Soft sensor design in chemical processes using statistical learning methods
İstatistiksel öğrenme yöntemleri kullanarak kimyasal süreçlerde hesapsal sensör tasarımı
- Tez No: 526936
- Danışmanlar: DOÇ. DR. BURAK ALAKENT
- Tez Türü: Yüksek Lisans
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde artan rekabet, imalat kısıtlamaları ve güvenlik tedbirleri nedeniyle, süreç kontrol, izleme ve arıza tespit stratejileri kimyasal tesislerde daha titizlikle uygulanmaktadır. Bu sebeple, kimyasal süreçlerde çok sayıda süreç değişkeni çevrimiçi olarak ölçülmekte, diğer taraftan ürünün kalitesinde daha önemli rol oynayan kalite değişkenleri aynı sıklıkta ölçülememektedir. Son yıllarda popülerlik kazanan veri-bazlı hesapsal (soft) sensörler geleneksel olarak ARX modelleme, PLS ve PCR gibi evrensel istatistiksel öğrenme yöntemlerini kullanarak, kalite değişkenlerinin tahmin edilmesini sağlamaktadır. Bu tezde, doğrusal ilişkili ve gereğinden fazla sayıda süreç değişkenin izlendiği, ve kavram değişimi gibi sık rastlanılan problemlerin etkisi altında olan kimyasal süreçler için hassas tahmin becerisine sahip veri-bazlı hesapsal sensörler tasarlanmıştır. Tasarlanan sensörler, kararlı durum ve dinamik benzetimlerden elde edilen iki veri seti ve endüstriyel bir dinamik veri seti üzerinde test edilmiştir. Değişken seçimi ve topluluk öğrenimi, doğrusal ilişkinin üstesinden gelmek, ve tahmin modellerini kararlı hale getirmek için önerilmiştir. RVM bazlı hareketli pencere (MW) modellerinde, modellenen pencere boyutunun o anki kavrama adapte edilmesi, ve topluluk öğrenimi yaklaşımı çerçevesinde, MW ve JITL modellerinin birleştirilmesi, tahminleri iyileştirmek için önerilmiştir. Geliştirilen algoritmalar arasında en doğru tahminler, topluluk öğreniminde elde edilmiş, ayrıca bu algoritmaların, literatürden ilgili geleneksel yöntemlerden daha iyi performans gösterdikleri, ve hesap süresinin çevrimiçi zaman kısıtlamalarına uyduğu görülmüştür.
Özet (Çeviri)
Today, production facilities employ rigorous approach to process control, monitoring and fault detection strategies, due to increased competition in the industry, and more severe manufacturing restrictions and safety concerns. A large number of process variables are measured online during operation, while quality variables, which may not be available online at the same rate as process variables need to be predicted using soft sensors. The traditional approach to data driven soft sensor design is based on statistical learning methods, such as, global ARX modeling, PLS and PCR. In this thesis, it is aimed to address the issues of multicollinearity and redundancy in process data, and concept drift in data driven soft sensor design. Experiments are performed on two synthetic datasets obtained from steady state and dynamic simulations, and one dataset comprised of dynamic industrial data. Incorporating feature selection and ensemble modeling into PLS and ANN models is shown to handle multicollinearity and redundancy in process data, and stabilize learners. RVM, an embedded feature selection method, yields superior prediction performance than PLS, under both virtual and real concept drift. RVM is also observed to handle redundancy in predictor space more effectively. Several RVM-based adaptive learning algorithms are developed to cope with concept drift. Adaptive window sizing in moving window models is shown to improve predictions, and the best overall performance is achieved in window size adjustment via explicit concept drift detection. Combining MW and JITL models in ensemble learning is suggested to further increase prediction accuracy, and it is observed to yield the best predictive performance among all algorithms. The suggested adaptive learners are shown to outperform conventional methods from the literature on both synthetic and real data, while complying with time limits of online prediction.
Benzer Tezler
- Çekirdeksiz kuru üzümde uygulanan politikanın Ege Bölgesinde üretim ve üretici açısından sonuçlarının değerlendirilmesi
Başlık çevirisi yok
GÜVEN ÖZERİN
- Bühler laboratuar değirmeninde uygulanan farklı diagramların un niteliklerine etkisi
Başlık çevirisi yok
ALİREZA ALİLOO
Yüksek Lisans
Türkçe
1986
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. S. SEZGİN ÜNAL
- Bazı triticale çeşitlerinin kimi teknolojik özellikleri üzerinde araştırmalar
Başlık çevirisi yok
SELMAN TÜRKER
- Türkiye nabidae (heteroptera) faunası üzerinde sistematik çalışmalar
Contribution to the systematıcal studies of Turkish nabidae (Heteroptera)
HURİYE ERBAY
- Çizgisel kaynaktan ışıyan elektromağnetik dalgaların mükemmel iletken silindir takkesinden optik gibi saçılması
Başlık çevirisi yok
ADNAN GÖRÜR
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ.DR. H. ERGUN BAYRAKÇI