导读:本文包含了复杂工业过程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:过程,故障,向量,工业,可视,介质,在线。
复杂工业过程论文文献综述
[1]（2019）在《为过程工业添柴加薪——多相复杂系统国家重点实验室》一文中研究指出多相复杂系统国家重点实验室的前身和发展要追溯到半个世纪之前。1956年8月,郭慕孙院士回国后,创建了我国第一个流态化研究室,由他当主任、研究员。研究室经过30多年坚持不懈的探索、实践、创新,建立了研究队伍,开拓和发展了流态化这一新兴领域,并在郭慕孙院士的亲自组织和领导下,于1986年10月成立了"多相反应开放研究实验室",郭慕孙院士被任命为首任主任兼学术委员会主任。实验室以液固和(本文来源于《科学中国人》期刊2019年21期）
秦莹,徐泉,初延刚,丁进良[2]（2019）在《基于数据探测与可视技术的复杂工业过程生产指标监控平台研究》一文中研究指出针对复杂工业过程流程长、工艺复杂、工序层级多、指标多等特点,结合数据探测手段、可视及可视分析技术,开发了一种复杂工业过程生产指标监控平台。该平台首先通过iPlantModeler模块实现了工厂对基础信息的管理,同时组成基础信息的每一部分都可以复用和拓展,可以构建复杂工业过程的基础信息库并形成行业的知识积累。其次,为了辅助操作员更高效的掌握重要指标和指标间潜在的联系,提升工业生产过程中生产指标监控的效率,系统提供KNN-Pearson、最大互信息系数、带有延迟变量的Pearson相关分析等手段探测指标间关联关系;同时提供PCA、KPCA、因子分析、Pearson相关分析、互信息、信息熵和CPLS等方法探测指标间潜变量。此外,为了让用户更全面的掌握监控平台的运行情况,系统提供了交互式可视化图形展示指标探测结果,从而清晰直观的传达指标间的关系。并且,为了增强系统的通用性,系统能够通过iDesigner创建不同流程行业的生产指标可视化监控的组态设计环境,同时结合iMonitor实现对生产指标、数据探测方法及可视化方案的灵活配置。最后,系统提供iResAnalysis模块对监控结果进行分析,解决运行过程中的异常和故障,结合机理、专家知识经验重新配置iMonitor中的监控指标,最终实现对异常生产指标的有效反馈,使得生产指标监控平台具备动态演化能力。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
马亮[3]（2019）在《复杂工业过程质量相关故障的根源诊断与传播路径辨识》一文中研究指出本文源于现代工业企业对“质量、效率和效益”提升的实际需求,充分考虑复杂工业过程流程长、工况复杂多变、动态、非线性及质量相关故障定位难、传播路径复杂、易演变演化等问题,在传统的多元统计、概率分析、机器学习、信息融合、信息论、图论、模式识别等理论方法的基础上,针对现代工业生产过程中质量相关故障根源诊断与传播路径辨识领域所面临的关键科学问题,从复杂工业过程的动态与非线性、层次化监测以及多故障诊断等不同角度深入研究了故障根源诊断与传播路径辨识方法,为有效减少或避免质量相关故障发生、保证产品质量、提高企业经济效益提供了理论支撑与技术保证。取得了如下创新性研究成果:1)针对复杂工业过程建模复杂、质量相关故障分布范围广、定位难、因果拓扑图构建效率低等问题,提出了质量相关故障根源变量目标候选集筛选与因果关系分析相结合的故障根源诊断方案。在该方案下,面向复杂工业过程的动态特性,构建了互信息典型变量分析模型,实现了质量相关故障检测;然后,利用广义重构贡献图方法筛选了质量相关故障变量的目标候选集;最后,通过传递熵方法分析了质量相关故障变量间的因果关系,构建了因果拓扑图,实现了动态过程质量相关故障的根源诊断。面向复杂工业过程的多工况特性,构建了鲁棒高斯混合模型,实现了质量相关故障检测;然后,通过推导基于贝叶斯推理的鲁棒高斯混合贡献指标,筛选了质量相关故障变量的目标候选集;最后,通过传递熵方法初步构建因果拓扑图,并利用直接传递熵方法判断间接因果关系,获取了最优因果拓扑图,实现了多工况过程质量相关故障根源诊断。