工况计算得到的应有能效值时,可以启动乙烯系统能效的优化控制。本文以乙烯过程的关键部分乙烯裂解炉作为实际验证和应用案例。为有效地对系统能效进行优化控制,本文提出了一种干扰Hammerstein模型的优化控制算法。该算法的策略分为两步,第一步考虑系统状态不可测的情况,对无约束受干扰的线性模型采用鲁棒输出反馈预测控制方法计算中间变量,其中为了处理干扰,采用二次有界技术设计出能够在线更新的估计误差集合的方法使得系统有界收敛。第二步通过中间变量求解非线性代数方程和采用解饱和的方法得到满足约束的实际控制输入并以乙烯流程中的聚丙烯合成牌号切换过程作为示范和验证。以东北某年产80万吨乙烯装置为背景,综合考虑背景企业的乙烯生产工艺和实际位置情况等,对在线色谱系统的预处理系统、色谱小屋等进行优化和设计,完成了基于系统能效的乙烯过程在线监测与控制系统的搭建和上线运行。开发了集能效标准、能源实时监测、能耗分析、能效指标、能效统计、能效分析、能源优化、数据管理、能源计划、系统管理等功能于一体的能效监测评估与优化平台。该系统采用客户端、应用服务和数据库三层架构方式进行开发,遵循对象抽象、接口定义和接口实现服务三个步骤,实现了统一的远程服务访问。系统投用后,年能耗降幅为7.26%,折算后乙烯装置综合能效提升2.28%,创造了可观的经济效益。
曹向军[4]（2021）在《基于相关性即时学习法的改进及其在化工过程无模型控制系统中的研究》文中认为化工过程自动控制系统是现代化学工业必不可少的一部分,但是化工过程的非线性、时滞、不确定性等问题导致基于机理模型的控制系统面临挑战。随着计算机技术的发展,过程中产生的工业数据能轻易的实现在线测量并存储。因此,利用过程数据设计控制系统越来越受到科研人员和机构的关注。其中,相关性即时学习法（Correlation-based JITL,Co-JITL）因为其具有结构简单、易更新、自适应性强等特点,被应用于非线性化工过程的无模型自适应PID控制系统设计（JITL-PID）。本文对Co-JITL方法进行了改进,并用于该JITL-PID控制系统设计,本文的主要研究工作如下:（1）针对Co-JITL法中历史数据库冗杂的问题,引入移动窗技术对历史数据库的结构和更新机制进行改进,提出了基于移动窗改进的Co-JITL方法,并用于基于Co-JITL的无模型自适应PID控制系统设计,采用两个非线性化工过程案例进行了仿真实验。仿真结果表明,基于本文所提出的改进Co-JITL方法设计的控制系统不仅在线计算时间更少,而且拥有更高的控制精度以及更好的鲁棒性和稳定性。（2）用Co-JITL法在对控制器建立模型时,针对不同的操作状态需要大量时间调节阈值等参数,这使得控制系统在使用上缺乏便利性,并且有可能陷入过拟合的情况。为了解决这个问题,本文将多元统计分析中的统计分析上限运用到Co-JITL建模过程中,提出了自适应阈值J和自适应阈值Φ两种方法,并用于无模型自适应PID控制系统设计。通过仿真实验表明,基于本文所提出两种新的Co-JITL方法的控制系统面对新工况时,所需的离线优化时间大幅减少,其中所提出的自适应阈值Φ的控制系统拥有最好的控制效果和鲁棒性以及稳定性。（3）在Co-JITL法的建模过程中,使用主元分析法（Principal Component Analysis,PCA）来处理数据间的相关性。然而,PCA算法难以有效提取数据间的非线性关系,为此发展出了核主元分析方法（Kernel Principal Component Analysis,KPCA）和主多项式分析法（Principal Polynomial Analysis,PPA）等算法。本论文分别把KPCA和PPA算法引入到原Co-JITL方法中替换PCA算法,由此提出了基于KPCA的Co-JITL法和基于PPA的Co-JITL法,并用于无模型自适应PID控制系统设计,最后通过仿真实验证明本文提出的两种新的Co-JITL方法设计的控制系统具有良好的控制性能。
邹志云,孟磊,于蒙,刘英莉[5]（2020）在《精细化工过程及设备检测和监控技术研究展望》文中研究说明简要分析了当前精细化工生产过程及设备检测与监控技术存在的问题与面临的挑战,分别介绍了基于数学模型估算的软测量技术,计算机模拟的虚拟仪器检测技术,图像采集处理和识别的机器视觉技术,光谱检测和化学计量学方法的过程分析检测技术,以及基于射线透视成像的工艺设备运行工况检测技术等。精细化工过程及设备监控技术主要研究动向为生产工况和生产质量的综合性统计过程控制以及生产过程的综合性安全保护控制等。
