论文部分内容阅读
复杂工业过程的监测与优化一直是过程系统工程领域的核心研究内容,同时也是企业安全生产和节能减排的关键。过程的监测与优化对于提高生产绩效、减少经济损失、增强企业竞争力具有重要的意义。本文以PTA生产过程的工艺机理模型为基础来处理过程数据,通过系列数据挖掘算法建立数据模型,并以该数据模型为核心,开发应用于某化工厂60万吨PTA生产装置的实时监测与优化系统,实现物耗和质量指标的在线监测与优化。其中本文充分将工艺模型与数据挖掘技术相结合,是本文工作创新之处。本文的主要研究内容和成果如下：1.分析研究工艺机理模型,用工艺机理模型处理过程数据,提高建模数据的数据质量。通过系列数据挖掘算法将工艺机理模型处理过的过程数据进行压缩和聚类,并用PLS-BP算法建立多模型混合形式的数据模型,对PTA生产过程的物耗指标和质量指标进行在线监测。同时与单模型建模方法进行对比,验证了多模型混合建模在PTA生产过程监测中的有效性。2.以建立的多模型混合数据模型为核心,结合现场优化操作的实际情况,分别建立物耗指标与质量指标的三个优化模型,实现PTA生产过程的优化操作。同时结合现场案例,证明了优化模型的有效性。3.采用局部建模技术,先通过KNN算法构建局部建模样本,再采用PLS算法建立在线数据模型,从另一个角度对PTA生产过程物耗和质量进行在线监测。该局部模型在分析大规模数据样本时体现了较高的建模效率,同时模型精度也令人满意。4.基于过程监控与操作平台,集成数据模型与优化模型,开发应用于PTA生产过程的实时监测与优化系统,并结合丰富的可视化技术将计算与优化信息呈现给现场操作人员。最后通过现场应用验证,体现了该系统的稳定性、准确性、有效性。最后,在总结全文的基础上讨论了相关研究的发展前景。