论文部分内容阅读
薄膜蒸发器是利用高速旋转的刮板将料液分散成均匀的薄膜,以进行物料浓缩的一种新型高效的蒸发设备,已广泛应用于化工、环保、食品等多种行业中,为工业生产带来了巨大的经济效益。
在工业生产过程中,薄膜蒸发器数据采集系统在线收集了大量过程数据,如真空度、温度、流量、转子转速和冷却水量等。如何从海量数据中挖掘出过程参数间的依赖关系并及时判断出薄膜蒸发器生产过程中存在的非正常工况是目前迫切需要解决的问题。
薄膜蒸发器产生的过程参数变量具有高纬数、强关联和非线性的特点,同时由于各种干扰,过程数据中含有大量噪声。过程数据记录中,绝大多数正常的数据中包含有少量不正常数据。本文的研究意义在于:从薄膜蒸发器过程参数中找出少量不正常记录数据,进行薄膜蒸发器过程工况预警达到有效控制并优化生产过程,提高生产效率的目的。
粗糙集理论是一种研究信息系统中不确定、不精确问题的决策分析工具,能够从给定问题的描述集合出发,通过归纳学习发现内在规律,选择最佳决策。
鉴于目前大多数数据挖掘方法都不能有效地从大量规范数据库中辨识小模式,本文采用试验研究和粗糙集理论相结合的方法用于薄膜蒸发器过程工况预警。本文的主要研究工作及结论如下:
(1)介绍了薄膜蒸发器发展概况、工作原理、试验流程和数据采集系统。在薄膜蒸发器试验过程中进行了测量装置和试验设备的部分改进,提高了试验的可靠性和准确性。
(2)对粗糙集理论的基本概念进行综述,介绍了粗糙集理论的应用和发展。
(3)运用粗糙集理论对试验数据进行属性约简、离散和属性重要度的计算,生成属性决策表,得出条件属性的重要度排序为:系统的真空度>加热油温度>进料温度。
(4)采用基于粗糙集理论的数据分析软件ROSETTA,运用分箱法离散方法、遗传算法进行属性约简、基本过滤方法实现了薄膜蒸发器工况的知识发现过程,得到了预警工况结论,正确率达76.67%;最后总结了防止薄膜蒸发器非正常工况发生的操作要点。