导读:本文包含了生产过程建模论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:建模,生产过程,乙醇胺,子群,子粒,测量,合格品。
生产过程建模论文文献综述
王目树[1]（2019）在《基于模式运动的一类复杂生产过程建模、分析与控制》一文中研究指出近年来,针对一类具有统计运动规律的复杂生产过程,很多学者深入研究了基于模式运动的系统动力学描述方法。对于该方法虽然取得了一定的研究成果,但是关于系统稳定性、工况模式的类别划分对系统性能的影响以及确定初始控制(预测)模型结构的方法尚未涉及。本文采用模式类别中心对模式类别变量度量,分析并建立了系统工况模式的类别划分与系统的稳定性、调节性能间的关系,并根据基于模式运动的系统动力学描述方法的特点,提出了基于模式分类的系统建模与控制方法。主要研究成果如下:①为了研究系统工况模式样本的类别划分对系统稳定性的影响,定义了模式类别划分特征,在模式运动状态空间研究了该特征与系统稳定性的关系。首先,由初始控制(预测)模型,推导并建立了系统在欧氏空间内非线性状态空间模型。根据类别划分方法,定义了工况模式类别划分特征。然后,给出了模式运动状态空间的定义,并在其内定义并分析了系统的稳定性,进而建立了系统渐近稳定与类别划分特征间的关系。最后,针对无输入时滞与带输入时滞控制系统,给出了设计状态反馈控制器的方法。②为了研究工况模式聚类参数对系统调节性能的影响,提出了基于粒子群优化的最大熵聚类方法,分析并建立了聚类参数与系统调节性能间的关系。首先,提出了最大熵聚类算法,解决了k-means与ISODATA算法中初始聚类中心及其个数难以确定的问题,且能保证聚类结果概率分布更接近真实样本分布,包含足够多的系统动态信息。然后,定义并提取了系统调节性能指标,包括系统的动态调节性能指标与产品质量调节性能指标。最后,基于覆盖算法提出了构造型分类神经网络,并利用该网络建立聚类参数与调节性能指标间的关系。③为了解决在复杂过程建模中系统初始模型的结构难以估计、参数不易辨识的问题,由基于模式运动的系统动力学描述方法的特点,提出了新的基于模式分类的系统建模与控制方法。首先,分别对系统输入输出数据进行类别划分。通过分析输出类别的条件熵,获取模型的输入输出阶数,进而构造描述系统当前运行状态的模式(简称系统模式)。然后,将当前时刻系统模式所对应的下一时刻的输出类别作为该模式的类别标签,采用覆盖算法建立了系统一步预测模型(分类模型),并给出了系统的控制方法。该方法将系统建模问题变成模式识别问题。最后,采用构造型分类神经网络对系统模式进行模式分类,实现对系统输出的预测。(本文来源于《北京科技大学》期刊2019-05-23）
何新礼[2]（2018）在《双酚A生产过程的软测量建模及参数优化研究》一文中研究指出软测量建模技术作为过程控制理论中一个重要的研究方向,目前已经被广泛应用在工业过程中。21世纪以来工业生产数据越来越受到人们的重视,生产数据信息也成为重要的资源,掌握和有效利用数据信息资源也成为企业强大竞争力的重要体现。随着智能仪表在大规模结构复杂的新工业生产过程或改造升级的传统工业过程中的大量应用,产生和存储了海量的历史生产数据,有效利用这些数据建立软测量模型对难以在线测量的关键质量变量进行测量,进一步对生产过程进行监控和优化,从而实现绿色生产、节能降耗和提高产品质量的目的。作为多种高分子材料的关键原料,以及生产精细化工产品的重要原料,双酚A(Bisphenol A,BPA)生产与人们的生活息息相关,研究BPA生产过程的软测量建模与优化算法可以给国内BPA制造业提供较大竞争优势和发展空间。因此,本学位论文围绕BPA生产过程的软测量建模、参数优化和模型融合等方面展开研究,具体研究内容概括如下:(1)为了提高基于相关向量机(relevance vector machine,RVM)的软测量模型估计精度,提出基于量子粒子群优化算法(quantum particle swarm optimization,QPSO)优化RVM核函数参数值的方法。