《基于聚类模糊方法的啤酒酿造车间能耗分析系统设计》由会员分享，可在线阅读，更多相关《基于聚类模糊方法的啤酒酿造车间能耗分析系统设计（54页珍藏版）》请在金锄头文库上搜索。
1、北华大学毕业设计（论文）摘要啤酒工业是国家社会经济发展的重要产业部门，啤酒企业耗能高是制约企业发展的主要因素。提高资源能源利用效率，实现环保与经济效益的双赢，是啤酒企业实现可持续发展的必由之路。在啤酒生产过程中，寻找并应用节能降耗的方法和技术，不仅可以使企业自身受益，而且对社会的可持续发展将具有重要的作用。因此对啤酒酿造车间的能耗分析对于探求节能技术非常有必要。本文首先是数据的预处理，数据的预处理主要除去无效的数据并且对原始数据逐行作差，然后采用主成分分析方法，对原始数据降维。可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。最
2、大程度的保持了原有数据的信息。接着对经过降维处理的数据采用聚类分析的方法进行分类。在聚类分析之后采用模糊方法来对每一类进行建模，这里采用MATLAB模糊逻辑工具箱建立模糊模型，并用SIMULINK验证模型。该方法具有简便、直观、高效的特点。关键词：主成分分析；降维；聚类分析；模糊建模；能耗AbstractBeer industry is very important in the national socio-economic development sectors, high energy consumption of beer companies are the main factors
3、restricting the development of enterprises. Improving energy efficiency, environmental and economic benefits to achieve a win-win, is the beer business the only way to achieve sustainable development.In the beer production process, to find and apply energy saving methods and technology, not only to
4、benefit the enterprises themselves, but also sustainable development of society will have an important role. Therefore the energy consumption of beer brewing workshop to explore energy-saving technologies is very necessary. Firstly, we can use principal component analysis method to reduce the origin
5、al data.This can effectively find the data which is the most major elements and structures, to remove noise and redundancy, the complexity of the original data dimension, revealing hidden behind the simple and complex data structures.Maximum maintained the original data.Then after reducing the dimen
6、sion of the data here had used cluster analysis methods are classified.Here the data were normalized after normalization treatment. After using of fuzzy clustering analysis method to model each class, then we can use fuzzy logic toolbox with MATLAB fuzzy model and using SIMULINK to verify the model.
7、 The method is simple, intuitive and efficient features.Key Words：PCA; Dimension reduction; cluster analysis; Fuzzy Modeling; energy consumption- 1 -目录摘要1Abstract2引言11绪论21.1 课题的研究背景及意义21.2 国内外研究现状21.3 研究内容22 原始数据的预处理42.1 数据预处理的意义42.2 数据预处理的主要方法42.3 数据来源52.4 数据的清理52.5 对简化数据逐行求差53 数据的主成分分析73.1 主成分分析概述
8、73.2 基本思想73.3 主成分分析的数学原理83.4 利用Matlab实现主成分分析103.4.1 主成分分析概述103.4.2 调用Matlab相关函数实现主成分分析113.5 主成分分析结果分析164 数据的分类194.1 聚类分析的概念194.2 聚类分析的数学原理204.2.1 关于衡量样本相似程度的统计量214.3 系统聚类法234.3.1 基本思想234.3.2 聚类模型的建立与求解234.3.3 系统聚类法的步骤254.3.4 系统聚类法的统计量255 基于Matlab的聚类分析285.1 数据的正规化285.2 采用凝聚的层次聚类法对数据进行分区285.3 分区结果285.
