检索结果-南通市图书馆

基于DA-CycleGAN的化工过程多工况故障诊断方法

在线全文

学校读者我要写书评

暂无评论

过程工程学报 2024年第5期24卷 618-626页

作者：陈文静代长春党亚固戴一阳吉旭四川大学化学工程学院四川成都610065 四川中腾能源科技有限公司四川遂宁629300

化工生产过程中可能会存在着多种运行工况。一方面,当生产工况变化时,故障诊断模型的性能会恶化。另一方面,由于故障是小概率事件,因此在新工况下只能获取到正常运行数据。为解决这些问题,提出一种基于二维循环一致性生成对抗网络(Cycle... 详细信息

化工生产过程中可能会存在着多种运行工况。一方面,当生产工况变化时,故障诊断模型的性能会恶化。另一方面,由于故障是小概率事件,因此在新工况下只能获取到正常运行数据。为解决这些问题,提出一种基于二维循环一致性生成对抗网络(Cycle-Consistent Generative Adversarial Networks,Cycle GAN)的多工况故障诊断方法。该方法首先利用二维Cycle GAN捕获历史工况下各类故障的时空域特征,并将这些特征添加到新工况的正常数据中,用以构建新工况下的伪故障数据集。其次,使用领域自适应方法减少真实故障数据与生成数据间的分布差异,使故障知识更好地迁移到新工况中。利用田纳西-伊斯曼(TE)过程的十二个变工况故障诊断任务对所提算法进行性能测试,实验结果表明,该算法相比于直接利用历史工况下故障数据建模能提高平均故障诊断率3%以上,能有效提高模型在新工况下的故障诊断性能。

关键词：故障诊断迁移学习循环一致性生成对抗网络领域自适应

面向实际化工过程故障诊断的强化深度卷积神经网络模型构建与应用

在线全文

学校读者我要写书评

暂无评论

化工进展 2024年第9期43卷 4833-4844页

作者：张佳鑫张淼戴一阳董立春重庆大学化学化工学院重庆400044 湘潭大学材料科学与工程学院湘潭湖南411105 四川大学化学工程学院成都四川600065

基于数据驱动的故障诊断技术可以帮助操作人员及时有效发现和检测异常情况,是当前工业与大数据融合的热点领域之一。深度卷积神经网络(deep convolutional neural networks,DCNN)是最常用的基于数据驱动的故障诊断模型,但其激活过程存... 详细信息

基于数据驱动的故障诊断技术可以帮助操作人员及时有效发现和检测异常情况,是当前工业与大数据融合的热点领域之一。深度卷积神经网络(deep convolutional neural networks,DCNN)是最常用的基于数据驱动的故障诊断模型,但其激活过程存在正负值计算不匹配以及信息流通效率低导致的参数冗余问题。本文提出一种基于最大平滑单元(maximum smoothing unit,MSF)函数的新激活机制克服传统激活函数的缺点,并且引入注意力机制(attention mechanism)结合门控循环单元(gated recurrent unit,GRU)提升DCNN的信息流通效率克服参数冗余问题,以综合提升传统DCNN模型的故障诊断性能。强化深度卷积神经网络(enhanced deep convolutional neural networks,EDCNN)的现有模型表现出显著提高的故障诊断性能,这在工业致动器控制系统和工业酸性气体吸收过程中的应用得到了验证。两个过程的平均故障诊断率均超过99.0%。

关键词：故障诊断强化深度卷积神经网络过程控制系统工程激活函数

同方期刊数据库博看期刊

Attention-based long short-term memory fully convolutional network for chemical process fault diagnosis

在线全文

学校读者我要写书评

暂无评论

Chinese Journal of Chemical Engineering 2023年第4期56卷 1-14页

作者： Shanwei Xiong Li Zhou yiyang dai Xu Ji School of Chemical Engineering Sichuan UniversityChengdu 610065China