李英壮[6]（2020）在《以数据为基础的乙烯生产智能监测系统的开发与应用》文中研究指明乙烯裂解炉作为乙烯生产中影响乙烯产品质量最为关键的设备,维持乙烯裂解炉长期安全稳定的运行是非常有必要的。因此,开发一套针对乙烯裂解炉的在线智能监测系统有非常重要的意义。石脑油裂解制乙烯是一个连续的化工生产过程,如果能够实现及时发现生产过程中不允许的偏离并做出相应调整,这样可以避免故障发生,提高企业生产效率。因此,本文主要内容是:首先根据石脑油裂解制乙烯生产工艺过程的特点,确定在线智能监测系统的逻辑结构框架、系统功能模块和系统界面设计。研究工作主要集中在算法功能的开发,基于真实的乙烯历史生产数据建立算法模型,其中包括:利用主元分析法（PCA）开发核心过程监测模块,建立监测模型实现对生产过程的监测,同时根据乙烯生产状态调整的特性,开发了拥有两种数据频率的运行状态识别器,及时准确监测乙烯生产过程的运行状态可以减少因为运行状态的调整导致监测系统的误报警;基于符号有向图法（SDG）开发了故障诊断模块,当监测出有故障发生时,故障诊断模块可以很好的给出故障传播的大致路径和根本原因变量;基于偏最小二乘法（PLS）开发了仪表校正软测量模块,针对实际生产过程中出现的仪表异常造成测量数据不准确情况,及时校正并保证智能监测系统分析结果的准确性。最后,将系统进行连接和调试后,开发完成乙烯生产在线智能监测系统,将系统安装到实际的工业生产过程中进行应用测试,并取得了较好的监测分析结果。
李啸晨[7]（2020）在《过程系统优化运行与控制一体化研究》文中认为制造业是我国国民经济和社会发展的支柱型产业,而以化学工业为代表的流程行业是其重要的组成部分。目前我国流程行业的生产装置日益庞大,产能、产量日益增长,工艺链、供应链日益复杂,产品、中间产品日益增多,自动化系统面临的问题更加复杂、多变,对流程工业先进过程控制与优化提出了更复杂、更深刻、更具挑战性的要求。为此,本文针对过程系统的优化运行与控制一体化问题进行了深入研究,着重研究变量选择和运行优化与控制集成两个核心问题,通过案例分析验证了所提出策略的可行性和有效性。本文的主要贡献概括如下:1)针对动态系统的被控变量选择问题,介绍了动态自优化控制的概念。提出一种基于零空间方法的动态自优化控制策略,假设过程测量误差可以近似忽略,通过最优灵敏度分析来寻找测量值的线性组合关系,作为过程的被控变量。针对不同的扰动情况,证明被控变量的最优值保持不变,利用反馈作用实现最优轨迹跟踪,避免了反复在线优化的过程,减少了设定点的更新频率。由于所提出的策略属于动态优化范畴,线性组合矩阵和最优灵敏度矩阵都是时变的,但是他们可以通过有限差分的方法计算获得,进而减小计算负担。2)针对现有局部自优化控制（线性自优化控制）方法应用于非线性过程时,被控变量只在标称工作点附近具有自优化效果,提出一种基于离线模型和仿真数据的全局自优化控制策略。利用非线性模型计算整个操作空间内的平均经济损失,同时考虑各种扰动因素和测量误差对优化目标的影响。所提出的策略本质上是一个非线性规划问题,通过对某些条件进行合理假设,将整个问题转化为一个凸优化问题,进而得到全局被控变量的解析表达形式。为了平衡传感器成本和系统性能,引入混合整数约束,对测量变量子集进行选择。通过求解混合整数规划问题,能够同时获得最优的测量变量子集以及由其构成的全局被控变量,此外上述子集选择方法还可以处理附加的结构性约束问题。3)针对过程系统的运行优化与控制集成问题,分析了过程系统的层次模型,提出一种实时优化与控制集成的级联结构。对于优化层采用基于梯度信息的稳态实时优化方法,通过在线采集过程测量值,估计过程的梯度信息,进而更新设定值。不需要使用显式的过程模型,可以有效地抑制模型失配对优化目标的影响。利用最小二乘的思想求解梯度向量,降低了计算成本,可以应用于大规模工业过程的稳态实时优化中。此外,提出一种基于特征值分解的被控变量选取方法,利用非线性模型计算平均损失,优化效果具有全局性。为了快速求解非线性规划问题,对某些条件进行合理简化,从而获得次优解,给出求解被控变量的解析方法,提高了计算效率,同时将优化层与控制层联系起来。4)针对系统优化运行与控制过程中受多种扰动和不确定因素影响问题,提出一种极值搜索与自优化控制集成的层级结构,该结构主要有以下两个特点:第一,开发了一种基于数据驱动的快速极值搜索方法,并将其应用于层级结构的上层,起到实时优化的作用。与传统实时优化方法相比,基于数据驱动的方法不依赖于过程模型,可以有效抑制未建模扰动的影响,同时与传统极值搜索方法相比,在梯度估计过程中引入动态特性可以极大地提高算法的收敛速度;第二,提出了一种基于最优性必要条件的全局自优化控制策略,有效地将优化层与控制层集成起来,同时对预期的扰动进行快速地作用和抑制,所提出的策略不需要使用过程二阶梯度信息,理论上具有更高的可靠性和鲁棒性。
