间歇过程统计建模及故障监测研究:针对数据多阶段特性
全新正版 极速发货
¥
42.06
6.1折
¥
69
全新
库存4件
作者常鹏
出版社知识产权出版社
ISBN9787513062299
出版时间2019-05
装帧平装
开本16开
定价69元
货号1201896949
上书时间2024-05-31
商品详情
- 品相描述:全新
- 商品描述
-
作者简介
常鹏,1981年出生,讲师。主要从事间歇过程统计建模及监测等方面的研究。目前,作为主要参与人,参与国家自然科学基金项目1项、高等学校博士学科点专项科研基金1项。近三年,发表学术论文8篇,被SCI、EI收录5篇;获得国家发明1项。
目录
摘要Abstract章绪论11.1本书研究背景及意义11.2发酵过程简介及特征分析31.3发酵过程的统计过程监测101.4本书的研究内容及章节安排17第2章基于多阶段MPCA的间歇过程监测研究212.1引言212.2主元分析(PCA)222.3多向主元分析(MPCA)252.4基于改进AP聚类的间歇过程阶段划分方法研究272.5仿真验证与结果分析332.6本章小结42第3章基于MAR-PCA的间歇过程监测研究433.1引言433.2动态性对过程监测的影响443.3基于MAR-PCA的间歇过程监测453.4MAR-PCA算法步骤483.5数值实例仿真研究503.6本章小结55第4章多阶段MAR-PCA在间歇过程监测中的应用研究564.1引言564.2多阶段MAR-PCA算法564.3基于多阶段MAR-PCA的间歇过程在线监测594.4仿真研究与结果分析604.5本章小结65第5章基于仿射传播聚类的批次加权阶段软化分665.1引言665.2反距离加权675.3基于改进AP的阶段软化分685.4仿真研究735.5本章小结78第6章基于信息传递的采样点阶段归属判断806.1引言806.2信息传递816.3采样点阶段归属的初步选择836.4采样点阶段归属的最终判定846.5仿真研究866.6本章小结89第7章基于子阶段自回归主元分析的发酵过程在线监测917.1引言917.2主元分析与自回归模型927.3发酵过程子阶段监测模型的建立957.4子阶段AR-PCA在线监测997.5仿真研究1007.6本章小结110第8章基于PDPSO优化的AP聚类阶段划分1128.1引言1128.2AP聚类算法1138.3PDPSO算法1138.4基于PDPSO优化的AP聚类算法阶段划分1178.5仿真研究1198.6本章小结120第9章基于多阶段自回归主元分析的发酵过程监测1229.1引言1229.2主元分析与自回归模型1239.3基于AR残差的MPCA模型1269.4多阶段AR-PCA监测1279.5多阶段AR-PCA监测模型的建立1289.6仿真研究1299.7大肠杆菌发酵现场实验与结果分析1419.8本章小结1500章基于KPCA-PCA的多阶段间歇过程监控策略15110.1引言15110.2数据集的相似度理论15210.3多阶段KPCA-PCA监控策略15610.4仿真验证与应用研究16510.5本章小结1811章基于GMM-DPCA的非高斯过程故障监控18211.1引言18211.2高斯混合模型(GMM)理论18311.3基于GMM-DPCA的故障监控策略18511.4基于GMM-DPCA监控策略的离线建模和新批次监控19011.5应用研究19111.6本章小结2002章基于KECA的间歇过程多阶段监测方法研究20112.1引言20112.2多阶段过程监测策略20312.3构建多阶段的监测模型20612.4算法验证20912.5本章小结2193章间歇过程子阶段非高斯监测方法研究22013.1引言22013.2基于多阶段KEICA的间歇过程监测22213.3算法验证22813.4本章小结2414章总结与展望24214.1总结24214.2展望244参考文献248
内容摘要
