基于时序数据挖掘的化工生产工艺异常诊断研究
文献类型：学位论文
| 作者 | 李俊朋1,2 |
| 答辩日期 | 2020-05-26 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 刘意杨 |
| 关键词 | 时间序列 线性分段 核主成分 异常检测 |
| 学位名称 | 专业学位硕士 |
| 学位专业 | 控制工程 |
| 其他题名 | Research on Abnormal Diagnosis of Chemical Production Process Based on Time Series Data Mining |
| 英文摘要 | 化工工业，也属于流程工业，主要是通过能源、设备和其他资源来混合或分离各种成份并引起化学反应，从而达到增值的目的。由于工艺或者控制等原因，在化工生产过程中会存在一些异常，造成产品质量的不稳定，因此，需要对化工生产进行异常判别和诊断，进而稳定产品质量。在实际的化工反应中，由于反应机理和参数等问题，难以直接建模。但在化工生产过程中存储大量随时间变化的参数数据，这些数据在一定程度上反应了生产状况信息和产品结果信息，因此，可利用这些随时间变化的工艺参数挖掘生产过程的信息，进行异常研究。本文以甘肃某地车间内的含能炸药黑索今的生产线为背景进行研究，对含能炸药黑索今的化工生产流程进行分析并研究影响生产的因素，本文以甘肃某地车间内黑索今的生产工艺参数数据为基础，对化工生产过程中产生的工艺异常进行判别和诊断，本文主要工作如下：1）分析研究了甘肃某地车间内的含能材料黑索今的生产背景和生产工艺特点，根据黑索今的实际化工生产线的特点提出了基于时序数据挖掘的化工生产工艺异常的研究思路。并针对黑索今生产线上采集到的历史工艺参数数据存在的问题进行缺失值填充处理和数据转换等。2）为能够提取工艺参数的波动和变化趋势特征，在工艺参数预处理的基础上，实现对化工工艺参数序列的分段线性表示，针对目前时间序列数据挖掘中，时间序列线性分段表示多局限于对相邻的极值点或波动幅度大的特征点进行的评价进行来筛选、确定分段点的选择，容易陷入局部最优，不能准确对时间序列趋势进行表示的问题，本文提出了基于转折点和趋势段的时间序列趋势特征提取算法，通过两组实验表明，该方法不仅具有良好的抗噪能力和趋势提取能力，在相同压缩率的情况下具有更好的拟合精度，可为后续数据挖掘提供更好的特征。3）本文化工生产过程本身具有整体运行不稳定的情况，核主元分析基于单一时刻进行异常检测的方式忽略了参数的时间特性，对本课题的化工生产工况不适用，因此本文提出了基于时间段的时间序列趋势特征核主元分析检测方法，在时间序列分段的基础之上，构建反应工况运行趋势的特征，弥补核主元分析检测方式的缺点，实现了黑索今生产过程中异常的检测，并实现了对异常原因的诊断。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 66页 |
| 源URL | [http://ir.sia.cn/handle/173321/27147]  |
| 专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
| 作者单位 | 1.中国科学院沈阳自动化研究所; 2.中国科学院大学 |
| 推荐引用方式 GB/T 7714 | 李俊朋. 基于时序数据挖掘的化工生产工艺异常诊断研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2020. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。