基于置信规则库推理的过程报警预测方法及应用

摘要

随着流程工业的生产规模的不断增大和复杂程度不断增加，其安全性能也愈发受到人们的广泛关注，因此，过程报警系统逐渐成为一个热点的应用研究问题。其中，报警预测功能能够对生产过程可能出现的异常状况做出提前判断，及时告知操作人员进行相应处理，从而减少事故发生的几率，对生产装置和操作人员的安全起到更加完善的保护作用。
　　论文提出了一种基于置信规则库推理与时间序列预测思想相融合的过程报警状态预测模型。首先，研究了置信规则库模型的结构及证据推理算法，针对推理模型中所包含的未知参数，采用粒子群优化算法进行训练优化，以时间序列历史数据作为前提属性、预测数据作为结果属性，建立预测模型，数值实例仿真证明了这种预测方法的可行性;然后，针对不同的生产过程变量，基于单变量及多变量过程报警状态预测方法，进行模型的训练及测试，获得可以在线应用的过程报警预测模型;最后，将所提出的方法应用于工业DMF回收过程，建立了置信规则库模型，实现了过程报警预测，另外，还初步开发了一个智能过程报警状态预测应用系统。研究结果表明，论文所给出的方法能够有效地实现对过程报警状态进行预测。

目录

声明

摘要

第一章 前言

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 置信规则库模型

1．2．2 过程报警

1．2．3 故障预测

1．3 内容及章节安排

第二章 基于置信规则库的推理

2．1 引言

2．2 置信规则库

2．3 基于置信规则库的推理方法

2．3．1 置信规则激活权重的计算

2．3．2 激活规则的推理合成

2．4 置信规则库的参数学习方法

2．4．1 问题描述

2．4．2 参数学习原理

2．4．3 参数训练方法

2．5 时间序列预测方法

2．6 实例研究

2．7 本章小结

第三章 过程报警预测方法

3．1 引言

3．2 过程报警状态预测

3．2．1 过程报警事件序列

3．2．2 单变量报警状态预测

3．2．3 多变量报警状态预测

3．3 过程报警状态预测步骤

3．3．1 数据提取

3．3．2 模型建立

3．3．3 模型验证

3．3．4 在线预测

3．4 实例研究

3．4．1 单变量报警状态预测

3．4．2 多变量报警状态预测

3．5 本章小结

第四章 应用研究

4．1 引言

4．2 DMF回收过程报警预测

4．2．1 工艺过程

4．2．2 过程报警预测

4．3 应用系统

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

导师简介

作者简介