基于子空間方法的工業(yè)精餾塔辨識建模研究.pdf

1、工業(yè)過程對象的辨識建模研究中，往往需要人為加入特定形式的激勵信號，以期最大限度的獲取過程對象的動態(tài)特性，并利用相應(yīng)的動態(tài)輸出數(shù)據(jù)生成辨識建模數(shù)據(jù)集。這種基于實驗數(shù)據(jù)的辨識建模方法不但需要耗費大量的時間和財力，且對實際工業(yè)過程的安全性和滿負荷生產(chǎn)都有比較大的影響，因此不容易被工廠所接受，在具體實施過程中也會受到各種條件的限制；對于復雜的多變量系統(tǒng)，辨識實驗的開展會更加困難。另一方面，工業(yè)實時數(shù)據(jù)庫系統(tǒng)中存儲了大量的包含過程動態(tài)信息的工業(yè)數(shù)

2、據(jù)，但由于辨識建模方法等原因目前并沒有被很好地應(yīng)用于辨識建模的實踐中。針對上述問題，本文選用子空間辨識建模方法，完全利用工業(yè)過程運行數(shù)據(jù)，進行實際工業(yè)精餾塔的辨識建模研究；減少對工廠正常生產(chǎn)的影響，擺脫目前辨識建模對于辨識實驗的過度依賴。本文研究的主要內(nèi)容包括：
　　 第一方面：對TB-SIM(Three Blocks Subspace Identification Method)子空間辨識方法的理論和數(shù)學基礎(chǔ)進行深入的研究，并

3、通過基于兩個精餾塔仿真模型的算法研究，證明了該算法對受到較大噪聲干擾的工業(yè)過程數(shù)據(jù)的多變量系統(tǒng)建模的有效性和可靠性。
　　 第二方面：對實際工業(yè)精餾塔進行辨識建模。通過分析和篩選工業(yè)過程歷史數(shù)據(jù)，不進行額外的辨識建模實驗而建立辨識建模數(shù)據(jù)樣本集；充分利用SIM算法計算速度快，適合大規(guī)模數(shù)據(jù)計算，并且對建模數(shù)據(jù)的形式?jīng)]有特別要求，且能夠通過輸入-輸出數(shù)據(jù)直接構(gòu)建狀態(tài)空間模型的優(yōu)點，采用完全數(shù)據(jù)驅(qū)動的TB-SIM方法，建立了動態(tài)性能

4、良好的MIMO狀態(tài)空間模型。證明了該種辨識算法在實際工業(yè)過程多變量建模中的應(yīng)用價值。
　　 第三方面：辨識建模過程中的輔助工作。針對海量數(shù)據(jù)的分析和篩選工作，開發(fā)了基于Excel VBA的數(shù)據(jù)分析篩選模塊；將小波變換方法應(yīng)用于工業(yè)過程數(shù)據(jù)預(yù)處理中，取得比較好的降噪效果。
　　 第四方面：基于.NET平臺開發(fā)了系統(tǒng)辨識軟件，以更好的將基于TB-SIM算法的辨識建模應(yīng)用于工業(yè)現(xiàn)場。
　　 采用完全基于工業(yè)過程數(shù)據(jù)的S