復(fù)雜工業(yè)過程運行狀態(tài)辨識方法的研究.pdf_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

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,實際工業(yè)過程中,控制系統(tǒng)中的被控對象參數(shù)或結(jié)構(gòu)會發(fā)生變化,使得很難達到預(yù)期的結(jié)果。此時如果能夠?qū)^程的運行狀態(tài)進行有效的辨識,就能夠?qū)ο到y(tǒng)進行快速、準(zhǔn)確的控制,預(yù)防各種事故的發(fā)生;同時為過程自適應(yīng)優(yōu)化控制、過程監(jiān)控、過程性能評估、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)過程為研究對象,根據(jù)實際情況,提出了一種新的狀態(tài)辨識方法,包括對系統(tǒng)離線進行工況劃分、在線狀態(tài)工

2、況識別及在線性能評估。上述辨識方法應(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),利用改進后的模糊聚類算法對復(fù)雜工業(yè)過程進行工況劃分。在得到最佳工況劃分的同時還能得到工況個數(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,建立復(fù)雜工業(yè)過程運行狀態(tài)識別系統(tǒng)。對原始數(shù)據(jù)經(jīng)過PCA降維

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論