葛鸣鹤[8]（2019）在《面向工序级金属平衡的算法设计及系统实现》文中研究指明金属平衡管理是有色金属冶炼行业企业进行管理和核算的重要步骤,也是衡量企业运行状况的重要指标,对其进行有效利用和分析,可以在企业降低成本、提高利润等方面发挥很大的积极作用。多数企业会通过金属平衡报表来记录生产物料及产成品的库存结余情况及物料平衡关系,其数据直接或间接来自生产现场,是对企业生产较为直观的反映。平衡报表数据在测量过程中难免存在误差,会直接导致物料平衡关系无法满足,也会使企业优化决策等产生偏差。采用数据校正的方式对测量数据进行协调,可以有效地避免上述问题。而将数据校正的结果与虚拟仿真相结合进行可视化,则为金属平衡提供了一种新颖的体现方式。本文基于中国某铜厂的历史生产数据,建立了基于最小二乘法的串联工序数据校正模型,并提出PSO-PH算法对其进行求解。数据输入模型之前首先进行预处理,并根据实际生产要求对串联工序模型排序简化为单工序的目标函数。鉴于模型中变量较多影响求解效率,提出使用PH乘子法将原变量转化为多个乘子向量,采用改进的PSO算法进行搜索求解,其高效搜索能力与PH乘子法的准确性相结合,为数据校正的可靠性提供了保证。本文利用三个月份的数据进行了五种算法的单工序对比实验,结果显示出PSO-PH算法较之其他算法的高效性和准确性,同时也对该算法的稳定性进行了验证。多工序实验则对所提算法的稳定性及数据校正结果进行展示,实验表明对盘点数据的校正符合生产实际。本文在数据校正的基础上开发了系统可视化平台,对其功能模块和数据库进行了合理的设计。可视化平台对铜冶炼厂的基本地图、生产设备、金属平衡数据等方面进行了展示。该平台可以调用数据校正的相关程序进行协调展示,对数据误差进行溯源。平台符合用户使用逻辑且具有友好的人机交互界面,对管理层来说是一种很好的呈现方式。
邓苏冰[9]（2018）在《面向铜冶炼的金属平衡系统设计与实现》文中进行了进一步梳理金属平衡是铜冶炼厂综合管理必不可少的重要环节,也是企业实现金属物料精细化管控的显着标志。编制金属平衡报表作为金属平衡管理的一种主要落实方式,可以清晰的反映出各金属元素的分布状态和存余情况,对降低成本,提高生产计划的合理性有着十分重要的作用。数据在实际测量过程中难免产生误差,这会在一定程度上造成金属平衡报表中存在一些难以溯源的无名损失。通过对过程数据应用数据校正技术,建立针对金属平衡过程的信息化系统,不仅可以提高过程数据的准确性,降低误差的影响,还可以大大简化盘点人员平衡报表的制作过程,方便后续操作。本文提出了一种基于PSO-GRG的数据校正方法对金属平衡模型所对应的带约束最小二乘问题进行求解。首先在算法运算前期采用惯性权重改进的粒子群算法进行快速收敛,得到一个较为靠近最优解的可行解,再将其作为既约梯度法的初始解,选取改进的步长继续进行迭代,最终得到问题的全局最优解。本文方法将粒子群算法前期收敛迅速和既约梯度法收敛稳定、精度高的优点有机结合起来,对两种算法取长补短,在有效缩短校正时间的同时大幅提高了校正精度,实现了对盘点物料数量及其主要金属元素品位的校正。结合长期的生产调研和现场人员的实际需求,基于上述数据校正方法,本文完成了对系统数据库以及各功能模块的详细设计,并在此基础上进行了应用系统开发。本金属平衡系统面向国内某铜冶炼厂的生产实际,不仅能够对金属平衡报表中存在的无名损失进行溯源,反映真实的回收率,为生产决策提供科学的指导,同时还具有交互良好的功能界面和清晰条理的业务逻辑,符合盘点人员日常的操作习惯。
郑玉鑫[10]（2012）在《基于贝叶斯小波包降噪方法的数据校正》文中研究指明由于测量中不可避免地会存在误差,测量值不能正确的反映实际的化工生产过程,这种现象称为测量数据的不平衡性,解决这个问题的方法就是采用数据校正技术。目前研究的数据校正技术主要是基于稳态的线性系统模型。本论文针对实际生产数据不稳定的情况,提出了一种结合了贝叶斯、离散小波变换以及小波包变换的化工过程数据降噪方法,对化工过程数据进行预处理,以多种统计方法相结合进行数据降噪,尽可能地减少测量数据中的误差,以获得数据校正的稳态数据。本篇论文的重点在于利用贝叶斯思想来提高计算速度和效率,结合贝叶斯强大的判断能力,充分利用数据库中大量的历史数据获得先验知识,并以此作为判断的依据。论文以某焦化厂的生产数据为研究对象,从工程实践角度出发研究小波包降噪技术在化工过程现场中的应用。论文主要内容如下：对小波变换,离散小波变换分别作了文献综述,回顾了小波降噪的发展现状、研究概况及其工业应用情况。讨论了傅里叶变换的优缺点以及小波变换的意义及优势,详细分析了离散小波变换的原理。提出了一种结合了贝叶斯思想的小波包过程数据降噪方法。利用贝叶斯分类方法,提高了小波包数据降噪的方法以及效率。以某焦化厂生产流程为对象,研究部分有代表性的过程的数据校正问题,对降噪后的数据进行协调,获得了较为理想的效果。最后,总结了全文内容,并对小波包数据降噪技术的进一步研究提出了自己的看法。