2)针对基于数据提取的因果拓扑图可能存在较多的冗余连接,而基于知识的方法可能存在大量不直观或重要信息缺失等问题,提出了知识和数据联合驱动的质量相关故障传播路径辨识策略。在该策略下,面向复杂工业过程的非线性与动态特性,构建了非线性动态潜变量模型,实现了质量相关故障检测;然后,利用相对重构贡献图方法筛选了质量相关故障变量的目标候选集;最后,将知识和数据相结合,通过构建分块贝叶斯网络,实现了非线性动态过程质量相关故障传播路径辨识。面向复杂工业过程的动态特性,在基于数据驱动间隙测度与贝叶斯推理的局部与全局质量相关故障检测结果的基础上,利用基于神经网络架构的格兰杰因果关系分析方法,实现了动态过程质量相关故障传播路径层次化辨识。3)针对全局的建模思想可能会忽略过程的很多细节信息以及质量相关多故障的未知、时变、多模态特性,提出了自顶向下的质量相关多故障层次化检测与根源诊断框架。在该框架下,面向复杂工业过程的动态特性,在基于相关性典型变量分析与贝叶斯推理的局部与全局质量相关多故障检测结果的基础上,利用张量子空间判别分析方法,实现了动态过程质量相关多故障根源诊断。面向复杂工业过程的非线性与动态特性,在基于自适应核典型变量分析与贝叶斯推理的局部与全局质量相关多故障检测结果的基础上,利用鲁棒稀疏指数判别分析方法,实现了非线性动态过程质量相关多故障根源诊断。上述研究成果是针对复杂工业过程质量相关故障的根源诊断与传播路径辨识两大科学问题进行的系统研究,并制定了相应的解决思路和技术方案。利用带钢热轧过程、田纳西-伊斯曼过程数据对这些方法进行了验证,并与传统方法进行对比分析,实验结果表明了算法的有效性和实用性。(本文来源于《北京科技大学》期刊2019-05-27）
孙文心[4]（2019）在《复杂工业过程的动态软测量建模研究》一文中研究指出在化工过程中,质量变量的实时测量是闭环控制的重要组成部分,但由于经济原因、测量环境限制等诸多因素,一些质量变量(主导变量)难以直接测量。软测量技术能根据相关且易测的物理量(辅助变量)实现主导变量的实时估计,免去了直接测量造成的不便,现已在许多实际生产过程中得到了成功的应用。然而,目前的软测量建模研究一般基于静态假设,仅关注建立主导变量与辅助变量间的瞬时关系,而忽略了工业过程的动态本质,当过程变量变化剧烈时会引起较大的估计误差。动态软测量建模考虑了工业过程的过渡阶段信息,对动态系统具有很强的描述能力,能有效提高传统软测量模型的估计精度与鲁棒性。本文以人工神经网络(Artificial Neural Network,ANN)为基础,从模型参数优化和模型结构两方面对动态软测量建模进行研究,主要内容如下:1.针对非线性滑动平均(Nonlinear Moving Average,NMA)模型参数多、优化困难的问题,提出了一种改进的参数优化策略。该策略将参数优化问题进行分解,减小了参数优化难度。首先,利用岭回归的思想,构造了一种新的代价函数,并以此来优化模型的隐含层参数;然后,利用解析式对计算输出层参数进行最优化。理论证明,该策略得到的最优解同样也是原参数优化问题的最优解。2.对基于有限脉冲响应(Finite Impulse Response,FIR)的软测量模型进行了改进研究。通过将FIR层参数化使得模型具有更强的动态特征提取能力,所提模型能够很好地解决工业过程中常见的动态响应、测量噪声、时间延迟问题。通过硫回收数据建模实验,发现该模型不仅具有很好的预测精度,而且其FIR层具有可移植性,能够使得其他预测模型获得更高的预测精度。3.利用神经网络构造了一种新型输入自回归(NARX)动态软测量模型,当工业过程无法及时提供上时刻主导变量测量值时,能通过多步预测方法来确保主导变量的实时预测,通过设计模型结构来降低预测序列的自相关性,从而抑制了由多步估计造成的累积误差,以适当降低单步预测精度为代价,使模型在主导变量检测时间长、采样周期长、测量存在噪声的工业场合下得到更好的预测效果。通过数学分析和脱丁烷塔数据仿真实验验证了所构建模型的有效性。(本文来源于《江南大学》期刊2019-05-01）