通过建立电厂电能输出软测量模型和某BPA工厂生产过程中裂解回收单元的BPA含量软测量模型对提出的方法进行验证,实际应用结果表明优化后的RVM模型估计精度得到提高,证明了该方法的有效性。(2)针对初始聚类中心选取不确定导致K-means聚类效果不理想以及密度峰聚类算法无法有效分离小密度类别的问题,提出了一种基于密度峰(density peak,DP)和K-means联合聚类的多模型软测量建模方法。首先,采用密度峰聚类算法确定训练数据的固定初始聚类中心,并增加一个随机初始聚类中心共同作为K-means算法的初始聚类中心进行分类,以解决小密度类别的分离问题;其次,采用随机森林回归(random forest regression,RFR)方法建立各子类的回归子模型;最后,采用“开关切换”方法进行多模型融合。将提出的方法用于建立硫磺回收生产过程和某BPA工厂中反应脱水单元的软测量模型,分别对H_2S和BPA含量进行估计。应用结果表明,基于密度峰和K-means联合聚类的多模型软测量建模方法能够有效提高模型的估计精度。(3)针对多模型融合建模方法在过程工业软测量建模中的融合性能差、子模型利用率和模型预测精度低等问题,提出一种基于最小二乘支持向量机(least squares support vector machine,LSSVM)多模型融合和误差补偿的软测量建模方法。首先利用DP&K-means联合聚类方法和随机森林回归方法建立多个子模型;然后利用最小二乘支持向量机方法对子模型输出进行融合获得多模型输出;最后结合误差补偿模型对多模型输出进行误差补偿校正。将提出的多模型建模方法应用于丁烷蒸馏过程和BPA生产过程的反应脱水单元与结晶单元的软测量建模中。仿真结果表明模型的融合性能和估计精度得到提高,证明该方法是有效的。(本文来源于《江南大学》期刊2018-12-01）
杨凯[3]（2017）在《轮胎生产过程难测参数软测量建模方法研究及应用》一文中研究指出在轮胎工业生产过程中,存在着一些难以实时测量的参数,而这些参数直接影响着生产效率和轮胎品质。如“橡胶密炼过程”为间歇性生产过程,其过程运行时间短,现有的传感器难于实现有关参数的在线测量。为此,本论文针对“橡胶密炼过程”开展基于即时学习的软测量建模方法研究,主要研究工作归纳如下:(1)在“橡胶密炼”间歇工业过程中,由具体工艺配方确定了多个操作时段。对于每个时段,其过程具有明显的相似性和规律性,通常分析这些不同操作时段中隐含的特征信息,提出了一种基于时段的即时学习软测量建模方法。首先基于高斯混合模型对过程数据的历史样本进行训练,得到代表各个时段的多个高斯成分。计算测试样本与历史样本关于每个高斯成分的马氏距离。然后运用贝叶斯方法将各成分的马氏距离进行集成,得到测试样本和历史样本之间的综合距离,基于此距离选取相似样本。最后运用高斯过程回归建立局部模型。运用上述方法对橡胶密炼过程的现场数据进行了建模和预测,并与其它软测量算法的预测结果进行比较。实验结果验证了本论文所提算法的有效性。(2)橡胶密炼过程具有明显的非线性和时变特性,其过程数据中包含大量的冗余信息,造成数据维度过高,影响模型性能。针对这一问题,提出了一种局部学习与集成学习相结合的软测量建模方法。首先通过在历史样本集上随机多次采样,形成多个样本组。基于每个样本组运用偏互信息选取相关变量。基于选取的变量组运用即时高斯过程回归方法对历史样本进行预测。选择预测性能最佳的几个变量组作为最终变量组。然后对测试样本中的各个变量集进行即时高斯回归建模,获得到多个局部模型的输出结果。最后运用贝叶斯方法对多个局部模型的输出结果进行集成运算,得到最终预测值。采用现场数据的实验结果表明本论文所提的方法具有明显的优点。(3)合适的工业数据的变量选择和变量分组可以提高软测量模型应对复杂工业数据的预测能力。在变量组的确定过程中,如果可以尽量的保证各变量组之间独立,减少变量组之间的信息冗余,可以进一步提高模型的可靠性和精度。