论文部分内容阅读
计算机技术及传感器技术的发展,导致化工生产过程测量数据的爆炸。过程数据是一种丰富的信息资源,可应用于各种过程运行和控制任务,因此大量的过程数据需要存储。同时,由于测量误差、计算误差甚至人为因素,过程数据又不可避免的含有大量冗余和不相关信息。此外随着网络技术的发展,网络控制、远程监控已经逐步应用到工业生产过程中,大量过程数据需要通过网络实时地传输到异地以实现资源共享。因此发展过程数据实时压缩技术显得非常必要,数据压缩一方面可以剔除采样的冗余和不相关信息,保留过程主要特征信息,节约数据存储空间,另一方面可以减少数据流量,提高数据传输的速度及效率,为企业综合自动化系统服务,提高自动化技术的精确性、实时性。 目前,过程数据压缩的主要方法可分为三类,即分段线性方法、矢量量化方法和信号变换方法。其中小波变换法,由于小波理论具有许多优良性质,特别在数据处理中具有许多传统方法无法比拟的优点,逐步被认为是最有前途的过程数据压缩方法。 本文主要结合连续生产过程、间歇生产过程两种不同生产方式,研究小波变换理论在化工过程数据实时压缩中的应用。主要研究工作如下: 1)综述过程数据压缩的目的、意义、特点及发展现状,介绍典型的过程数据压缩方法,分析各种方法的优缺点。 2)分析连续生产过程的特点,提出基于haar小波的实时数据压缩算法并应用到典型的连续生产过程仿真模型——TE模型中,通过仿真验证算法并分析小波变换方法的有效性、优越性,同时探讨小波压缩算法在压缩数据的过程中良好的消噪功能。 3)分析间歇生产过程的特点,提出基于db2小波的过程数据实时压缩算法,并通过在橡胶密炼过程中的实验,验证算法的可行性、实用性。 4)比较两种算法对同一化工过程数据压缩的仿真结果,研究不同滤波器长度的小波对数据压缩质量的影响,通过仿真试验、理论分析,证明随着滤波器长度的增加,可以得到更高保真度的重构信号,但边界效应也会增大。 最后在总结全文的基础上,指出进一步研究工作的研究方向及工作重点。