间歇过程是生物制药、精细化工和食品饮料行业中的主要生产方式,但是也因其间歇式的特点,存在着周期性批量生产、物料状态和操作参数呈现动态性、工艺控制要求高等特点。发酵过程是一种典型的间歇过程,发酵过程关乎经济发展和人民生活水平的提高,生物制药是国务院确立的七大战略性新兴产业之一,在京津冀一体化中将起到重要的支撑作用。本书围绕生物发酵过程的批次不等长特性、动态特性和多阶段特性,研究以往方法在进行监测时存在的问题,通过建立高效高精度过程监测模型,降低监测的误报率和漏报率,保障运行安全,做到及时捕捉发酵过程中各检测变量的变化,若发现监测故障,及时通知工作人员,工作人员通过调整发酵环境或暂停生产,尽可能提高产物质量、稳定生产或者减少损失,进而减少能源消耗和资源浪费。研究成果一旦获得推广,会极大地提高发酵过程生产的安全性,减少事故的发生和资源的浪费,创造较大的经济效益和社会效益。
主编推荐
针对过程的数据特性进行分析及建模,具有很强的理论与实践指导意义
精彩内容
摘要间歇过程是生物制药、精细化工和食品饮料行业中的主要生产方式,但是因其间歇式的特点,存在着周期性批量生产、物料状态和操作参数呈现动态性、工艺控制要求高等特点。发酵过程是一种典型的间歇过程,发酵过程关乎经济发展和人民生活水平的提高,生物制药是国务院确立的七大战略性新兴产业之一,在京津冀一体化中将起到重要的支撑作用。本书围绕生物发酵过程的批次不等长特性、动态特性和多阶段特性,研究以往方法在进行监测时存在的问题,通过建立高效高精度过程监测模型,降低监测的误报率和漏报率,保障运行安全,做到及时捕捉发酵过程中各检测变量的变化,若发现监测故障,及时通知工作人员,工作人员通过调整发酵环境或暂停生产,尽可能地提高产物质量、稳定生产或者减少损失,进而减少能源消耗和资源浪费。研究成果一旦获得推广,会极大地提高发酵生产过程的安全性,减少事故的发生和资源的浪费,创造较大的经济效益和社会效益。本书的主要研究内容如下:(1)研究一种基于AP聚类的阶段划分方法。针对间歇过程的多阶段特性,采用AP聚类算法,此算法在进行过程阶段划分时无需过程的先验知识,通过将S准则引入AP聚类的迭代过程中,从而达到精确阶段划分的效果。在每个子阶段内建立监测模型更符合实际操作进程或过程的机理特性,同时阶段划分可以达到局部线性化的效果。(2)提出一种多变量自回归主元分析(MAR-PCA)算法。间歇生产过程数据,由于系统本身存在时滞特性、闭环控制和扰动,大多数过程变量都呈现出动态特性,即不同时刻的采样之间时序相关,此时如果依然采用传统主元分析算法,那么得到的主元得分会时序自相关,甚至各主元间互相关,进一步造成故障的误报率增加。(3)研究基于信息传递的采样点阶段归属判断。研究故障监测时新时刻采样点的最佳模型选择问题,引入信息度传递实现实时采样点的阶段归属判断,解决阶段不等长批次的最佳模型选择问题,做到新时刻采样点能落入对应的实际操作阶段,从而选取相对应阶段的监测模型实现实时样本点的监测。(4)提出子阶段自回归主元分析发酵过程故障监测方法。将单变量过程的时序分析方法拓展到多变量情形,区别具有强动态性的过渡阶段及平稳的稳定阶段,对其分别建立自回归主元分析(Auto Regression-Principal Component Analysis,AR-PCA)模型以及多向主元分析(Multiway Principal Component Analysis,MPCA)模型,以消除过渡阶段的动态性,有效降低过程监测的误报率和漏报率。(5)大肠杆菌发酵现场试验研究。将本书研究内容应用于实际生产过程,借助于大肠杆菌发酵实验检验所用研究方法的合理性及有效性。结果表明,本书所提出的方法较传统方法可有效降低故障的误报率和漏报率,有着更加可靠的监测性能,可以很好地指导操作人员及时发现并有效排除故障。关键词:发酵过程;批次加权;阶段归属;AR-PCA;故障监测
— 没有更多了 —
以下为对购买帮助不大的评价