search query: @keyword monimuuttujaregressio / total: 3
reference: 1 / 3
« previous | next »
Author: | Lehtomäki, Matti |
Title: | Dynaamisten prosessimallien parametrien viritysmenetelmä |
A Parameter tuning method for dynamic process models | |
Publication type: | Master's thesis |
Publication year: | 2009 |
Pages: | 135 (+8) Language: fin |
Department/School: | Sähkötekniikan laitos |
Main subject: | Laskennallinen tekniikka (S-114) |
Supervisor: | Lampinen, Jouko |
Instructor: | Halmevaara, Kalle |
OEVS: | Electronic archive copy is available via Aalto Thesis Database.
Instructions Reading digital theses in the closed network of the Aalto University Harald Herlin Learning CentreIn the closed network of Learning Centre you can read digital and digitized theses not available in the open network. The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/ You can read theses on the Learning Centre customer computers, which are available on all floors.
Logging on to the customer computers
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark S80 | Archive |
Keywords: | dynaaminen simulointi parametriestimointi monimuuttujaregressio |
Abstract (fin): | Dynaamista prosessisimulointia voidaan hyödyntää koko tehtaan elinkaaren ajan. Simuloinnin avulla voidaan kasvattaa tietämystä systeemin toiminnasta ja parantaa sen suorituskykyä. Tällöin voidaan saavuttaa kustannussäästöjä, parantaa turvallisuutta sekä vähentää ympäristölle aiheutuvaa kuormitusta. Jotta simulointimallit olisivat käyttökelpoisia, tulisi simulointien tarkkuuden olla riittävä. Suuret prosessimallit sisältävät suuren joukon parametreja, joiden arvon määrityksessä joudutaan käyttämään prosessista mitattua aikasarjadataa. Näillä parametreilla voi olla suuri vaikutus simulointien tarkkuuteen. Parametrien lukumäärän kasvaessa esimerkiksi kymmeniin tai satoihin, vaatii niiden arvojen estimointi omat työkalunsa. Tässä työssä kehitetään prosessiteollisuuden dynaamisten simulointimallien parametrien viritysmenetelmä. Menetelmän pohjana on aiemmin kehitetty Iterative Regression Tuning -menetelmä (IRT) ja tässä työssä menetelmästä kehitetään uusi rekursiivinen versio. IRT-menetelmä hyödyntää prosessista mitattua aikasarjadataa, tilastollisia monimuuttujamenetelmiä sekä optimointialgoritmeja. Menetelmäkehitykselle asetetut kolme päätavoitetta ovat menetelmän nopeuttaminen eli sen vaatiman datamäärän pienentäminen, automatisointi mahdollisimman pitkälle sekä menetelmän kehittäminen helppokäyttöisemmäksi. Menetelmä on saatu lähes automaattiseksi. Helppokäyttöisyyttä on pyritty parantamaan pitämällä menetelmäparametrien lukumäärä pienenä sekä antamalla ohjeistus niiden sopivien arvojen valintaan. Menetelmän nopeutta on pyritty parantamaan mm. rekursiivisen mallintamisen avulla sekä tehostamalla koesuunnittelua. Kehitettyä menetelmää on testattu virittämällä lämmönvaihdinsysteemin mallin parametreja. Jotta menetelmälle saadaan vertailukohta, on viritys suoritettu myös toisella optimointimenetelmällä ja tuloksia on verrattu lisäksi IRT-menetelmän aiemmalla versiolla tehtyyn viritykseen. Testauksesta saatujen tulosten perusteella menetelmää voidaan kehittää edelleen. |
ED: | 2009-07-20 |
INSSI record number: 38114
+ add basket
« previous | next »
INSSI