A correct and timely fault diagnosis is important for improving the safety and reliability of chemical processes. With the advancement of big data technology, data-driven fault diagnosis methods are being extensively used and still have considerable potential. In recent years, methods based on deep neural networks have made significant breakthroughs, and fault diagnosis methods for industrial processes based on deep learning have attracted considerable research attention. Therefore, we propose a fusion deeplearning algorithm based on a fully convolutional neural network(FCN) to extract features and build models to correctly diagnose all types of faults. We use long short-term memory(LSTM) units to expand our proposed FCN so that our proposed deep learning model can better extract the time-domain features of chemical process data. We also introduce the attention mechanism into the model, aimed at highlighting the importance of features, which is significant for the fault diagnosis of chemical processes with many features. When applied to the benchmark Tennessee Eastman process, our proposed model exhibits impressive performance, demonstrating the effectiveness of the attention-based LSTM FCN in chemical process fault diagnosis.

关键词： Safety Fault diagnosis Process systems Long short-term memory Attention mechanism Neural networks

循环肿瘤DNA在胃癌和结直肠癌早期诊断中的应用进展

在线全文

学校读者我要写书评

暂无评论

现代肿瘤医学 2024年第15期32卷 2915-2920页

作者：单逸凡戴一扬浙江大学医学院附属第四医院浙江金华322000

癌症威胁着人类健康,全球范围内胃癌和结直肠癌仍是癌症相关死亡的主要原因之一。早期诊断对提高胃癌和结直肠癌的生存率尤为重要,但目前的临床筛查手段都具有一定的局限性。近来液体活检(fluid biopsy)得到了研究者的广泛关注,其中循... 详细信息

癌症威胁着人类健康,全球范围内胃癌和结直肠癌仍是癌症相关死亡的主要原因之一。早期诊断对提高胃癌和结直肠癌的生存率尤为重要,但目前的临床筛查手段都具有一定的局限性。近来液体活检(fluid biopsy)得到了研究者的广泛关注,其中循环肿瘤DNA(circulating tumor DNA,ctDNA)是体液内肿瘤来源的游离DNA片段,携带肿瘤相关遗传信息,目前已有相关研究表明ctDNA检测在胃癌和结直肠癌的早期诊断中具有特异性。该文主要就ctDNA及其在胃癌和结直肠癌早期诊断中的应用进展予以综述。

关键词：胃癌结直肠癌液体活检循环肿瘤DNA 诊断

Cycle temporal algorithm-based multivariate statistical methods for fault diagnosis in chemical processes

在线全文

学校读者我要写书评

暂无评论

Chinese Journal of Chemical Engineering 2022年第7期35卷 54-70页

作者： Jiaxin Zhang Wenjia Luo yiyang dai Yuman Yao School of Chemistry and Chemical Engineering Southwest Petroleum UniversityChengdu 610500China School of Chemical Engineering Sichuan UniversityChengdu 610065China

Multivariate statistical process monitoring methods are often used in chemical process fault *** this article,(I)the cycle temporal algorithm(CTA)combined with the dynamic kernel principal component analysis(DKPCA)and the multiway dynamic kernel principal component analysis(MDKPCA)fault detection algorithms are proposed,which are used for continuous and batch process fault detections,*** addition,(II)a fault variable identification model based on reconstructed-based contribution(RBC)model that paves the way for determining the cause of the fault are *** proposed fault diagnosis model was applied to Tennessee Eastman(TE)process and penicillin fermentation process for fault *** compare with other fault diagnosis *** results show that the proposed method has better detection effects than other ***,the reconstruction-based contribution(RBC)model method is used to accurately locate the root cause of the fault and determine the fault path.