二、化工过程测量数据在线校正系统CPDRS的设计开发与应用(Ⅱ)——CPDRS的系统设计与实现（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、化工过程测量数据在线校正系统CPDRS的设计开发与应用(Ⅱ)——CPDRS的系统设计与实现（论文提纲范文）
（1）基于统计分析的化工过程稳态检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 符号说明 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 稳态的研究现状 |
| 1.2.1 基于统计分析的稳态检测 |
| 1.2.2 基于多项式滤波的稳态检测 |
| 1.2.3 稳态检测的其他方法 |
| 1.3 研究内容 |
| 2 工业应用的几种稳态检测方法 |
| 2.1 Heuristic方法 |
| 2.1.1 计算方法 |
| 2.1.2 方法验证 |
| 2.1.3 方法评价 |
| 2.2 Statistical方法 |
| 2.2.1 计算方法 |
| 2.2.2 方法验证 |
| 2.2.3 方法评价 |
| 2.3 R检验法 |
| 2.3.1 计算方法 |
| 2.3.2 方法验证 |
| 2.3.3 方法评价 |
| 2.4 本章小结 |
| 3 基于权重的改进方差识别法 |
| 3.1 权重赋权方法 |
| 3.1.1 线性函数权重 |
| 3.1.2 非线性函数权重 |
| 3.2 基于权重的改进方差识别法 |
| 3.2.1 数学描述 |
| 3.2.2 计算方法 |
| 3.2.3 方法验证 |
| 3.3 本章小结 |
| 4 常减压装置数据的稳态检测实例验证 |
| 4.1 装置过程的概述 |
| 4.2 方法的验证结果 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的学术论文目录 |
（2）基于数据驱动的间歇化工过程批次内和批次间复合优化控制策略研究（论文提纲范文）
| 缩略语表 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 间歇化工生产过程控制的难点及常用控制策略 |
| 1.2.1 间歇化工生产过程控制难点 |
| 1.2.2 间歇生产过程的常用控制策略 |
| 1.3 数据驱动控制 |
| 1.3.1 模型驱动控制与数据驱动控制的比较 |
| 1.3.2 PID控制及自整定策略 |
| 1.3.3 迭代学习控制 |
| 1.4 间歇化工过程控制复合架构研究 |
| 1.4.1 复合架构研究的必要性 |
| 1.4.2 复合架构的形式 |
| 1.4.3 间歇化工过程中复合架构迭代学习控制的应用情况 |
| 1.5 时序预测技术与终点质量迭代学习控制 |
| 1.5.1 时序预测技术研究现状 |
| 1.5.2 终点质量迭代学习控制研究现状 |
| 1.6 研究论文的主要内容 |
| 第二章 间歇化工过程批次内时间域控制 |
| 2.1 引言 |
| 2.2 RBF神经网络及差分进化算法 |
| 2.2.1 RBF神经网络结构及学习算法 |
| 2.2.2 差分进化算法 |
| 2.3 IDE-RBF-LM-PID算法设计 |
| 2.3.1 RBF-PID控制算法 |
| 2.3.2 LM算法改进RBF-PID |
| 2.3.3 IDE算法优化RBF网络 |
| 2.4 智能自整定PID控制算法电加热控制实现 |
| 2.4.1 电热水浴装置 |
| 2.4.2 算法设计 |
| 2.4.3 仿真验证 |
| 2.5 智能自整定PID控制算法微化工过程制冷箱控制实现 |
| 2.5.1 制冷箱和控制系统设计 |
| 2.5.2 程序设计 |
| 2.5.3 控制结果 |
| 2.6 智能自整定PID控制算法Chylla Haase间歇反应釜控制实现 |
| 2.6.1 Chylla Haase间歇反应装置 |
| 2.6.2 数学模型 |
| 2.6.3 Matlab Simulink模型开发 |
| 2.6.4 算法设计 |
| 2.6.5 仿真验证 |
| 2.7 本章小结 |
| 第三章 间歇化工过程批次间迭代学习控制及复合控制实现 |
| 3.1 引言 |
| 3.2 复合结构的稳定性分析 |
| 3.2.1 系统形式 |
| 3.2.2 复合控制器结构 |
| 3.2.3 稳定性分析 |
| 3.3 批次间迭代学习控制自适应算法设计 |
| 3.3.1 去伪控制算法 |
| 3.3.2 设计批次间去伪控制算法 |
| 3.3.3 基于有限控制器参数集合的去伪控制策略自适应ILC及算法收敛性证明 |
| 3.4 自适应迭代学习控制算法应用设计 |
