检索结果-南通市图书馆

检索条件"主题词=化工故障诊断"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

复杂大规模化工过程分布式过程监测及故障诊断策略研究

复杂大规模化工过程分布式过程监测及故障诊断策略研究

引用

作者：宋玮北京化工大学

学位级别：硕士

石油化工行业在推进国民经济提升和社会持续发展方面发挥着重要作用,而保障化工过程安全运行是工业生产的首要任务。近年来,过程监测及故障诊断技术由于其在保障产品质量和生产安全方面的重要性而被各界广泛关注。但随着化工生产规模的... 详细信息

石油化工行业在推进国民经济提升和社会持续发展方面发挥着重要作用,而保障化工过程安全运行是工业生产的首要任务。近年来,过程监测及故障诊断技术由于其在保障产品质量和生产安全方面的重要性而被各界广泛关注。但随着化工生产规模的不断扩大,其工艺流程和逻辑控制策略等日趋复杂,基于全局模型的过程监测和故障诊断策略难以精准地反映实际运行状态。而基于多块策略的分布式过程监测和故障诊断策略由于其获取局部特征方面的优势,被广泛应用于复杂大规模化工过程。然而在实际应用中,在变量子块划分、子块模型建立、统一监测指标构建以及故障路径溯源等方面仍存在诸多问题,本文针对上述问题展开研究,具体研究内容如下:针对现有变量分块方法无法兼顾数据相关性和过程先验知识的问题,本文提出了一种创新的复合分块策略。首先根据工艺流程拓扑信息将变量初步划分为多个子块,然后通过计算变量之间的互信息值来确定变量间的相关性,并根据互信息计算结果,将在不同子块中与其他变量显著相关的变量作为重叠变量,同时分配到多个子块中得到最终分块结果。针对传统监测方法无法提取动态过程的缓慢变化特征并无法同时考虑局部特征和全局特征的问题,本研究在上述分块策略的基础上提出了一种基于多块慢特征分析和支持向量数据描述的过程监测策略。首先对每个子块建立慢特征分析模型并构建监测统计量,再利用支持向量数据描述将所有统计量融合为全局监测指标。本方法捕获了过程中的缓慢变化特征,并同时综合考虑了局部特征和全局特征。最后在田纳西-伊斯曼案例的多个故障和甲醇制烯烃案例中证明了该方法的优越性。最后以上述监测结果为基础开展故障诊断工作,针对传统故障诊断方法的局限性,提出了基于累计T2贡献率和时滞互信息分析的故障诊断策略。首先根据正常工况下变量在不同窗口长度的互信息值确定时滞分析窗口长度,再计算各子块累计贡献率以筛选故障相关变量。最后以正常数据互信息为阈值,根据时滞关系构建符号有向图,确定故障根本原因和传播路径。通过案例分析,证明本方法能准确定位故障根本原因,实现有效故障诊断。

关键词：分布式化工过程监测分块策略互信息慢特征分析化工故障诊断

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于注意力机制和卷积门控网络的故障诊断研究

基于注意力机制和卷积门控网络的故障诊断研究

引用

作者：白晓伟北京化工大学

学位级别：硕士

化工行业是国民经济的支柱产业,与人们的生活密切相关,化工行业虽然改善了人们的生活,但是同时也为人们的生活带来了不安全的因素,因此,保证化工生产的安全进行极为关键,而故障诊断就是提高化工安全性的关键。化工生产过程产生的数据具... 详细信息

化工行业是国民经济的支柱产业,与人们的生活密切相关,化工行业虽然改善了人们的生活,但是同时也为人们的生活带来了不安全的因素,因此,保证化工生产的安全进行极为关键,而故障诊断就是提高化工安全性的关键。化工生产过程产生的数据具有时序性、高维度和非线性的特点,并且存在着少数故障数据特征相似、各类故障数据样本不平衡的问题,传统的深度故障诊断方法难以高效地提取数据中隐藏的关键信息,从而导致诊断精度不足。因此,本文提出了两种基于注意力机制和卷积门控网络的深度学习方法,来对化工过程数据进行故障诊断,具体内容如下:(1)针对化工数据的复杂特性,以及部分故障存在特征相似的问题,本文提出了一种基于改进的注意力机制(IAM)和卷积门控循环单元(CGRU)的故障诊断方法——IAM-CGRU,通过滑动窗口划分子序列样本,再由一维卷积神经网络(1D-CNN)和双向门控循环单元(Bi-GRU)提取序列样本的高维局部特征和整体时序特征,并使用IAM方法来量化特征的重要程度,减少冗余信息的干扰。其中,IAM同时在故障数据的变量和时间这两个维度上使用了余弦相似度方法和加性方法来计算特征的注意力分数,并使用了log-softmax函数计算对应的分布向量,进一步增强了关键信息的影响力,并避免了数值溢出,增强了故障诊断的精度。(2)在实际的工业生产过程中,一些故障发生的概率并不一致,这就导致一些故障数据较为稀缺,如果直接将这类稀缺故障数据用于构建故障诊断模型,容易导致模型的泛化性能较差和准确率不足,使故障诊断难度加大。针对这一问题,本文提出了一种基于生成对抗网络(GAN)和IAM-CGRU的故障诊断方法(GAN-IAM-CGRU),通过格拉姆角场(GAF)方法对各类故障数据进行转换处理,再由GAN为少数类故障数据补充样本,通过在数据层面的数据增强方法来缓解数据不平衡的问题,进一步提高故障诊断效果。(3)最后,在田纳西-伊斯曼数据集上进行实验,对几种故障诊断方法进行验证和对比,实验结果表明:IAM-CGRU方法相比于传统的深度故障诊断方法,可以进一步量化数据特征的重要程度,能够更好地提取复杂过程数据的内部特征,获得更高的诊断精度;在数据处于不平衡状态时,GAN-IAM-CGRU方法可以有效地提高对小类样本的识别能力,增加故障诊断精度。

关键词：化工故障诊断注意力机制卷积门控网络生成对抗网络田纳西-伊斯曼过程

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：