高斯过程回归虽然可以较好的应对非线性,但是计算量相对较大。针对这个问题,提出了一种基于独立主成分分析变量分组的核学习软测量建模方法。该方法采用独立主成分分析变量分组的方式,筛选多个概率意义上独立的变量组,降低变量组之间的信息冗余。通过核学习的方法来应对过程中的非线性特性,同时减少了预测模型的计算量。通过对橡胶密炼过程半成品质量指标的预测,验证了该方法的有效性。(4)在“胎面胶制备”过程中,胎面胶的长度难以实时精确测量。传统的接触式测量,容易因“胎面胶”和生产线传送带之间打滑而影响测量精度。普通的非接触式测量方式,难以满足生产工艺的测量要求。在图像识别过程中,存在胎面胶的边缘切割有倾角,不规则,不易于识别和拟合;运送带长期使用后变黑与胎面胶颜色相近,胶体边缘识别困难等多个技术难点。针对这些问题,本论文研究了面向此应用场景的光学识别和拟合算法。设计了一种伺服电机拖动CCD相机的光学测量方案。通过工业现场的测试结果,验证了算法和方案的有效性。本论文在研究软测量建模方法和光学检测技术的基础上,针对生产现场需求,研发了一套轮胎生产过程数据采集及信息管理系统软件,并将其应用于生产过程,满足了生产工艺要求,实现了生产过程数据采集及信息管理的自动化,提升了轮胎半成品生产的检测和管控水平。(本文来源于《北京理工大学》期刊2017-06-01）
杨大雷,周永,刘珧,王显鹏[4]（2015）在《基于数据驱动的连续退火生产过程建模与操作优化》一文中研究指出连退生产过程包含众多相互耦合的控制变量,并且带钢质量的检测采用离线方式,从而导致对于调质度为T5的带钢,实际生产中经常发生带钢硬度波动较大,难以实现对带钢产品质量的精确控制问题。针对这一问题,提出了一种基于数据驱动的连续退火生产过程建模方法,能够根据带钢退火前的生产信息及当前的生产过程信息实现对带钢产品质量的在线预报。在此基础上,提出了连续退火生产过程的多目标操作优化模型与算法,并开发了优化软件系统。基于实际生产过程数据的仿真试验结果表明,该软件系统能够为生产现场提供一套最优的控制变量设定值,从而实现产品质量最优化、能源消耗最小化和机组生产效率最大化的目标。(本文来源于《宝钢技术》期刊2015年06期）
郑洪昊,邓春,冯霄[5]（2015）在《高凝析液页岩气处理集成环氧乙烷生产过程建模与模拟》一文中研究指出富含凝析液页岩气的化工利用能有效缓解我国当前资源和能源的短缺状况,提高我国化工产品的成本优势。本文提出高凝析液页岩气处理过程与环氧乙烷生产过程耦合的新型工艺流程,利用Aspen Hysys并结合严格的动力学模型对该过程进行建模和模拟。经初步的收益分析可知税后财务净现值相较集成前提高了36.76%。本文的工作可为高凝析液页岩气的化工利用提供一种新颖的方案和思路。(本文来源于《计算机与应用化学》期刊2015年11期）
陈鹏,潘再生,王天林,秦海鹏,吴兆立[6]（2015）在《基于极值优化算法的乙醇胺生产过程建模及优化控制》一文中研究指出本研究面向乙醇胺生产过程,将经济模型与最新提出的人工智能算法—极值优化算法相结合,提出了一种效益最大化的生产过程建模与优化控制解决方案,并通过实际生产数据验证了该方法的有效性;同时,本研究中提出的原理和方法可进一步应用于其他化工生产过程。(本文来源于《中国仪器仪表》期刊2015年07期）
罗勇,周振林,乐劲松[7]（2015）在《生产过程质量不合格品系统(IQS)方案建模及优化》一文中研究指出针对不合格品的高效处置、数据的有效分析对企业质量控制具有深远的意义,其是装备制造领域质量管理研究的重点。文章以SAP接口二次开发、IQS流程建模、数据库建立、系统实用价值等方面展开详细论述,确保质量信息可追溯分析。(本文来源于《东方汽轮机》期刊2015年02期）
