跳到主要內容

臺灣博碩士論文加值系統

(44.222.64.76) 您好!臺灣時間:2024/06/15 06:35
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:蔡啟祥
研究生(外文):Chii-Shang Tsai
論文名稱:批式製程線上失誤監視方法之研究
論文名稱(外文):Studies on On-Line Fault Monitoring Methods for Batch Processes
指導教授:張玨庭張玨庭引用關係
指導教授(外文):Professor Chuei-Tin Chang
學位類別:博士
校院名稱:國立成功大學
系所名稱:化學工程研究所
學門:工程學門
學類:化學工程學類
論文種類:學術論文
論文出版年:1995
畢業學年度:84
語文別:中文
論文頁數:102
中文關鍵詞:失誤偵測目標值設定警報產生類神經網路
外文關鍵詞:Fault DetectionTarget SettingAlarm GenerationNeural Network
相關次數:
  • 被引用被引用:0
  • 點閱點閱:122
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本論文探討批式製程線上監視工作中兩個重要的議題:【1】進料操作之
安全性與可靠度與【2】動態系統失誤偵測與診斷。針對第一項課題,我
們提出一套批式製程進料的統計操作策略。一般而言,在批式進料操作過
程中的關鍵性決定為:(1)目標值的設定與(2)警報的產生。我們摒棄
傳統之經驗法則,利用統計技巧發展出合理的解決方案。首先,在不損及
可靠度的前提下,吾人提出離線與線上兩種目標設定策略來提高任何批次
的獲利率。其次詳細闡明最適警報產生邏輯的設計方法,藉由此一警報系
統的設置,我們可有效的減少進料失敗機率。我們亦曾利用數值模擬評估
上述方法的有效性,結果顯示,本論文所提策略尤其適合應用在產製高附
加價值產品的批式製程中。至於後者,我們利用類神經網路技巧,發展出
批式或半批式失誤偵測與診斷之有效方法。由於早期相關文獻大部份皆利
用穩態數據訓練網路,因此過去的結果只能應用於輸入變數固定不變的連
續式製程中,而本章首先嘗試利用殘留差值 (residual) 作為批式動態系
統的失誤偵測與診斷之依據。更明確的說,本論文提出兩階段式的類神經
網路以改進應用的瓶頸。我們以混合式網路預測長時間動態程序的正常行
為,再根據預測值與實際測量值來計算殘留差值,並以此為失誤偵測的判
斷基礎。架構中的次層,是一移動視窗型前饋網路,即把固定時間間隔的
殘留差值變化趨勢輸入網路,以鑑認失誤的根源。我們也曾以模擬失誤的
小型試驗工廠實驗驗證上述架構的有效性。從結果中可以清楚的看出,在
無法獲得精確數學模式的動態程序中,本論文提出類神經網路架構確實可
行。
The objective in this dissertation is to develop systematic on-
line monitoring methods to address the following important
issues in batch processes : (1) safety and reliability in the
charging operation, (2) fault detection and diagnosis in
dynamic systems. In general, there are two critical decisions
those must be made in the charging sequence of batch processes,
i.e. target setting and alarm generation. In this paper, a
number of statistics-based strategies are proposed to perform
these tasks. Specifically, a synthesis method for building
optimal alarm logic is also described in detail. The monitoring
systems constructed according to this suggested approach are
effective in reducing the probability of undetected faulty
batches. These techniques have been tested with extensive
simulation studies. The results show that the proposed
strategies are suitable for application if high-value-added
products are manufactured in the plant, which in fact is a
prevailing situation of batch processes. The second task in
this study is to assess the feasibility of adopting artificial
neural networks (ANNs) in fault detection and diagnosis for
batch and semi-batch processes. Although there is a large
volume of related publications available, most of them used
steady-state data to train ANNs. Based upon the concept of
analytical redundancy, the framework of a two-stage fault
monitoring system is proposed in this paper. In the first
stage, a hybrid ANN is adopted to predict the long-term dynamic
of the output variables under normal condition. The occurrence
of fault(s) can be detected by inspecting the residuals, i.e.
the differences between the measured and the predicted values
of outputs. A second feedforward neural network is then used
for the purpose of differentiating the residual patterns caused
by various faults.
封面
目錄
中文摘要
英文摘要
圖目錄
表目錄
符號說明
第一章 緒論
1.1 研究動機
1.2 章節與組織
第二章 批式製程進料之統計操作策略
2.1 背景
2.2 批式反應器的進料操作
2.3 操作限制式
2.4 失誤模式
2.5 參數估計
2.6 線上目標值設定策略
2.7 最適警報產生邏輯
2.8 應用實例
2.8.1 問 題 描 述
2.8.2 操作限制式
2.8.3 誤差模式
2.8.4 參數估算
2.8.5 目標值設定步驟
2.8.6 警報產生邏輯
2.8.7 經濟評估
2.9 結語
第三章 批式或半批式製程之失誤偵測與診斷
3.1 背景
3.2 兩階段式失誤監系統的架構
3.3 動態模式----混合式網路
3.4 失誤診斷----移動視窗型的前饋網路
3.5 實驗設備
3.6 實驗步驟
3.6.1 正 常 模 式
3.6.2 失 常 模 式
3.7 實驗結果
3.8 結語
第四章 結論與展望
附鋒A 警報系統中條件機率的估算
附錄B 時間平均移動視窗型的前饋網路
附錄C 作者簡介
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top