| 3.4.1 间歇化工过程批次间控制的难点及大小批次划分 |
| 3.4.2 大小批次划分后初始控制问题 |
| 3.5 Chylla Haase间歇反应过程复合控制实验结果及分析 |
| 3.5.1 方案设计 |
| 3.5.2 结果分析 |
| 3.6 本章小结 |
| 第四章 基于LSTM的间歇蒸馏过程转馏分点预测及终点质量迭代学习控制 |
| 4.1 引言 |
| 4.2 基于LSTM的时序预测建模 |
| 4.2.1 模型建立流程 |
| 4.2.2 数据重构 |
| 4.2.3 长短期记忆神经网络建模基础 |
| 4.2.4 模型搭建与预测 |
| 4.3 数据驱动终点质量迭代学习控制对D1 蒸馏过程纯度的控制 |
| 4.3.1 终点迭代学习控制算法设计 |
| 4.3.2 算法实现 |
| 4.4 系统GUI软件集成 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 本文主要工作 |
| 5.2 主要创新点 |
| 5.3 下一步工作展望 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 主要简历 |
| 致谢 |
（3）乙烯过程在线监测与优化控制系统的研究开发（论文提纲范文）
| 摘要 |
| Abstract |
| 引言 |
| 1 绪论与综述 |
| 1.1 论文背景与研究意义 |
| 1.2 石化工业能效评价研究 |
| 1.2.1 乙烯能效评估方法 |
| 1.2.2 乙烯裂解炉模拟 |
| 1.3 石化行业优化控制研究 |
| 1.4 石化行业能效在线监测现状 |
| 1.5 本文主要研究内容 |
| 1.5.1 研究内容 |
| 1.5.2 论文组织结构 |
| 2 乙烯装置系统能效模型 |
| 2.1 能效指标体系的建立 |
| 2.1.1 乙烯行业能效指标体系概述 |
| 2.1.2 乙烯过程指标体系详述 |
| 2.2 乙烯系统级模型的灵敏度分析与模型验证 |
| 2.2.1 裂解深度对产品分布的影响 |
| 2.2.2 裂解深度对能源物料消耗的影响 |
| 2.2.3 裂解深度对能效的影响 |
| 2.2.4 不同原料对能效的影响 |
| 2.2.5 物料价格对能效的影响 |
| 2.2.6 能效与收率最大化的对比 |
| 2.2.7 能效优化影响因素的分析 |
| 2.3 小结 |
| 3 基于系统能效模型的乙烯裂解过程实时监测 |
| 3.1 能效评估基线计算方法 |
| 3.1.1 裂解炉模拟 |
| 3.1.2 动态能效基线计算 |
| 3.2 基于在线色谱分析仪计算实时系统能效线 |
| 3.2.1 基于在线色谱分析的能效监测系统搭建 |
| 3.2.2 基于在线色谱分析的实时能效线的计算 |
| 3.3 乙烯过程系统能效的监测与评估 |
| 3.4 小结 |
| 4 基于系统能效模型的优化控制 |
| 4.1 基于干扰Hammerstein模型的化工过程预测控制 |
| 4.2 鲁棒MPC策略 |
| 4.2.1 离线估计器设计 |
| 4.2.2 二次有界性条件 |
| 4.2.3 实际控制输入 |
| 4.2.4 乙烯过程中聚丙烯的控制优化 |
| 4.3 小结 |
| 5 乙烯过程系统能效实时监测平台系统开发与应用 |
| 5.1 乙烯过程系统能效实时监测平台系统总体架构 |
| 5.1.1 能效监测模块 |
| 5.1.2 能效评估模块 |
| 5.1.3 能效优化模块 |
| 5.2 系统编写过程关键问题的解决方案 |
| 5.2.1 OPC数据接口技术 |
| 5.2.2 无线通信技术 |
| 5.2.3 在线色谱分析仪应用调校 |
| 5.3 系统软硬件配置及效益分析 |
| 5.3.1 实际应用的软硬件配置 |
| 5.3.2 效益分析 |
| 结论 |
| 创新点及展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）基于相关性即时学习法的改进及其在化工过程无模型控制系统中的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 本论文的研究背景及意义 |
| 1.2 本论文的主要研究内容 |
| 1.3 本论文的组织结构 |
| 2 文献综述 |
| 2.1 基于数据的过程建模方法 |
| 2.1.1 标准学习法 |
| 2.1.2 即时学习法 |
| 2.2 基于数据驱动的控制方法 |
| 2.2.1 基于数据模型的控制系统 |
| 2.2.2 无模型的控制系统 |
| 3 基于移动窗技术改进的CO-JITL法及其在无模型自适应PID控制系统中的研究 |
| 3.1 引言 |