关键词： Cycle temporal algorithm Fault diagnosis Dynamic kernel principal component analysis Multiway dynamic kernel principal component analysis Reconstruction-based contribution

适用可再生能源不确定特性的合成氨多稳态柔性工艺技术

在线全文

学校读者我要写书评

暂无评论

洁净煤技术 2024年第2期30卷 23-35页

作者：吉旭林今聂李红周利袁绍军张欢贺革戴一阳四川大学化学工程学院清华大学电机工程与应用电子技术系清华四川能源互联网研究院中国成达工程有限公司清云智通(成都)科技有限公司

双碳背景下，风光可再生能源发电是能源发展的重要方向，“绿氢”由于其长周期存储和零碳特征，可以有效解决风光电力消纳的难题，有望与电能一同成为未来能源体系的两大支柱。但是由于氢气自身特性和氢脆造成的材料瓶颈，“绿氢”发展... 详细信息

双碳背景下，风光可再生能源发电是能源发展的重要方向，“绿氢”由于其长周期存储和零碳特征，可以有效解决风光电力消纳的难题，有望与电能一同成为未来能源体系的两大支柱。但是由于氢气自身特性和氢脆造成的材料瓶颈，“绿氢”发展遇到制储运多环节安全性与经济性挑战。绿电制氢制氨的“电制绿氨”路径被认为是解决“绿电”“绿氢”技术经济困局的重要途径之一。针对风光资源的不确定性，分析了基于合成氨“哈-博”工艺多种解决方案的优劣，提出了多稳态柔性“电制绿氨”工艺模式以解决“源网氢氨”复杂技术特征耦合下的设计、装置和运行问题；研究了多稳态柔性“电制绿氨”工艺的系统性技术架构、整定经济运行负荷与运行周期的最优化方法；开发了电氢氨一体化数字仿真模型，计及电力约束、资源波动、氢氨需求、系统运行效率和可靠性等因素，对全场景、全流程下的“电制绿氨”进行协同优化，形成了一套面向动态运行的绿电耦合化工的设计方法；研究了催化剂结构性能调优与合成塔内件结构的优化方法，开发了复杂变工况条件的催化剂宏观动力学模型，以及电氢氨一体化协同调度与智能控制技术。多稳态柔性“电制绿氨”工艺实现了合成氨经济运行负荷在30%～110%,负荷调节速率在0.5～1.0%/min,支持日、班，及班内多时域负荷调节要求，30%～110%负荷运行下单位合成氨综合能耗均优于GB 21344—2015《合成氨单位产品能源消耗限额》的标杆值。

关键词：可再生能源氢能合成氨多稳态柔性氢氨一体化安全性

CFD-DEM-IBM方法探究流化床倾斜挡板内构件受力特性

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

化工学报 2024年第1期75卷 255-267页

作者：赵碧丹代伊杨王军武张永民中国科学院过程工程研究所多相复杂系统国家重点实验室北京100190 中国科学院大学化学工程学院北京100049 中国石油大学(北京)重质油国家重点实验室北京102249

在密相床层内安装内构件可显著改善工业流化床的流化质量、强化气固传质和提高化学反应效率。由于长时间受气体和颗粒的挤压和冲击,流化床内构件可能会发生变形或断裂。为实现流化床内构件设计的科学性,确保其长周期可靠性,需要明确其... 详细信息

在密相床层内安装内构件可显著改善工业流化床的流化质量、强化气固传质和提高化学反应效率。由于长时间受气体和颗粒的挤压和冲击,流化床内构件可能会发生变形或断裂。为实现流化床内构件设计的科学性,确保其长周期可靠性,需要明确其受力机理与不同操作条件下受力特性。利用粗粒化CFD-DEM-IBM方法,实现了利用笛卡儿网格模拟流化床中倾斜挡板内构件受力特性的定量模拟,该方法拓展原有挡板应力统计方法,获得了不同倾斜角度对挡板所受应力的定量影响规律。模拟所得挡板受力随时间的演化曲线与实验报道较为一致,在流化床启动阶段会出现较大的峰值,同时成功复现在启动阶段的峰值受力总体与挡板在水平面上的投影面积成正比。模拟结果显示,在启动阶段,挡板受力中颗粒挤压作用力占主导,但在流化阶段,除颗粒作用力达到极大值外的大部分时间中挡板受到的气相压差力要大于颗粒作用力。当挡板倾斜角度较小时,挡板受力较大但抑制床内返混效果较好,因此在工业流化床内构件设计中应兼顾强化传递及长周期可靠性的需求,当挡板倾斜角度较小时应选择强度大的挡板材料。