解学才[8]（2015）在《非煤矿山生产过程人因分析及建模研究》一文中研究指出非煤矿山行业安全生产形势严峻,事故频繁发生,为我国带来了严重的财产损失和人员伤亡。有关数据显示,非煤矿山事故中80%以上由人因因素导致。如何做好非煤矿山人因因素管理和预控,是一项迫在眉睫的事情。本文对我国多起非煤矿山事故进行了统计和分析,对非煤矿山进行了人因分析和建模研究。本文的主要研究内容和取得的研究成果为:⑴通过对Reason理论的研究和创新,提出了新的HFACS模型。该模型包括5类事故致因,24个人因因素。⑵通过集对分析法与HFACS的结合应用,实现了非煤矿山人因安全现状的量化评估。解决了矿山人因模型只能定性分析、不能定量分析的问题。通过对集对势、联系度、不确定性和悲观势的分析,可以很好的从整体上把握矿山人因安全现状。⑶借鉴行为理论在不安全行为管理中的应用经验,借助ABC分析方法,制定了非煤矿山人因改善模型。该改善模型的应用不仅大幅度的减少了不安全行为的发生,还在矿山“组织-管理-监督”、不安全行为前提方面进行了改善,很好的改善了矿山安全生产中不安全的人因因素。⑷简要的研究了HFACS在非煤矿山其它领域应用状况,并提供了文献参考和思路建设。本文的创新点在于建立了非煤矿山的HFACS模型,并建立量化评估模型和人因改善模型。实现了人因安全量化评估和不安全人因现状的改善。本次研究旨在为非煤矿山人因安全提供管理和改善方法。(本文来源于《西安建筑科技大学》期刊2015-04-01）
何飞[9]（2015）在《冶金生产过程质量建模与诊断技术》一文中研究指出提纲概述数学描述质量建模与诊断技术案例案例1:偏最小二乘法的质量线性分析模型案例2:偏最小二乘法的过程监控与诊断模型案例3:核主成分的质量监控与诊断模型案例4:核熵成分分析的聚类分析质量建模与诊断系统1概述——意义质量建模和分析、监控和诊断:背景:现代化工业正朝着大规模、复杂化的方向发展,通常包含高温、高压、易燃、易爆的生产过程,系统一旦发生事故就会造成人员和财产的巨大损失。(本文来源于《首届冶金行业设备状态监测与诊断技术案例高级培训教材》期刊2015-03-25）
王任远[10]（2014）在《浮选生产过程建模及控制方法的研究》一文中研究指出论文首先全面论述了浮选过程控制系统的数据挖掘和预处理部分，包括离线系统数据的挖掘和在线控制系统的数据预处理方法。采用了粗糙集理论、模糊C均值算法、数字滤波和控制图法等技术，为实现浮选工业生产过程控制模型的建立奠定了良好、可靠数据基础。考虑浮选生产过程的输入和输出的各项变量，利用回归分析技术和主元成分的分析对浮选的输入数据集进行降阶处理，以简化RBF神经网络输入模型的输入阶次；应用聚类学习算法结合RBF神经网络，实现对浮选生产过程精矿品位和浮选回收率经济技术指标的预估预报。之后，利用粗糙集控制在反浮选生产中的应用研究，对预测控制模型中输入矿浆的品位、粒度、浓度、流量及浮选的经济技术指标与浮选生产相应的输出矿浆的加药流量进行粗糙规则变换，建立优化的规则表，经过条件属性和决策属性规则的处理得到简约的决策规则表。与BP神经网络结合，得到了优化的训练规则库，建立了药剂流量的设定值，再通过下位机传输给药剂控制系统，经过PI控制，对浮选生产的加药量进行精确控制。最后，应用各项技术对数据进行处理，并最终实现了浮选生产的集成优化，对浮选生产的稳定及产量的提高都有积极作用。(本文来源于《辽宁科技大学》期刊2014-06-06）
生产过程建模论文开题报告
（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：
软测量建模技术作为过程控制理论中一个重要的研究方向,目前已经被广泛应用在工业过程中。21世纪以来工业生产数据越来越受到人们的重视,生产数据信息也成为重要的资源,掌握和有效利用数据信息资源也成为企业强大竞争力的重要体现。随着智能仪表在大规模结构复杂的新工业生产过程或改造升级的传统工业过程中的大量应用,产生和存储了海量的历史生产数据,有效利用这些数据建立软测量模型对难以在线测量的关键质量变量进行测量,进一步对生产过程进行监控和优化,从而实现绿色生产、节能降耗和提高产品质量的目的。