| 3.2 基于MW-COJITL的无模型自适应PID控制系统的设计 |
| 3.2.1 基于CO-JITL的无模型自适应PID控制系统的设计 |
| 3.2.2 基于移动窗技术对CO-JITL法的改进 |
| 3.3 仿真实验与结果 |
| 3.3.1 连续搅拌釜式反应器仿真实验与结果 |
| 3.3.2 聚合反应器仿真实验与结果 |
| 3.4 本章小结 |
| 4 基于多元统计分析改进的CO-JITL法及其在无模型自适应PID控制系统中的研究 |
| 4.1 引言 |
| 4.2 CO-JITL法中阈值参数的简化与改进 |
| 4.2.1 固定阈值(?) |
| 4.2.2 改进方案1:自适应阈值(?) |
| 4.2.3 改进方案2:自适应阈值(?) |
| 4.3 仿真实验与结果 |
| 4.3.1 CSTR反应器仿真实验与结果 |
| 4.3.2 聚合反应器仿真实验与结果 |
| 4.4 本章小结 |
| 5 基于PCA衍生算法改进的CO-JITL法及其在无模型自适应PID控制系统中的研究 |
| 5.1 引言 |
| 5.2 PCA算法及其衍生算法 |
| 5.2.1 PCA算法 |
| 5.2.2 KPCA算法 |
| 5.2.3 PPA算法 |
| 5.3 仿真实验与结果 |
| 5.3.1 CSTR反应器仿真实验与结果 |
| 5.3.2 聚合反应器仿真实验与结果 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（5）精细化工过程及设备检测和监控技术研究展望（论文提纲范文）
| 1 精细化工生产过程及设备检测技术研究展望 |
| 1.1 基于数学模型估算的软测量技术 |
| 1.2 基于计算机模拟的虚拟仪器检测技术 |
| 1.3 基于图像采集处理和识别的机器视觉检测技术 |
| 1.4 基于光谱测量和化学计量学方法的过程分析检测技术 |
| 1.5 基于射线透视成像的工艺设备运行工况检测技术 |
| 2 精细化工生产过程及设备监控技术研究展望 |
| 2.1 从单参数控制到生产工况和生产质量的综合性统计过程控制 |
| 2.2 从工艺参数联锁报警到综合性安全保护控制 |
| 3 结束语 |
（6）以数据为基础的乙烯生产智能监测系统的开发与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 在线监测系统在工业领域的研究与开发现状 |
| 1.2.1 在线监测系统在工业领域的研究情况 |
| 1.2.2 在线监测系统应用中存在的问题 |
| 1.3 前人在本选题研究领域中的工作成果简述 |
| 1.4 在线智能监测系统的总体框架和研究工作 |
| 1.5 本论文的研究内容与组织结构 |
| 第二章 乙烯生产在线智能监测系统的开发 |
| 2.1 石脑油蒸汽裂解制乙烯工艺描述 |
| 2.2 乙烯裂解炉装置描述 |
| 2.3 在线智能监测系统综述 |
| 2.4 在线智能监测系统的算法功能模块 |
| 2.4.1 过程监测模块 |
| 2.4.2 故障诊断模块 |
| 2.5 在线智能监测系统的辅助功能模块 |
| 2.5.1 实时原始数据模块 |
| 2.5.2 历史故障段模块 |
| 2.6 在线智能监测系统的界面布局设计 |
| 2.7 本章小结 |
| 第三章 乙烯生产在线智能监测系统算法功能模块的开发 |
| 3.1 乙烯生产过程监测模块的开发 |
| 3.1.1 乙烯裂解炉运行状态的识别 |
| 3.1.2 建立过程监测模型 |
| 3.1.3 生产过程监测逻辑的研究开发 |
| 3.2 乙烯生产过程故障诊断模块的开发 |
| 3.2.1 石脑油裂解制乙烯生产过程的故障类型 |
| 3.2.2 故障分析与诊断过程的描述 |
| 3.2.3 建立SDG故障诊断模型 |
| 3.2.4 基于SDG模型的故障诊断 |
| 3.3 乙烯生产过程测量仪表校正软测量模块的开发 |
| 3.3.1 测量仪表异常情况描述 |
| 3.3.2 建立软测量校正模型 |
| 3.3.3 基于软测量模型进行校正 |
| 3.4 本章小结 |
| 第四章 乙烯生产在线智能监测系统的应用测试 |
| 4.1 系统功能测试 |
| 4.1.1 系统算法功能 |
| 4.1.2 系统辅助功能 |
| 4.2 系统性能测试 |
| 4.3 系统存在的问题 |
| 4.3.1 PI数据库系统问题 |
| 4.3.2 数据采样频率的影响 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（7）过程系统优化运行与控制一体化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 厂级控制概念 |
