二型模糊理论在乙烯裂解炉过程监控中的应用  

Application of Type-2 Fuzzy Theory in Ethylene Cracking Furnace Process Monitoring

作　　者：高勇[1] 王振雷[1] 钱锋[1] 朱彦兴[2] 

机构地区：[1]华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海200237 [2]中国石油吉林石化公司,吉林132022

出　　处：《华东理工大学学报（自然科学版）》2014年第3期302-308,370,共8页Journal of East China University of Science and Technology

基　　金：国家自然科学基金(61134007;21276078);国家863计划(2013AA040701);上海市科技攻关(12dz1125100);"十二五"国家科技支撑计划(2012BAF05B00);上海市重点学科建设项目(B504)

摘　　要：利用区间二型模糊C-均值聚类的方法,将过程数据进行聚类,并且聚类过程采用自适应的方法选择聚类数,由此区别不同的工况;利用局部切空间排列算法(LTSA)分别对聚类之后的每一类数据进行降维处理,然后利用每一类降维后的数据,使用支持向量数据描述(SVDD)的方法构建多个模型,并建立相应的统计量与统计限,完成离线建模过程。在线监控过程中首先判断过程数据属于哪一种工况,然后利用相应的模型来计算统计量并判断是否故障,利用乙烯裂解炉的过程数据进行了仿真研究,验证了方法的可行性。This paper presents an approach which uses the interval type-2 fuzzy C-means cluster to classify the process data, and then, adaptively selects the cluster number, so that different models can be distinguished. The local tangent space alignment algorithm （LTSA） is adopted to reduce the dimensions of the data of each cluster, which is further utilized to build multi-model via the support vector data description algorithm （SVDD）, and obtain corresponding statistical magnitude and statistical limit. Thus, the offline modeling is achieved. During the online monitoring, the first is to judge which model the process data belong to, and then, to judge whether it is a fault data by calculating its statistical magnitude. Finally, the simulation on the process data of ethylene cracking furnace is made to verify the feasibility of the proposed approach in this work.

关 键 词：区间二型模糊C均值聚类 自适应 局部切空间排列算法 支持向量数据描述 

分 类 号：TP277[自动化与计算机技术—检测技术与自动化装置]