论文部分内容阅读
现代工业中,为了对产品的质量进行准确控制及保证生产产品全部合格,必须对与产品质量密切相关的重要变量进行及时的、精确的检测。在大量的工业过程中,往往需要采用流量计、传感器对多数变量进行在线或离线的测量,然后将这些现场采集到的变量数据作为后续工作(例如过程控制、生产管理、决策分析、流程调整等)的依据。因此,需要正确的数据构建准确无误的数学模型来努力达到产品的合格性。但是,由于受到多种因素(如测量仪表失灵、管道或设备泄漏以及操作不稳定等)的影响,现场数据往往存在影响建模准确度的过失误差。一方面,若测量数据中因受上述因素影响存在过失误差,在处理和解决工程最优化问题时,采集的输入变量数据无法正确为建模反映生产过程的真实情况。此外,过失误差数据定会被分摊到原本正确数据上而使校正结果恶化;另一方面,对输入变量的原始数据进行过失误差侦破所得的结果数据,有助于操作人员及时发现和排除仪表或管道泄漏故障并有针对性地进行设备维修。因此,在进行数据校正时,需要对用于软测量建模的数据进行过失误差侦破,从而保证模型搭建的精确度。本文根据上述背景,对各复杂工业过程过失误差侦破展开了较为深入的研究。首先,对原有的侦破过失误差的3MAD算法以及MMMD聚类算法进行了研究和分析,提出了将二者有机结合在一起形成新的基于3MAD-MMMD聚类分析方法。随后,在对新方法进行进一步研究的过程中,又提出了全新的基于3MAD-GRW-MMMD加权聚类分析的集成侦破方法,并通过比较发现新方法的优势所在。其次,对主元分析方法PCA进行了相关的学习和研究,发现PCA用于过失误差侦破的不足之处。随后对主元分析法提出了合理的改进方案,并在反复的实验比较和验证过程中得到了新方法——基于GRW-PCA的过失误差侦破方法。最后,根据上述的研究基础,将两种新方法应用于青霉素发酵过程、LF精炼炉冶炼过程和无缝钢管导盘转速相关参数的数据集处理。实验和仿真表明,基于3MAD-GRW-MMMD加权聚类分析法和GRW-PCA主元分析法可以更加快速有效地找出数据集中的过失误差。并且,通过对各个工业过程不同特点的分析比较,最终根据优缺点确定两种新方法各自适用于何种工业生产的过失误差侦破过程中。