作为多种高分子材料的关键原料,以及生产精细化工产品的重要原料,双酚A(Bisphenol A,BPA)生产与人们的生活息息相关,研究BPA生产过程的软测量建模与优化算法可以给国内BPA制造业提供较大竞争优势和发展空间。因此,本学位论文围绕BPA生产过程的软测量建模、参数优化和模型融合等方面展开研究,具体研究内容概括如下:(1)为了提高基于相关向量机(relevance vector machine,RVM)的软测量模型估计精度,提出基于量子粒子群优化算法(quantum particle swarm optimization,QPSO)优化RVM核函数参数值的方法。通过建立电厂电能输出软测量模型和某BPA工厂生产过程中裂解回收单元的BPA含量软测量模型对提出的方法进行验证,实际应用结果表明优化后的RVM模型估计精度得到提高,证明了该方法的有效性。(2)针对初始聚类中心选取不确定导致K-means聚类效果不理想以及密度峰聚类算法无法有效分离小密度类别的问题,提出了一种基于密度峰(density peak,DP)和K-means联合聚类的多模型软测量建模方法。首先,采用密度峰聚类算法确定训练数据的固定初始聚类中心,并增加一个随机初始聚类中心共同作为K-means算法的初始聚类中心进行分类,以解决小密度类别的分离问题;其次,采用随机森林回归(random forest regression,RFR)方法建立各子类的回归子模型;最后,采用“开关切换”方法进行多模型融合。将提出的方法用于建立硫磺回收生产过程和某BPA工厂中反应脱水单元的软测量模型,分别对H_2S和BPA含量进行估计。应用结果表明,基于密度峰和K-means联合聚类的多模型软测量建模方法能够有效提高模型的估计精度。(3)针对多模型融合建模方法在过程工业软测量建模中的融合性能差、子模型利用率和模型预测精度低等问题,提出一种基于最小二乘支持向量机(least squares support vector machine,LSSVM)多模型融合和误差补偿的软测量建模方法。首先利用DP&K-means联合聚类方法和随机森林回归方法建立多个子模型;然后利用最小二乘支持向量机方法对子模型输出进行融合获得多模型输出;最后结合误差补偿模型对多模型输出进行误差补偿校正。将提出的多模型建模方法应用于丁烷蒸馏过程和BPA生产过程的反应脱水单元与结晶单元的软测量建模中。仿真结果表明模型的融合性能和估计精度得到提高,证明该方法是有效的。
（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。
生产过程建模论文参考文献
[1].王目树.基于模式运动的一类复杂生产过程建模、分析与控制[D].北京科技大学.2019
[2].何新礼.双酚A生产过程的软测量建模及参数优化研究[D].江南大学.2018
[3].杨凯.轮胎生产过程难测参数软测量建模方法研究及应用[D].北京理工大学.2017
[4].杨大雷,周永,刘珧,王显鹏.基于数据驱动的连续退火生产过程建模与操作优化[J].宝钢技术.2015
[5].郑洪昊,邓春,冯霄.高凝析液页岩气处理集成环氧乙烷生产过程建模与模拟[J].计算机与应用化学.2015
[6].陈鹏,潘再生,王天林,秦海鹏,吴兆立.基于极值优化算法的乙醇胺生产过程建模及优化控制[J].中国仪器仪表.2015
[7].罗勇,周振林,乐劲松.生产过程质量不合格品系统(IQS)方案建模及优化[J].东方汽轮机.2015
[8].解学才.非煤矿山生产过程人因分析及建模研究[D].西安建筑科技大学.2015
[9].何飞.冶金生产过程质量建模与诊断技术[C].首届冶金行业设备状态监测与诊断技术案例高级培训教材.2015
[10].王任远.浮选生产过程建模及控制方法的研究[D].辽宁科技大学.2014
论文知识图
![热冲压生产过程建模[123]](http://image.cnki.net/GetImage.ashx?id=1018800927.nh0057&suffix=.jpg)
