项目名称: 钢铁企业蒸汽管网数据驱动建模与数据校正技术研究

项目编号: No.61463003

项目类型: 地区科学基金项目

立项/批准年度: 2015

项目学科: 自动化技术、计算机技术

项目作者: 罗先喜

作者单位: 东华理工大学

项目金额: 34万元

中文摘要: 高质量的测量数据是钢铁企业蒸汽管网优化可靠运行的基础。本课题研究蒸汽管网建模及基于该模型的故障数据监控、显著误差检测和数据协调的方法,对降低钢铁企业的综合能耗有重要意义。 本项目基于专家经验和大量存贮的历史数据,采用最小二乘支持向量机蒸汽管网进行建模;结合ICA-PCA的方法和管网模型解决非正态分布的多变量系统故障数据监控问题;采用证据理论与空间距离聚类的方法检测显著误差和动态离群值;结合鲁棒估计与智能算法解决静态与动态数据协调问题。提高测量数据的完整性、准确性和一致性。 通过本项目的研究,可望得到关于钢铁企业蒸汽管网数据驱动建模、故障数据监控、显著误差检测和数据协调有关的理论与方法,编写在复杂工业过程中具有一家通用性的建模与数据校正软件。发挥企业信息化对生产和管理中的重要作用。

中文关键词: 蒸汽管网;数据驱动;系统建模;数据校下

英文摘要: Measurement data of high quality is the basis for optimization and reliable operation of the steam networks in Iron & Steel Enterprises. The researched methods for steam pipe network modeling, fault data monitoring, gross error detection and data reconciliation based on the model, are of great significance for reducing the comprehensive energy consumption of Iron & Steel Enterprises. Based on the large number of stored historical data and the experts' experience and a large number, applying Least Squares Support Vector Machine the steam networks model can be set up. By combining with the method of ICA-PCA and the model, the fault data monitoring problem of multi-variable system with abnormal distribution can be solved. With the evidence theory, spatial distance detection and clustering method, the gross errors and dynamic outliers should be detected. By combining with the robust estimation and the intelligent algorithm, the static and dynamic data reconciliation problem can be solved. So the data's quality of integrity, accuracy and consistency is overall improved. Through the research of this project, a set of theory and methods including data-driven modeling, fault data monitoring, gross error detection and data reconciliation for the steam networks in Iron& Steel Enterprises can be expected. The software of modeling and data rectification for the universal usage in complex industrial process will be derived as well. The research will promote the large amount of information stored in the enterprises playing an important role in the process production and management.

英文关键词: Steam Network;Data-driven;System Modelling;Data Rectification

成为VIP会员查看完整内容
1

相关内容

军事知识图谱构建技术
专知会员服务
122+阅读 · 2022年4月8日
工业人工智能驱动的流程工业智能制造
专知会员服务
99+阅读 · 2022年3月9日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【AAAI2022】基于图神经网络的统一离群点异常检测方法
专知会员服务
27+阅读 · 2022年2月12日
【经典书】在线学习与在线凸优化,90页pdf
专知会员服务
58+阅读 · 2021年10月10日
专知会员服务
85+阅读 · 2021年8月8日
数字化转型白皮书:数智技术驱动智能制造,42页pdf
专知会员服务
173+阅读 · 2021年7月8日
专知会员服务
103+阅读 · 2020年11月27日
工业人工智能的关键技术及其在预测性维护中的应用现状
【上海交大】半监督学习理论及其研究进展概述
专知会员服务
69+阅读 · 2019年10月18日
如何解决工业缺陷检测小样本问题?
极市平台
6+阅读 · 2022年2月24日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
流程工业数字孪生关键技术探讨
专知
1+阅读 · 2021年4月7日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
【APS】PCB企业如何实现APS自动排程系统
产业智能官
12+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
干货 :基于用户画像的聚类分析
数据分析
22+阅读 · 2018年5月17日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
1+阅读 · 2022年4月19日
Transparent Shape from Single Polarization Images
Arxiv
0+阅读 · 2022年4月19日
小贴士
相关VIP内容
军事知识图谱构建技术
专知会员服务
122+阅读 · 2022年4月8日
工业人工智能驱动的流程工业智能制造
专知会员服务
99+阅读 · 2022年3月9日
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【AAAI2022】基于图神经网络的统一离群点异常检测方法
专知会员服务
27+阅读 · 2022年2月12日
【经典书】在线学习与在线凸优化,90页pdf
专知会员服务
58+阅读 · 2021年10月10日
专知会员服务
85+阅读 · 2021年8月8日
数字化转型白皮书:数智技术驱动智能制造,42页pdf
专知会员服务
173+阅读 · 2021年7月8日
专知会员服务
103+阅读 · 2020年11月27日
工业人工智能的关键技术及其在预测性维护中的应用现状
【上海交大】半监督学习理论及其研究进展概述
专知会员服务
69+阅读 · 2019年10月18日
相关资讯
如何解决工业缺陷检测小样本问题?
极市平台
6+阅读 · 2022年2月24日
面向自动驾驶的边缘计算技术研究综述
专知
4+阅读 · 2021年5月3日
流程工业数字孪生关键技术探讨
专知
1+阅读 · 2021年4月7日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
【APS】PCB企业如何实现APS自动排程系统
产业智能官
12+阅读 · 2018年9月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
干货 :基于用户画像的聚类分析
数据分析
22+阅读 · 2018年5月17日
相关基金
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员