復(fù)雜工業(yè)過程運(yùn)行狀態(tài)辨識(shí)方法的研究.pdf

1、由于現(xiàn)代工業(yè)生產(chǎn)過程的復(fù)雜性、非線性和不確定性，實(shí)際工業(yè)過程中，控制系統(tǒng)中的被控對(duì)象參數(shù)或結(jié)構(gòu)會(huì)發(fā)生變化，使得很難達(dá)到預(yù)期的結(jié)果。此時(shí)如果能夠?qū)^程的運(yùn)行狀態(tài)進(jìn)行有效的辨識(shí)，就能夠?qū)ο到y(tǒng)進(jìn)行快速、準(zhǔn)確的控制，預(yù)防各種事故的發(fā)生;同時(shí)為過程自適應(yīng)優(yōu)化控制、過程監(jiān)控、過程性能評(píng)估、過程故障診斷等方面的研究打下良好的基礎(chǔ)。
　　本文以復(fù)雜工業(yè)過程為研究對(duì)象，根據(jù)實(shí)際情況，提出了一種新的狀態(tài)辨識(shí)方法，包括對(duì)系統(tǒng)離線進(jìn)行工況劃分、在線狀態(tài)工

2、況識(shí)別及在線性能評(píng)估。上述辨識(shí)方法應(yīng)用于谷氨酸發(fā)酵過程中，通過仿真研究證明了所提出方法的有效性、穩(wěn)定性和可靠性。
　　本文主要完成了以下的內(nèi)容:
　　(1)根據(jù)系統(tǒng)的輸入輸出數(shù)據(jù)，利用改進(jìn)后的模糊聚類算法對(duì)復(fù)雜工業(yè)過程進(jìn)行工況劃分。在得到最佳工況劃分的同時(shí)還能得到工況個(gè)數(shù)與最佳聚類結(jié)果的聚類中心，為下面的研究做基礎(chǔ);
　　(2)結(jié)合PCA與RBF神經(jīng)網(wǎng)絡(luò)的知識(shí)，建立復(fù)雜工業(yè)過程運(yùn)行狀態(tài)識(shí)別系統(tǒng)。對(duì)原始數(shù)據(jù)經(jīng)過PCA降維