基于子空間方法的工業(yè)精餾塔辨識建模研究.pdf

1、工業(yè)過程對象的辨識建模研究中，往往需要人為加入特定形式的激勵信號，以期最大限度的獲取過程對象的動態(tài)特性，并利用相應的動態(tài)輸出數(shù)據(jù)生成辨識建模數(shù)據(jù)集。這種基于實驗數(shù)據(jù)的辨識建模方法不但需要耗費大量的時間和財力，且對實際工業(yè)過程的安全性和滿負荷生產都有比較大的影響，因此不容易被工廠所接受，在具體實施過程中也會受到各種條件的限制；對于復雜的多變量系統(tǒng)，辨識實驗的開展會更加困難。另一方面，工業(yè)實時數(shù)據(jù)庫系統(tǒng)中存儲了大量的包含過程動態(tài)信息的工業(yè)數(shù)

2、據(jù)，但由于辨識建模方法等原因目前并沒有被很好地應用于辨識建模的實踐中。針對上述問題，本文選用子空間辨識建模方法，完全利用工業(yè)過程運行數(shù)據(jù)，進行實際工業(yè)精餾塔的辨識建模研究；減少對工廠正常生產的影響，擺脫目前辨識建模對于辨識實驗的過度依賴。本文研究的主要內容包括：
　　 第一方面：對TB-SIM(Three Blocks Subspace Identification Method)子空間辨識方法的理論和數(shù)學基礎進行深入的研究，并

3、通過基于兩個精餾塔仿真模型的算法研究，證明了該算法對受到較大噪聲干擾的工業(yè)過程數(shù)據(jù)的多變量系統(tǒng)建模的有效性和可靠性。
　　 第二方面：對實際工業(yè)精餾塔進行辨識建模。通過分析和篩選工業(yè)過程歷史數(shù)據(jù)，不進行額外的辨識建模實驗而建立辨識建模數(shù)據(jù)樣本集；充分利用SIM算法計算速度快，適合大規(guī)模數(shù)據(jù)計算，并且對建模數(shù)據(jù)的形式沒有特別要求，且能夠通過輸入-輸出數(shù)據(jù)直接構建狀態(tài)空間模型的優(yōu)點，采用完全數(shù)據(jù)驅動的TB-SIM方法，建立了動態(tài)性能

4、良好的MIMO狀態(tài)空間模型。證明了該種辨識算法在實際工業(yè)過程多變量建模中的應用價值。
　　 第三方面：辨識建模過程中的輔助工作。針對海量數(shù)據(jù)的分析和篩選工作，開發(fā)了基于Excel VBA的數(shù)據(jù)分析篩選模塊；將小波變換方法應用于工業(yè)過程數(shù)據(jù)預處理中，取得比較好的降噪效果。
　　 第四方面：基于.NET平臺開發(fā)了系統(tǒng)辨識軟件，以更好的將基于TB-SIM算法的辨識建模應用于工業(yè)現(xiàn)場。
　　 采用完全基于工業(yè)過程數(shù)據(jù)的S