流程工业数据协调模型与算法研究

摘要

数据协调技术是流程工业CIMS的关键,它利用信息的冗余性,结合各种统计分析方法和生产过程机理,剔除原始数据中的显著误差,降低随机误差的影响,并设法估计出未测变量,保证了CIMS信息源的真实性.该文对数据协调技术在工程应用中碰到的若干具体问题进行了研究分析,提出了解决方案.具体包括以下几部分内容:1.以全厂物流数据协调为背景,针对流程工业特性,综合考虑容性节点贮液量的动态变化,引入了线性准稳态数据协调.2.提出一种线性稳态数据协调中的显著误差变量选择删除算法,以保证在显著误差变量个数过多的情况下原有模型的有效性.3.叙述了显著误差选择删除算法在炼油工业的实际应用情况.4.针对物流测量网络,综合考虑物流价格和变量协调精度,提出了一个经济损失最小的目标函数.5.对既有连续生产过程又有离散调度事件的混杂系统提出一种新的双线性准稳态数据协调方法.最后,在总结全文的基础上,指出了数据协调技术有待深入研究的若干问题.

目录

文摘

英文文摘

致谢

第一章数据协调研究发展概况

1.1引言

1.2数据协调概述

1.2.1数据协调算法

1.2.2显著误差检测

1.2.3冗余性分析

1.3工业应用情况

1.4本文主要内容

1.5小结

参考文献

第二章线性准稳态数据协调与物料平衡模型

2.1引言

2.2线性稳态数据协调

2.3线性动态数据协调

2.4线性准稳态数据协调

2.5物料平衡模型的建立

2.5.1初始模型的建立

2.5.2模型的改进

2.5.3模型的检验与校正

2.6结论

符号说明

参考文献

第三章显著误差变量选择删除算法

3.1引言

3.2显著误差变量选择删除算法

3.3仿真研究

3.4结论

符号说明

参考文献

第四章显著误差变量选择删除算法的工业应用

4.1引言

4.2测量网络说明

4.3显著误差检测

4.4应用结果与分析

4.5结论

符号说明

参考文献

第五章线性测量网的传感器配置

5.1引言

5.2问题描述

5.2.1优化目标

5.2.2基于多目标优化的传感器配置问题

5.3多目标优化算法

5.3.1传统的优化算法

5.3.2用遗传算法求解多目标优化问题

5.4仿真实例

5.4.1遗传算法参数选择

5.4.2相对协调精度

5.4.3仿真结果

5.5结论与展望

符号说明

参考文献

第六章结合调度的混杂系统数据协调

6.1引言

6.2生产调度对数据协调的影响

6.3结合调度的双线性准稳态数据协调方法

6.4仿真实例

6.4.1系统冗余度的比较

6.4.2仿真结果

6.5结论

符号说明

参考文献

第七章结束语

7.1研究工作的总结

7.2数据协调研究展望

作者简介

攻读博士学位期间发表和录用的论文

攻读博士学位期间完成的论文

攻读博士学位期间完成的课题