45000字硕士毕业论文免疫培养操作在化工故障诊断中的应用

论文类型：硕士毕业论文

论文字数：45000字

论点：算法,进化,故障诊断

论文概述：

本文研究了新型智能进化算法——文化算法和免疫克隆选择算法，提出了基于免疫克隆选择的文化算法（ICA),并改进了文化算法信念空间的知识更新和接受函数。

论文正文：

第一章引言

1-1引言
工程技术和科学研究中许多问题的实质实际上是一个最优化问题。找到最佳解决方案是个问题。开发一种能够准确快速地找到最优解的方法具有重要的现实意义。
然而，随着科技进步带来的现代生产的发展，实际生产过程中的问题往往更加复杂，建模也越来越困难。同时，产生了越来越多的非线性和多极值优化问题。用传统方法很难解决这些问题，也很难得到最优解。因此，研究者将注意力转向智能进化算法，寻找解决复杂优化问题的方法。
进化算法源于自然，是根据生物体的进化过程和机制而进化和提炼的人工智能技术。生物进化是一个从低级到高级，从简单到复杂的过程。(1)。由于环境的不断变化，每一代人都需要通过适者生存和遗传变异来适应和生存。只有这样，进化才有意义。进化算法就是根据这一思想产生的。它根据问题的条件选择初始解，并以类似于自然选择的方式迭代修正初始解，最终得到最优解。迄今为止，研究人员已经获得了许多基于生物进化机制的方法，并将其应用于复杂的优化问题，如遗传算法进化规划、进化策略遗传规划等。然而，传统的进化算法并不完善，总是存在一些缺陷。它只能为人口的个人经历提供有限的知识表示和保存机制。即使有时这种机制也是完全隐含的。如果有一个明确的机制可以保存在人口进化过程中产生的知识和经验，这对于解决复杂问题的优化是非常有帮助的。
文化算法基于人类文化进化的理念。它有一个明确的机制，可以用来提取、存储和整合微观人口进化过程中问题的知识和经验，并利用这些知识和经验来指导人口的进化。
众所周知，任何智能算法的根本原因都是实际生产过程的需要，其最终目的是解决实际工程问题。因此，它已被应用于工业生产的许多领域。在化工过程中，大型石化设备的故障诊断一直是一个关键问题。智能算法的实际应用之一是故障诊断。
故障诊断方法的功能是快速诊断生产过程中发生的故障，确定故障类型，快速发出报警，首先做出反应，为决策提供依据，从而保证生产过程快速正常安全运行。对于生产过程的控制，控制的目标是依靠一些手段，例如对计算机系统的监视，来找出故障，判断类型和找到来源。经过几十年的发展，研究人员不断提出新的故障诊断方法，故障诊断技术也取得了长足的进步。它逐渐从简单机械或设备的早期故障诊断发展到今天工业过程中大型生产设备的故障诊断。……
...................

第2章免疫培养算法

由于不需要依赖特定的问题，也不需要大量的知识来解决问题，进化算法被广泛应用于各种优化问题中。同时，在实际生产过程中，进化算法已经应用于许多领域，并取得了很好的实用价值。
目前，有四种广泛使用的进化算法:遗传算法、进化规划、进化策略和遗传编码。它们的共同局限性在于知识表示和保存的规则，这些规则只能提供有限的或隐藏的群体个体经验，而不能获得隐藏的信息。然而，研究人员只关注生物体的自然选择或对自然现象的模仿。因此，如何在进化过程中找到一种显性机制来提取隐藏信息并加以利用成为当前研究的热点。

2.1文化算法的基本理论

2.1.1文化算法的产生思想
如前一章所述，文化实际上是信息的载体。它存在的目的是为人类社会的每一代人的发展提供信息，并引导他们适应环境。没有文化的存在，人类社会的进化与自然界的其他进化没有什么不同。文化是人类社会进化和发展优势的体现。如果将这些思想应用于智能进化计算，必将减少进化时间消耗，提高进化效率。受这个想法的启发，雷诺兹于1994年在底特律提出了文化算法。他通过这个算法阐述了这个想法，并建立了一个知识库来存储信息。当种群进化时，从知识库中提取信息来指导迭代进化。同时，进化过程中产生的新知识存储在知识库中，实现了知识库的更新。这种方法可以提高种群进化的性能。

2.1.2文化算法的基本框架
雷诺兹在1994年提出了文化算法的概念。文化算法(Cultural algorithm)是一种基于种群的多进化过程计算模型，它可以将进化算法的搜索机制与知识存储方法相结合。这是一个同时进化的两层系统。其主要组成部分包括:人口空、信仰空，以及通信功能。
人口空人口空间内的工作内容基本上是使用进化算法，这些算法当然是基于人口来实现的。它通常有两个任务:(1)评估个体并将进化操作(如选择、交叉和变异)应用于整个群体；(2)将优秀的个人作为更新的知识送入信仰/[/k0/】。
信念空使用接受函数从每一代被评估的人群中选择所需样本，然后通过信念空中的知识更新规则获得样本中包含的隐藏信息，最后通过提炼形成知识。反过来，影响函数用于指导种群内的进化空，从而提高进化速度和适应性。……
................