王洁[5]（2019）在《数据驱动的复杂工业过程运行状态评价方法及应用》一文中研究指出近年来,关于复杂工业过程运行状态评价的研究,逐渐受到学术界以及工业界的重视。工业自动化技术的提高使得大量的工业过程数据得以保存,因此,关于数据驱动的复杂工业过程运行状态评价方法的研究对现代工业生产过程的优化调整具有重要的指导意义和应用价值。本文主要针对工业现场数据存在噪声干扰和离群点问题进行深入研究,首先提出基于核密度估计的核偏鲁棒M-回归(KDE-KPRM)建模方法,然后在此基础上,提出基于加权核全潜结构投影法(WKT-PLS)的复杂工业过程运行状态评价方法,并应用到重介质选煤过程中进行运行状态评价。本文主要工作内容包括以下几个方面:(1)在了解复杂工业过程数据特点的基础上,针对工业现场数据存在噪声干扰和离群点,以及数据之间的关系呈现非线性的问题,提出一种具有鲁棒性的数据建模方法,即基于核密度估计的核偏鲁棒M-回归(KDE-KPRM)方法。该方法利用核密度函数和主元分析法计算输入数据权值,利用输出残差值和核密度函数来计算输出数据权值。该方法在满足工业过程应用精度下,不需要迭代便可以为样本赋予合适的权重,在增强算法鲁棒性的同时可以减少计算量和提高建模效率。并通过数值仿真和压缩机仿真实验,验证所提方法的有效性。(2)在鲁棒建模方法的基础上,提出一种基于加权核全潜结构投影法(WKT-PLS)的复杂工业过程运行状态评价方法。该方法将KDE-KPRM方法和KT-PLS方法相结合,利用KDE-KPRM方法对过程数据进行预处理除去数据中的噪声以及减少信息的冗余,减小受到噪声干扰的数据对评价模型的影响;然后,借鉴KT-PLS方法来对过程数据进行特征提取,获得能够直接反映变化的过程信息,建立离线评价模型。最后,将所提方法应用于重介质选煤过程。通过对重介质选煤过程的运行状态影响因素进行分析,结合选煤厂的实际运行数据选择合适的过程变量,建立重介质选煤过程的离线评价模型。由于选煤过程环境恶劣,干扰严重,为了保证运行状态评价结果的可靠性和实时性,综合滑动窗口技术和遗忘权值,给出一种基于遗忘权值的在线稳健评价策略。通过对重介质选煤过程运行状态评价仿真实验,验证了所提方法的有效性。(本文来源于《中国矿业大学》期刊2019-05-01）
高洁[6]（2019）在《基于贝叶斯网络的复杂工业过程故障诊断问题研究》一文中研究指出工业过程的安全可靠运行是现代工业可持续发展和持久性创造盈利的重要保障。因此,确保工业过程安全可靠运行的故障诊断技术在现代工业过程中拥有举足轻重的地位。然而,随着工业过程的复杂化,其大规模化、变量特性复杂、非平稳等特点使故障诊断研究面临严峻挑战。本文面向具有复杂过程特性的流程工业过程,针对关键故障信息提取、故障类型识别和根源故障变量追溯等典型故障诊断问题进行研究,从多个维度建立具有实用价值且高效的故障诊断模型。本文具体研究内容如下:(1)考虑到大规模化带来的大量故障无关变量及故障变量间的冗余信息,提出一种基于关键故障特征提取的朴素贝叶斯故障分类算法。首先基于互信息筛选出与故障类别高度相关的关键故障变量;第二步提取相互独立的故障特征,进一步提炼有效的关键故障特征。基于两步递进式故障特征提取策略构建的诊断模型,既能充分描述故障信息又剔除了特征间的冗余信息,有效提升故障诊断模型性能,增强模型可解释性。(2)考虑到工业过程的动静态故障信息混合特性,单一静态或动态故障信息不足以描述所有故障类型。因此,提出一种基于动静态信息协同分析的分布式贝叶斯网络在线故障诊断方法。该方法通过有效结合动静态故障信息,深入挖掘故障特性,建立基于故障特征的分布式诊断子网,将混合的故障信息进行有效解耦,在多故障识别中进一步对故障类别进行精细化诊断。(3)考虑到工业过程中非平稳特性带来的因果关系扭曲等不利影响,难以正确定位根源故障变量,因此提出一种基于因果分析的多层次贝叶斯网络故障诊断方法。该诊断模型包括两层诊断网络:底层网络由多个诊断子网构成,分别对非平稳变量的局部故障传递信息进行精细化描述;上层网络集成了底层诊断子网的因果关系,对全局因果关系结构进行整体性刻画。该方法能准确追溯根源故障变量并有效识别故障传播路径。(本文来源于《浙江大学》期刊2019-01-15）