| 1.3 过程系统优化运行与控制问题研究进展 |
| 1.3.1 实时优化 |
| 1.3.2 模型预测控制 |
| 1.3.3 最优性必要条件跟踪 |
| 1.3.4 极值搜索控制 |
| 1.3.5 实验方法 |
| 1.3.6 其他方法 |
| 1.4 自优化控制方法研究综述 |
| 1.4.1 自优化控制概念 |
| 1.4.2 基本问题定义 |
| 1.4.3 穷举法选择被控变量 |
| 1.4.4 局部自优化控制方法 |
| 1.4.5 自优化控制中的约束处理方法 |
| 1.4.6 全局自优化控制和动态自优化控制方法探索 |
| 1.5 论文总体框架与主要内容 |
| 2 基于零空间方法的动态自优化控制策略 |
| 2.1 引言 |
| 2.2 自优化控制基本概念和问题定义 |
| 2.3 基于零空间方法的自优化控制策略 |
| 2.4 案例研究 |
| 2.4.1 过程描述 |
| 2.4.2 半间歇式反应过程的自优化控制 |
| 2.4.3 闭环验证 |
| 2.5 分析与讨论 |
| 2.6 本章小结 |
| 3 全局自优化控制策略及其测量变量子集选择 |
| 3.1 引言 |
| 3.2 局部自优化控制方法 |
| 3.3 全局自优化控制策略 |
| 3.4 测量变量子集选择 |
| 3.5 案例研究 |
| 3.5.1 蒸发过程 |
| 3.5.2 Kaibel分壁精馏塔 |
| 3.6 本章小结 |
| 4 基于梯度信息的实时优化与控制集成策略 |
| 4.1 引言 |
| 4.2 过程系统的层次模型 |
| 4.3 基于梯度信息的稳态实时优化方法 |
| 4.3.1 方法概述 |
| 4.3.2 利用最小二乘思想求解梯度向量 |
| 4.4 非线性过程快速自优化控制策略 |
| 4.4.1 问题描述 |
| 4.4.2 损失函数计算 |
| 4.4.3 快速自优化控制算法 |
| 4.5 实时优化与控制集成策略 |
| 4.6 案例研究 |
| 4.6.1 数值算例 |
| 4.6.2 蒸发过程 |
| 4.7 本章小结 |
| 5 基于层级结构的实时优化与控制集成策略 |
| 5.1 引言 |
| 5.2 快速极值搜索方法 |
| 5.3 全局自优化控制策略选择被控变量 |
| 5.3.1 问题描述 |
| 5.3.2 基于最优性必要条件的全局自优化控制策略 |
| 5.4 实时优化与控制集成层级结构 |
| 5.4.1 集成策略特点及步骤 |
| 5.4.2 稳定性分析证明 |
| 5.5 案例研究 |
| 5.5.1 过程描述 |
| 5.5.2 快速极值搜索策略 |
| 5.5.3 全局自优化控制策略 |
| 5.5.4 快速极值搜索与全局自优化控制集成策略 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 在学期间科研成果 |
| 作者简历 |
（8）面向工序级金属平衡的算法设计及系统实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 金属平衡管理 |
| 1.2.2 数据校正技术 |
| 1.2.3 数据可视化 |
| 1.3 本文主要工作 |
| 2 数据分析与处理 |
| 2.1 工业数据来源 |
| 2.2 数据处理 |
| 2.2.1 数据预处理 |
| 2.2.2 冗余性分析 |
| 2.3 工序级金属平衡的意义 |
| 2.4 本章小结 |
| 3 金属平衡模型与算法 |
| 3.1 工序级金属平衡串联模型 |
| 3.2 基于PSO-PH的金属平衡算法 |
| 3.2.1 PSO算法 |
| 3.2.2 PH乘子法 |
| 3.2.3 改进的PSO-PH算法 |
| 3.3 数据实验与分析 |
| 3.3.1 单工序实验 |
| 3.3.2 多工序实验 |
| 3.4 本章小结 |
| 4 基于Unity的系统可视化实现 |
| 4.1 系统需求分析 |
| 4.2 系统开发环境 |
| 4.2.1 软硬件环境 |
| 4.2.2 相关软件介绍 |
| 4.3 系统总体设计 |
| 4.3.1 模型设计 |
| 4.3.2 数据库设计 |
| 4.3.3 仿真系统设计 |
| 4.4 具体功能实现 |
| 4.4.1 动画实现 |
| 4.4.2 数据库连接与显示 |
| 4.4.3 系统测试 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（9）面向铜冶炼的金属平衡系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 数据校正技术 |
| 1.2.2 数据校正技术的工业应用 |
| 1.3 研究内容及意义 |