9、4 聚类分析小结296 分区结果模糊模型的建立306.1 模糊建模的基本介绍306.2 模糊控制器输入输出的确定306.3 基于MATLAB模糊逻辑工具箱建立模糊模型306.3.1 隶属度函数的建立306.3.2 模糊规则及决策方法366.4 模糊建模小结387 模型的验证与修正39结论41参 考 文 献42附录A主成分分析主成分系数44附录B聚类分析标准化数据46附录C聚类分析第三类处理结果48致谢51编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第1页 共1页引言随着经济的发展，人民生活水平的提高，人们对于啤酒的消费量日益增长，因此啤酒的生产量也剧增，增长幅度也逐年加大
10、，产量增长速度非常迅猛，由于国家GMP认证实施工作的进行，企业的生产成本明显上升，特别是车间的动力消耗居高不下，能耗分析已经成为过程自动化领域的重要研究方向之一。本文基于聚类模糊方法建立啤酒酿造车间生产能耗模型进而对生产过程进行能耗分析。采用主成分分析方法将过程数据经过标准化处理，从高维数据空间投影到低维特征空间，所得到的特征变量保留了原始数据的特征信息，摒弃了冗余信息，在数据量大、数据维数高、变量间具有相关性的连续过程中，实现生产数据的分析挖掘、精确计算，以便于进一步对数据进行聚类分析。聚类分析是直接比较样本中各指标(或样本)之间的“性质”，将性质相近的归为一类、性质差别较大的归为不同类。衡
11、量指标或样本间性质相近程度的统计量主要分为距离和相似系数两大类。复杂工业过程常常具有强非线性、不确定性、多变量、强耦合以及工况变化频繁等特点，动态特性难于用精确的数学模型描述。1绪论1.1 课题的研究背景及意义啤酒工业是国家社会经济发展的重要产业部门，啤酒企业耗能高是制约企业发展的主要因素。提高资源能源利用效率，实现环保与经济效益的双赢，是啤酒企业实现可持续发展的必由之路。随着经济的发展，人民生活水平的提高，人们对于啤酒的消费量日益增长，因此啤酒的生产量也剧增，增长幅度也逐年加大，产量从1991年的838kL飞速上升到2008年的4103kL（国家统计局，2009）。人均消费量也呈逐年增长的趋
12、势，1991年人均消费量为15L，到2008年已经上升到25.6L，已成为世界啤酒产销大国。与此同时，中国啤酒行业又存在着诸多问题，如生产技术及管理水平相对落后，能源消耗居高不下，化学耗氧量（GCD）产生量为36.25万吨，悬浮物质（SS）产生量为15.23万吨。为实现啤酒行业的可持续发展，针对中国啤酒生产实际情况开展对啤酒酿造车间的能耗分析的研究，对寻求啤酒行业“低耗、高产、少排放”的生态途径，推动循环产业发展具有重要现实意义。而由于国家GMP认证实施工作的进行，企业的生产成本明显上升，特别是车间的动力消耗居高不下，啤酒企业维持正常运行的主要能源是电和蒸汽，电靠外部电网输入，热能主要来自企业
13、内部的锅炉，锅炉的主要燃料是煤。啤酒企业主要耗电的工序有包装、制冷、空压、CO2回收、废水处理、空调以及各种泵、风机和电灯；啤酒企业主要热量消耗工序有：糖化、麦汁煮沸、CIP系统P杀菌、加热流体、洗瓶P洗桶、杀菌以及取暖。我国每生产一吨啤酒耗电50130kWh、耗煤60160kg。啤酒生产中能源的消耗占生产成本比重10%，因此如何降低GMP认证车间的能耗水平，进而提高产品在市场上的赢利空间和竞争力已成为企业迫切需要解决的问题，在啤酒生产过程中，寻找并应用节能降耗的方法和技术，不仅可以使企业自身受益，而且对社会的可持续发展将具有重要的作用。1.2 国内外研究现状目前，国内外一些学者和专家对钢铁、
14、冶金以及水泥行业的物能消耗研究较多，而食品行业的相关研究较少，少数仅限于奶制品等。因此对于啤酒酿造车间的能耗分析非常有必要。 1.3 研究内容鉴于上述问题的重要性，本文首先对原始数据进行预处理，然后采用主成分分析和聚类分析对生产过程中所采集的数据进行降维、分类，进而建立啤酒酿造车间能耗系统模型，并基于此模型来分析车间的工作状态及能耗水平。研究工作拟从以下几个方面开展：(1)原始数据的预处理；(2)数据的降维处理；(3)数据的分类方法；(4)建立能耗分析系统模糊模型。2 原始数据的预处理2.1 数据预处理的意义 现实世界中数据大体上都是不完整，不一致的脏数据，信息多且杂，并且易受噪声数据、空缺数
15、据和不一致性数据的侵扰，无法直接进行数据挖掘，或挖掘结果差强人意。为了提高挖掘结果的质量，使挖掘过程更有效、更容易，由些便产生了数据预处理技术。2.2 数据预处理的主要方法数据预处理有多种方法：数据清理，数据集成，数据变换，数据归约等。这些数据处理技术在数据挖掘之前使用，大大提高了数据挖掘模式的质量，降低实际挖掘所需要的时间。(1) 数据清理首先是处理空缺值，如：要分析某市场的销售和顾客数据，但顾客的income项没有记录，如何处理这类问题：忽略元组，忽略整条记录；人工填写空缺值，根据其它资料手工填写；使用一个全局常量填充空缺值，使所有income项记录都以一个常量(如：2000)填充；使用属性的平均值填充空缺值，取得其它记录中该属性的平均值进行填充；使用与给定元组属同一类的所有样本的平均值，与上面相类似；使用最可能的值填充空缺值，与上面相类似，然后是处理噪声数据；分箱：通过考察周围的值来平滑存储数据的值，有两种方法：按箱平均值平滑，箱中每一个值被箱中的平均值替换；按箱边界平滑，箱中的最大和最小值被视为箱边界，箱中的每一个值被最近的边