彭开香,张传放,马亮,董洁,焦瑞华[7]（2019）在《面向系统层级的复杂工业过程全息故障诊断》一文中研究指出复杂工业过程具有长流程、系统层级多、故障潜在分布空间范围较广的特点,是当前故障诊断领域的热门研究方向。首先,对主流故障诊断技术进行了分类和概述;其次,采用定量与定性相结合思路,提出了面向系统层级的复杂工业过程全息故障诊断框架,为复杂工业全流程的过程监测提供一整套技术和解决方案。相比于目前的故障诊断方法,该框架不仅包括故障检测和故障辨识,还包括故障根源诊断、故障传播路径识别、故障的定量诊断与评估,可有效解决复杂工业过程系统的综合故障诊断问题,实用性强,能够有效地减少或避免故障发生、保证产品的质量、提高企业的生产效率与生产安全;最后对故障诊断技术的发展趋势和亟待解决的问题进行了展望。(本文来源于《化工学报》期刊2019年02期）
丁进良,杨翠娥,陈远东,柴天佑[8]（2018）在《复杂工业过程智能优化决策系统的现状与展望》一文中研究指出流程工业是制造业的重要组成部分,是我国国民经济和社会发展的重要支柱产业.新一代信息技术和人工智能技术为流程工业的发展带来新的挑战和机遇.只有与流程工业的特点与目标密切结合,充分利用大数据,将人工智能、移动互联网、云计算、建模、控制与优化等信息技术与工业生产过程的物理资源紧密融合与协同,实现流程工业智能优化制造,才可能实现流程工业的跨越式发展.本文聚焦流程工业的复杂生产过程,从其智能优化决策系统的角度,描述了复杂工业过程优化决策系统的问题、回顾总结了复杂工业过程全流程优化决策系统的现状,分析了智能优化决策系统的必要性,提出了智能优化决策系统的发展目标及愿景,并对智能优化决策系统的下一步重点研究方向进行了展望.(本文来源于《自动化学报》期刊2018年11期）
段宁,降林华,徐夫元,张歌[9]（2018）在《一种对工业过程复杂液体进行非接触原态在线实时监测方法》一文中研究指出无法对工业过程大量存在的复杂液体进行在线实时监测导致资源消耗和污染产生过多的现象十分普遍。本文介绍一种对高强包裹性和高盐多组分液体中目标物质进行非接触原态在线实时监测的方法,该方法的原理是建立液体中目标物质浓度(C)、不同浓度目标物质色空间坐标(L~*, a~*, b~*)和最大吸收波长(λ_(max))叁者之间的关系,利用最佳波长λ_T下高精度扫描式检测系统表达的液体光强信息直接测定流动液体中目标物质的瞬时浓度。与传统分析方法和现有在线分析方法不同,这种方法无需对样品进行任何预处理(过滤、稀释、定容、氧化/还原、添加显色剂等),可实现测试样品的原态化在线实时监测。对一家大型电解锰企业的陈化液[Fe~(3+)浓度为0.5～18 mg·L~(-1),Mn~(2+)浓度为35～39 g·L~(-1),(NH_4)_2SO_4浓度为90～110 g·L~(-1)]胶体化过程中Fe~(3+)浓度的实测结果与离线实验室测试结果进行对比,二者相对误差小于2%。(本文来源于《Engineering》期刊2018年03期）
申生奇[10]（2018）在《基于相关向量机的复杂工业过程故障检测方法应用研究》一文中研究指出安全一直都是工业过程中的首要考虑因素。工业过程中各个单元与节点相互之间复杂的关系提升了保障系统安全的难度,当化工设备发生故障时,如果不能及时采取措施,就可能会造成极大的人员伤亡与财产损失。复杂工业过程难以建立精准的数学模型,因而一些传统的机理建模方式就不太适用。随着计算机技术以及存储技术的发展,工业过程的大量数据得以保存,这为基于数据驱动的故障检测方法提供了基础。