第三章基于免疫文化算法的故障诊断方法研究..............................26
3.1支持向量机概述..................................................................................26
3.2技术教育流程概述..............................................................................................28
3.3基于免疫培养算法的支持向量机参数优化及故障诊断...................31
3.3.1参数优化方法......................................................................................31
3.3.2免疫培养算法在热电过程故障诊断中的应用..............................32
3.4基于免疫培养算法的故障特征选择方法................................38
3.4.1特征选择方法概述.......................................................................38
3.4.2基于免疫培养算法的特征选择方法研究...................39
3.4.3模拟实验及结果分析....................................................................40
3.5本章概述....................................................................................45
第四章免疫培养算法在乙烯裂解炉故障诊断中的应用……46
4.1弓是什么意思.................................................................................................46
4.2乙烯裂解炉生产工艺...........................................46
4.3乙烯裂解炉故障诊断.........................................48
4.3.1乙烯裂解炉故障诊断的原因……48
4.3.2数据采集和预处理.............................................48
4.3.3故障特征选择.............................................50[/br/ ]4.3.4故障诊断和结果分析..............................51
4.4本章概述...........................................54[/BR/][/BR/][/BR/]摘要本文主要研究化工行业的故障诊断方法。随着化工系统的发展，其规模越来越大、越来越复杂、越来越智能化，一旦系统失效，将给企业、社会和人员带来巨大损失。因此，从科学的角度和现实的意义上研究化工故障诊断是非常必要和有价值的。另一方面，新的智能优化算法以及神经网络、朴素贝叶斯和支持向量机等一系列建模方法为化工行业故障诊断方法的更新和改进提供了可能。新一代故障诊断方法不断发展，各种类型层出不穷。
在这样一个大环境下，本文重点研究新的智能优化算法——克隆选择算法和文化算法。根据任何智能进化算法都可以融入文化算法种群空的特点，创造性地将免疫克隆选择算法融入文化算法的种群框架，提出了一种新的免疫文化算法，并对文化算法的信念空和影响函数进行了相应的改进。研究了基于免疫培养算法的故障特征选择方法和支持向量机parameTEr优化方法，并将其应用于te过程和乙烯裂解炉故障诊断，通过实例验证了这些故障诊断方法的性能。本文所做的主要工作如下:
(1)通过阅读大量文献，详细概述了文化算法、故障诊断方法、支持向量机和特征选择方法，并介绍了文化算法的原理、发展过程和研究前景。同时，详细介绍了故障诊断方法的分类，并对每种故障诊断方法进行了一定程度的介绍。对于支持向量机，总结了其理论形成的过程，并简要介绍了目前开发的几种支持向量机算法。同样，对于特征选择方法，本文介绍了特征选择方法的分类和发展。通过这些概述，我们对要研究的内容有了清晰和具体的理解。本文主要研究文化算法、特征选择方法和支持向量机在故障诊断中的应用。……

参考
[1]刘晶。协同进化算法及其应用研究[。西安电子科技大学博士论文。2004年:5-9
[2]布克·Lb。引用该论文Http://sblunwen.com/ssbylw/·戈德堡。艺术智能。1989，40(3):235-282
[3]Xi·于刚，柴天佑。云为民。遗传算法概述[。控制理论和应用。1996，13(6):697-708[/比尔/] [4]姚X，刘Y，林庚.进化编程使[更快.进化计算中的IEEE事务。1999，3(2):82-102
[5]福格尔·丁·b .进化计算:走向机器智能的新哲学[·C]。《遗传程序设计:通过自然选择对计算机编程》，[，1995年，[。马萨诸塞州剑桥:密特出版社，1992年，
[7]陈松。黄海燕。免疫培养算法及其在乙烯裂解炉故障诊断中的应用[。化学工程杂志。2012，63(12):3996-4002
[8]刘波，王玲，金易慧。差分进化算法的研究进展[[]。控制和决策。[2007，22(7):721-729[/比尔/] [9]邵升，何明斯，高晓中.基于复杂网络的网络文化演化动态过程[.IEEE出版社. 2011
[10]王毅，李博，赖世升.基于方差优先的合作协同进化微分大规模全局优化解决方案[.IEEE进化计算大会。2009