关键词：气泡流化床数值模拟挡板内构件固相应力

维普期刊数据库博看期刊

用于蒸汽裂解产物成分预测的集成迁移学习框架

在线全文

学校读者我要写书评

暂无评论

化工进展 2024年第5期43卷 2880-2889页

作者：郑可欣江雨欣毕可鑫赵祺铭陈少臣王冰冰任俊宇吉旭邱彤戴一阳四川大学化学工程学院四川成都610065 帝国理工化学工程学院英国伦敦SW72AZ 清华大学化学工程系北京100084

回顾了蒸汽裂解过程建模的方法,阐述了工业实际情况中面临的数据匮乏问题。面对石油化工行业大量的小数据集建模需求,充分利用历史生产数据,提出了一种集成迁移学习框架。首先,利用充足的数据在特定工况下建立了基本的深度学习模型。然... 详细信息

回顾了蒸汽裂解过程建模的方法,阐述了工业实际情况中面临的数据匮乏问题。面对石油化工行业大量的小数据集建模需求,充分利用历史生产数据,提出了一种集成迁移学习框架。首先,利用充足的数据在特定工况下建立了基本的深度学习模型。然后,利用小数据集将迁移学习技术应用于新的工况,源域的专家知识通过基于参数的方法转移到目标领域。最后,引入集成学习来整合获得的迁移学习模型,从而提高性能。在几个实际案例上进行实践,研究了该模型框架的性能。为了更好地理解模型,还进一步实施了层可迁移性分析和SHapley Additive exPlanation(SHAP)特征重要性分析。结果说明该方法训练出的模型具有良好的准确性、稳定性、计算效率和可解释性,可以满足工业需求。

关键词：模型迁移学习集成学习算法模型可解释性石油预测神经网络

Extraction and analysis of risk factors from Chinese chemical accident reports

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

Chinese Journal of Chemical Engineering 2023年第9期61卷 68-81页

作者： Xi Luo Xiayuan Feng Xu Ji Yagu Dang Li Zhou Kexin Bi yiyang dai School of Chemical Engineering Sichuan UniversityChengdu 610065China

Accidents in chemical production usually result in fatal injury,economic loss and negative social *** accident reports which record past accident information,contain a large amount of expert ***,manually finding out the key factors causing accidents needs reading and analyzing of numerous accident reports,which is time-consuming and labor ***,in this paper,a semiautomatic method based on natural language process(NLP)technology is developed to construct a knowledge graph of chemical ***,we build a named entity recognition(NER)model using SoftLexicon(simplify the usage of lexicon)+BERT-Transformer-CRF(conditional random field)to automatically extract the accident information and risk *** risk factors leading to accident in chemical accident reports are divided into five categories:human,machine,material,management,and *** analysis of the extraction results of different chemical industries and different accident types,corresponding accident prevention suggestions are ***,based on the definition of classes and hierarchies of information in chemical accident reports,the seven-step method developed at Stanford University is used to construct the ontology-based chemical accident knowledge description ***,the ontology knowledge description model is imported into the graph database Neo4j,and the knowledge graph is constructed to realize the structu red storage of chemical accident *** the case of information extraction from 290 Chinese chemical accident reports,SoftLexicon+BERT-Transformer-CRF shows the best extraction performance among nine experimental *** that the method developed in the current work can be a promising tool in obtaining the factors causing accidents,which contributes to intelligent accident analysis and auxiliary accident prevention.

关键词： Chemical processes Chemical process safety Natural language process Knowledge graph Neural networks Algorithm