【摘 要】
:
现代工业过程不断往更大规模、更高集成化发展,给PID控制回路性能的检测诊断领域带来了挑战,运行过程中时常会出现控制性能不良的问题。性能不良的控制回路若无法及时得到改善,将会增加原材料的消耗及能耗,影响工业产品的产量与品质,甚至对工业过程的安全运行造成影响。控制性能下降的一个重要表现是控制回路产生振荡行为。由于工业过程的耦合和集成,单个振荡可能会在整个系统内广泛地传播,增加了系统的不稳定风险,因此,
论文部分内容阅读
现代工业过程不断往更大规模、更高集成化发展,给PID控制回路性能的检测诊断领域带来了挑战,运行过程中时常会出现控制性能不良的问题。性能不良的控制回路若无法及时得到改善,将会增加原材料的消耗及能耗,影响工业产品的产量与品质,甚至对工业过程的安全运行造成影响。控制性能下降的一个重要表现是控制回路产生振荡行为。由于工业过程的耦合和集成,单个振荡可能会在整个系统内广泛地传播,增加了系统的不稳定风险,因此,对控制回路的振荡行为进行检测诊断是至关重要的。本文围绕工业过程中控制回路振荡的检测、诊断以及健康管理问题开展了研究,主要的研究工作如下:1)面向工业现场实际,本文提出了 一种基于自相关函数(ACF)的单频振荡检测改进方法。相比于现有ACF方法,该方法采用控制回路所有的自相关系数进行计算,更充分地利用了数据信息。该方法在抗噪能力上表现出一定的优越性,提高了在工业有噪环境下振荡检测的准确性和可靠性。2)针对由多个振荡源叠加而形成的多个不同频率、不同振幅的多频振荡检测问题,本文在单频振荡检测的基础上,提出了 一种基于自相关函数(ACF)+经验小波变换(EWT)的多频振荡检测改进方法。利用EWT对多频振荡信号在特定频率区间进行分解重构,并结合改进的ACF计算实现了对多频振荡的检测。该方法可以提供所有分量振荡的信息,通过振荡能量占比,可以给出在回路中最显著分量的频率区间及该振荡分量的振荡周期,为现场操作人员后期进行回路维护提供了优先级推荐。该方法旨在解决多个频率振荡混杂对振荡检测及诊断影响的问题,能够有效地提高多频振荡检测的准确性。3)针对工业过程中PID回路的健康管理问题,设计开发了一个控制回路健康管理软件,实现了控制回路的性能评估、检测和诊断。该软件能够为所监测的每个回路提供投运率、饱和率、调节指数、振荡指数、粘滞指数、非线性指数六维度量化评估结果,并给出优、良、中、差的回路评级。同时,本文提出了一套振荡诊断流程,以确定引起回路振荡的设定值振荡、阀门粘滞、外部扰动三种不同的根源,为现场控制回路维护人员准确判断振荡根源并及时进行处理维护提供了依据。4)将开发的控制回路健康管理软件与振荡检测诊断方法应用于两个工业过程:某空分装置(8个回路)和某化工过程装置(25个回路),利用实际的工厂数据,首先实现了多个工业回路性能的监测和评估,其次对评估的振荡回路进行了分析和溯源诊断,验证了本文提出方法的有效性、可靠性和实用性。
其他文献
随着人工智能的飞速发展,机器学习逐渐趋向于大数据、大模型、大规模集群训练,这在加强机器学习能力的同时也对机器学习策略提出了更高的技术要求。围绕数据划分、任务分配、资源调度、通信优化,最终达到训练速度与收敛精度的平衡,分布式机器学习被越来越多的学者深入研究并投入到工业应用中。为了加快机器学习训练速度,实现更高效的计算与通信,本文围绕深度学习网络分布式并行策略和通信优化方案展开研究,主要研究内容如下:
随着科学技术的进步和车载电子设备的发展,车辆通信技术在加强道路安全,提升交通效率以及提供丰富的车载信息和娱乐服务等方面展现了极大的潜力,受到了广泛的研究。作为专用短距离通信标准,IEEE 802.11p标准是实现车辆通信的极具竞争力的标准之一。然而,车辆的高速移动和复杂的通信环境导致无线信道受到多普勒频移和多径效应的影响。而信道估计的性能直接影响了后续信号的解调。因此,车辆通信场景下的信道估计算法
物资是保障医疗工作正常进行的基础,随着智慧医院的建设其传统的自主招标模式已难以适应医院精细化管理的需求。为此,建立一个招标流程明晰、严谨、供需双方信息互通、全程实现内部控制、纪律监督的信息化招标体系就显得尤为重要。重庆大学附属肿瘤医院在对传统招标流程进行优化重组的基础上,开发创建了闭环式智慧招标采购体系,与传统招投标模式相比智慧招标采购体系更具备信息化、规范化、精细化的特点,更加符合智慧型医院建设
自动调制分类(Automatic Modulation Classification,AMC)是指接收方对接收信号采用的调制方式未知的情况下,根据接收信号确定所用调制类型的技术,是非合作通信系统中介于信号检测与信号解调之间的一项重要工作。由于无线网络用户增加、用户需求多样化,无线信道中的干扰和噪声日益严重、调制类别逐渐增多,使接收信号中的不确定因素增加,导致AMC算法无法有效完成分类任务。为了提高
近年来,语音逐渐成为人机交互的重要手段之一。在室内,噪声和干扰,以及由墙壁和其他物体表面反射引起的混响是造成语音质量和可懂度下降的主要原因。由于混响和语音之间的高度相关性,抑制混响是增强语音的一项艰巨的挑战。噪声和干扰则使得室内语音增强问题更为复杂。风噪声具有和语音信号类似的非平稳特性,使得室外语音增强面临挑战。本文将深度学习用于室内及室外语音增强,此外,将阵处理与深度学习相结合,以增强多通道麦克
近年来,深度网络已经在图像识别等计算机视觉任务上获得了突破性的进展,但是,想要将其部署到资源受限的平台上仍然困难重重。自适应推理技术希望通过根据样本难度动态分配计算资源实现模型部署时候的高效推理。多出口网络是最具代表性的自适应推理技术,它在卷积网络的不同深度处依次引入了一系列中间分类器提供预测出口,根据样本难易动态推理。但是训练多出口网络涉及到不同优化目标相互干扰甚至冲突的问题。目前优化多出口网络
随着人类对海洋的深入探索,各式各样的水下装备得到了研制和应用。自主式水下航行器(Autonomous Underwater Vehicle,AUV)、水下滑翔机(Underwater Glider,UG)等水下无人平台成为研究热点。当执行长时间水下任务时,搭载各类传感设备的水下无人平台需要持续地获知位置信息。同时,水下感知数据只有与位置信息关联,才具有实用价值。因此,精确的水下移动节点定位技术对水
近年来,越来越多的租户选择业务上云,以降低运维成本和提高服务质量。部署于云网络上的云网络产品通常采用虚拟化技术,使得同一台物理机上面的若干云网络产品实例可提供给不同的租户使用。然而,这种云网络产品共享同一物理设备的特性往往会使得云网络产品实例故障的危害性更大(例如,某实例异常造成CPU资源耗尽将导致其余云网络产品实例难以为其租户提供高质量服务),进而使得故障排查尤为复杂,最终极大地增长了故障排除所