本文针对复杂工业过程开展以下故障检测应用研究:(1)针对传统方法中控制限的不合理与高要求选择,本文引入了分类器的思想,避免了控制限的选择问题,减少了故障检测过程中需要关注的指标的个数,提升了故障检测的精度。(2)由于工业过程数据大多不满足高斯分布,本文提出了 ICA-RVM故障检测器,避免了传统ICA方法中核密度估计方法的计算缺点,减少了过程监测指标,提升了故障检测精度。(3)针对工业过程数据中可能存在的高斯信息,本文提出了 ICA-PCA-RVM故障检测器,用于提取非高斯信息与高斯信息,使用RVM分类器自动计算控制限,减少了操作人员的精力分散,对故障检测精度有了进一步的提升。(4)本文提出使用RVM分类器构建故障检测器,相比于其他的分类器,如SVM分类器,RVM分类器构建的故障检测器的故障检测速度比SVM分类器构建的故障检测器提升了 一个数量级,此外故障检测的精度也有所提升。本文的研究结果表明,ICA-PCA-RVM故障检测器能够迅速、精确地检测到故障的发生,可以辅助操作人员进行正确的决策。(本文来源于《北京化工大学》期刊2018-05-26）
复杂工业过程论文开题报告
（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：
针对复杂工业过程流程长、工艺复杂、工序层级多、指标多等特点,结合数据探测手段、可视及可视分析技术,开发了一种复杂工业过程生产指标监控平台。该平台首先通过iPlantModeler模块实现了工厂对基础信息的管理,同时组成基础信息的每一部分都可以复用和拓展,可以构建复杂工业过程的基础信息库并形成行业的知识积累。其次,为了辅助操作员更高效的掌握重要指标和指标间潜在的联系,提升工业生产过程中生产指标监控的效率,系统提供KNN-Pearson、最大互信息系数、带有延迟变量的Pearson相关分析等手段探测指标间关联关系;同时提供PCA、KPCA、因子分析、Pearson相关分析、互信息、信息熵和CPLS等方法探测指标间潜变量。此外,为了让用户更全面的掌握监控平台的运行情况,系统提供了交互式可视化图形展示指标探测结果,从而清晰直观的传达指标间的关系。并且,为了增强系统的通用性,系统能够通过iDesigner创建不同流程行业的生产指标可视化监控的组态设计环境,同时结合iMonitor实现对生产指标、数据探测方法及可视化方案的灵活配置。最后,系统提供iResAnalysis模块对监控结果进行分析,解决运行过程中的异常和故障,结合机理、专家知识经验重新配置iMonitor中的监控指标,最终实现对异常生产指标的有效反馈,使得生产指标监控平台具备动态演化能力。
（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。
复杂工业过程论文参考文献
[1]..为过程工业添柴加薪——多相复杂系统国家重点实验室[J].科学中国人.2019
[2].秦莹,徐泉,初延刚,丁进良.基于数据探测与可视技术的复杂工业过程生产指标监控平台研究[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[3].马亮.复杂工业过程质量相关故障的根源诊断与传播路径辨识[D].北京科技大学.2019
[4].孙文心.复杂工业过程的动态软测量建模研究[D].江南大学.2019
[5].王洁.数据驱动的复杂工业过程运行状态评价方法及应用[D].中国矿业大学.2019
[6].高洁.基于贝叶斯网络的复杂工业过程故障诊断问题研究[D].浙江大学.2019
[7].彭开香,张传放,马亮,董洁,焦瑞华.面向系统层级的复杂工业过程全息故障诊断[J].化工学报.2019
[8].丁进良,杨翠娥,陈远东,柴天佑.复杂工业过程智能优化决策系统的现状与展望[J].自动化学报.2018
[9].段宁,降林华,徐夫元,张歌.一种对工业过程复杂液体进行非接触原态在线实时监测方法[J].Engineering.2018
[10].申生奇.基于相关向量机的复杂工业过程故障检测方法应用研究[D].北京化工大学.2018
论文知识图
