论文部分内容阅读
在化工生产中应用故障诊断技术为现场操作人员提供决策支持,确保生产过程稳定安全运行,一直是相关研究人员和工程师们关注的重要课题之一。由于近年来,化工过程自动化程度的提高,为化工过程积累了海量的工业过程历史数据。海量历史数据的存在,为基于过程历史数据的故障诊断方法的研究提供了有利的保障。为此,本文以化工生产过程的历史数据为基础,研究基于过程历史数据的化工过程故障诊断方法与技术。
本文首先介绍了现代化工生产的特点,由其特点说明对化工生产过程进行故障诊断的重要意义。然后对众多故障诊断方法进行文献评述,并通过文献资料阐述基于过程历史数据的故障诊断方法将是化工过程故障诊断的应用最为有效的方法之一。最后,本文针对某石化公司重质润滑油生产装置,提出了一种基于过程历史数据的故障诊断方法,详细研究了该方法的两个关键问题--特征提取和特征分类。
基于过程历史数据故障诊断中的特征提取方法主要包括主元分析(principalcomponent analysis,PCA)、独立元分析(independent component analysis,ICA)、核主元分析(kernel principal component analysis,KPCA)和核独立元分析(kernel independentcomponent analysis,KICA)等方法；而特征分类方法主要有支持向量机(Support VectorMachine,SVM)等方法,SVM能将一个线性不可分的空间映射到一个高维线性可分的空间,因此可较好地解决了非线性、高维数、局部极小值等问题。
为得到有效可行的特征提取方法,本文分别对上述四种特征提取方法进行研究,并结合SVM进行特征分类。实验结果表明,基于核函数的特征提取方法具有较好的效果,但是应用中利用该方法建立的特征提取模型过于庞大。针对特征提取模型过于庞大的问题,本文提出基于一种分块特征样本选择和基于核的特征提取相结合的方法。为验证所提出方法的有效性,本文采用工业过程实际数据为例进行研究,研究结果表明该方法较好的解决基于核函数特征提取方法中遇到的问题,且该方法具有较好的特征提取结果。最后,以润滑油糠醛精制的抽出液汽提子系统的故障诊断为例,研究本文提出的基于过程历史数据故障诊断方法的工业应用。