| 1.4 本文结构 |
| 2 基于PSO-GRG的金属数据校正 |
| 2.1 金属平衡模型 |
| 2.2 粒子群算法 |
| 2.3 既约梯度法 |
| 2.4 基于PSO-GRG的数据校正算法 |
| 2.5 现场数据实验与分析 |
| 2.6 本章小结 |
| 3 金属平衡系统需求分析与详细设计 |
| 3.1 系统需求分析 |
| 3.1.1 功能需求分析 |
| 3.1.2 非功能需求分析 |
| 3.2 数据库设计 |
| 3.3 整体功能模块设计 |
| 3.4 各功能模块详细设计 |
| 3.4.1 登录模块设计 |
| 3.4.2 数据校正模块设计 |
| 3.4.3 物料管理模块设计 |
| 3.4.4 系统管理模块设计 |
| 3.5 本章小结 |
| 4 金属平衡系统实现 |
| 4.1 系统开发环境 |
| 4.1.1 系统架构及开发语言 |
| 4.1.2 数据库访问技术 |
| 4.2 系统具体功能实现 |
| 4.2.1 登录模块实现 |
| 4.2.2 数据校正模块实现 |
| 4.2.3 物料管理模块实现 |
| 4.2.4 系统管理模块实现 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（10）基于贝叶斯小波包降噪方法的数据校正（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 数据校正概述 |
| 1.2.1 数据校正的概念 |
| 1.2.2 数据校正的发展现状 |
| 1.3 工业应用情况 |
| 1.4 本论文研究的主要内容 |
| 第2章 小波变换的基本原理 |
| 2.1 傅里叶变换和小波的对比 |
| 2.2 小波变换的原理 |
| 2.2.1 小波的分解 |
| 2.2.2 小波的合成 |
| 2.3 离散小波变换的概念 |
| 2.4 小波包分解与小波分解的对比 |
| 2.5 本章小结 |
| 第3章 贝叶斯分类理论与方法 |
| 3.1 贝叶斯思想的基本概念 |
| 3.2 从似然性到贝叶斯 |
| 3.3 先验概率的选择 |
| 3.3.1 先验概率的分类 |
| 3.3.2 先验概率的选择 |
| 3.4 本章小结 |
| 第4章 基于贝叶斯的小波包降噪方法 |
| 4.1 小波包降噪的原理 |
| 4.2 小波包降噪的流程 |
| 4.2.1 用于小波包分解的小波基的选取 |
| 4.2.2 信号降噪分解水平的选取 |
| 4.2.3 基于贝叶斯的最优树选取 |
| 4.2.4 阈值参数的选择 |
| 4.3 过程测量信号的降噪 |
| 4.3.1 信号分解以及系数阈值 |
| 4.3.2 小波包重构 |
| 4.4 结果和结论 |
| 4.5 本章小结 |
| 第5章 基于贝叶斯的小波包化工过程数据校正应用 |
| 5.1 数据校正 |
| 5.1.1 测量数据的分类 |
| 5.1.2 测量数据的基本原理 |
| 5.2 某焦化厂生产流程及数据校正的作用 |
| 5.3 数据协调模型的建立 |
| 5.2.1 化工厂常用的数据校正模型 |
| 5.2.2 某焦化厂协调模型提炼 |
| 5.4 数据校正算法分析 |
| 5.5 应用实例 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
四、化工过程测量数据在线校正系统CPDRS的设计开发与应用(Ⅱ)——CPDRS的系统设计与实现（论文参考文献）
- [1]基于统计分析的化工过程稳态检测方法研究[D]. 唐娇. 青岛科技大学, 2021(01)
- [2]基于数据驱动的间歇化工过程批次内和批次间复合优化控制策略研究[D]. 于蒙. 军事科学院, 2021(02)
- [3]乙烯过程在线监测与优化控制系统的研究开发[D]. 胡本源. 大连理工大学, 2021(01)
- [4]基于相关性即时学习法的改进及其在化工过程无模型控制系统中的研究[D]. 曹向军. 重庆理工大学, 2021(02)
- [5]精细化工过程及设备检测和监控技术研究展望[J]. 邹志云,孟磊,于蒙,刘英莉. 石油化工自动化, 2020(04)
- [6]以数据为基础的乙烯生产智能监测系统的开发与应用[D]. 李英壮. 北京化工大学, 2020(02)
- [7]过程系统优化运行与控制一体化研究[D]. 李啸晨. 浙江大学, 2020(01)
- [8]面向工序级金属平衡的算法设计及系统实现[D]. 葛鸣鹤. 大连理工大学, 2019(02)
- [9]面向铜冶炼的金属平衡系统设计与实现[D]. 邓苏冰. 大连理工大学, 2018(02)
- [10]基于贝叶斯小波包降噪方法的数据校正[D]. 郑玉鑫. 华东理工大学, 2012(06)