论文题目：基于贝叶斯网络的重介质选煤过程安全运行控制方法研究
摘要：煤炭是经济发展和工业生产的重要基础,在我国国民经济体系中占有重要地位。重介质选煤是工业选煤的一项重要技术,因其分选效率和分选精度高而被各大煤炭企业广泛采用。然而,由于重介质选煤工艺生产环境复杂多变、原煤属性变化频繁,选煤现场容易发生异常工况。异常工况的发生不仅影响企业的综合经济效益,而且会对操作人员的人身安全造成威胁。因此如何根据异常工况的特征,制定可靠的安全控制决策保证选煤过程的安全稳定运行,具有十分重要的理论意义和应用价值。本文在深入了解重介质选煤过程工艺及选煤过程中常见异常工况发生机理的基础上,开展了基于贝叶斯网络的重介质选煤过程安全运行控制方法的研究,主要研究内容如下:（1）重介质选煤过程由于工艺流程长、机理复杂,设备自动化程度低等原因,其工况波动剧烈,容易发生异常工况。目前,重介质选煤过程主要依靠人工调整控制参数的方式来消除异常工况,这使得精煤灰分等关键指标难以及时地控制在正常范围内。因此,针对重介质选煤过程中常见异常工况的安全控制问题,提出了一种基于贝叶斯网络的安全运行控制方法及其在线应用策略。首先,分析异常工况发生的原因、现象及相应的控制措施,收集与异常工况有关的专家知识。其次,建立融合专家知识与数据信息的安全控制贝叶斯网络模型。然后,收集在线相关数据作为证据信息输入到贝叶斯网络模型中,并利用贝叶斯推理算法获取不同控制变量的后验概率,遵循后验概率最大的原则制定并实施相应的控制决策,使生产过程恢复到正常稳定的运行状态。最后,在仿真实验平台上进行测试,验证所提出方法的有效性。（2）在重介质选煤过程中,虽然有一定数量的专家知识可以用来确定贝叶斯网络节点间的因果关系,但当贝叶斯网络节点个数较多时,不同专家给出的网络结构可能并不唯一。因此,基于专家知识获取贝叶斯网络结构的方法存在着较强的不确定性。针对上述问题,提出了一种基于主动学习和贝叶斯网络的安全运行控制模型建模方法,利用观测数据和实验数据信息构建安全控制贝叶斯网络模型。该方法首先利用条件独立性测试获取骨架图,然后对骨架图中的每一条边进行定向。为了减少结构学习所需的数据量,利用主动学习选取的特定变量进行干预实验,并通过观察其他变量的概率分布的变化来构建贝叶斯网络结构,提高贝叶斯网络结构学习的效率。最后,通过Asia网络和重介质选煤过程验证所提方法的有效性。（3）重介质选煤生产环境复杂多变,新的异常工况难免发生。原有的安全控制贝叶斯网络模型由于缺乏适应工况变化的能力而导致性能变差,为此提出了一种安全控制贝叶斯网络模型更新策略,保证新的异常工况下模型的决策性能。首先,利用领域专家知识判别现有模型提供的控制决策是否合理。若当前的控制决策无法消除异常工况,就依据不同条件分别进行贝叶斯网络结构和参数更新,确保安全控制贝叶斯网络模型更新后的性能。考虑到原有模型中的部分结构仍能描述相应变量在新数据中的概率分布,提出了一种基于增量学习的贝叶斯网络结构更新方法。该方法能够保留旧模型中能够适应工况变化的部分,并对剩余结构进行更新,从而提高模型更新的效率。最后,通过Asia网络和重介质选煤过程验证所提方法的有效性。该论文有图25幅,表22个,参考文献88篇。
关键词：重介质选煤过程;安全运行控制;贝叶斯网络;专家知识
学科专业：控制工程（专业学位）
摘要
abstract
变量注释表
1 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.3 本文的主要工作
2 基本理论与方法
2.1 贝叶斯网络
2.2 贝叶斯网络结构学习方法
2.3 贝叶斯网络参数学习方法
2.4 贝叶斯推理
2.5 本章小结
3 基于贝叶斯网络的安全运行控制方法及其在线应用策略
3.1 引言
3.2 基于贝叶斯网络的安全运行控制模型建模方法及其在线应用策略
3.3 重介质选煤过程安全运行控制模型
3.4 仿真实验与分析
3.5 本章小结
4 基于主动学习和贝叶斯网络的安全运行控制模型建模方法
4.1 引言
4.2 理论基础
4.3 基于主动学习的贝叶斯网络结构学习方法
4.4 仿真实验与分析
4.5 本章小结
5 基于增量学习和贝叶斯网络的安全运行控制模型更新方法
5.1 引言
5.2 安全运行控制模型更新策略
5.3 基于增量学习的贝叶斯网络结构更新方法
5.4 仿真实验与分析
5.5 本章小结
6 总结与展望
参考文献
作者简历