【摘要】：為保證化工裝置的安全運行,需要對化工裝置進行故障識別和診斷,盡早地發(fā)現(xiàn)設(shè)備的故障征兆和劣化趨勢,以便采取針對性的措施消除事故隱患。單一故障診斷方法面對復雜的化工過程難以準確定位和分析故障原因,診斷精度和速度都不易滿足工業(yè)要求。因此,多方法結(jié)合實現(xiàn)對化工裝置的故障診斷十分必要。本文以田納西-伊斯曼(Tennessee Eastman,TE)過程和某工業(yè)催化裂化仿真流程為例,將長短期記憶網(wǎng)絡(luò)(Long Short Term Memory Network,LSTM)和動態(tài)模型相結(jié)合,建立了一種數(shù)據(jù)與模型混合的故障診斷方法,實現(xiàn)了對化工裝置的故障識別和故障參數(shù)分析�；ぱb置是一種復雜的非線性動態(tài)系統(tǒng),變量多,特征變量難以選擇。本文首先結(jié)合物料衡算和能量衡算等方程,建立了化工裝置的動態(tài)模擬系統(tǒng)。在裝置當前狀態(tài)偏離正常狀態(tài)時,開始故障診斷。首先,利用非線性降維的t-分布鄰域嵌入(t-distributed Stochastic Neighbor Embedding,t-SNE)算法對多個變量組成的高維數(shù)據(jù)集進行降維。將降維后的數(shù)據(jù)劃分為訓練集、驗證集和測試集,輸入到LSTM中進行訓練和測試,實現(xiàn)故障的識別。然后,結(jié)合最小二乘法(Least Squares,LSQ)實現(xiàn)對異常狀態(tài)關(guān)鍵故障參數(shù)的反演,并通過偏最小二乘法(Partial Least Squares,PLS)擬合系統(tǒng)輸出和故障參數(shù)之間的關(guān)系,直接計算并分析故障參數(shù)。因為PLS無需迭代計算,所以用PLS替代LSQ,可以加快運算速度,節(jié)省運算時間。應(yīng)用結(jié)果表明,該混合方法可以準確地識別故障和分析故障參數(shù),實現(xiàn)故障原因的定位和參數(shù)發(fā)展趨勢的分析。具體地,在TE過程9種故障的5次重復識別試驗中,故障識別準確率最高達到了97.6%,平均準確率為94%,說明LSTM網(wǎng)絡(luò)可以對TE過程的故障狀態(tài)進行高精度識別。以故障8為例,經(jīng)過優(yōu)化后的反演方法,在分析故障參數(shù)時,函數(shù)估計數(shù)減少了92.31%,運行速度提高了約13倍,證明了該方法的有效性。
【學位授予單位】：青島科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TQ050.7

【參考文獻】

相關(guān)期刊論文 前8條

1 王康成;尚超;柯文思;江永亨;黃德先;;化工過程深度神經(jīng)網(wǎng)絡(luò)軟測量的結(jié)構(gòu)與參數(shù)自動調(diào)整方法[J];化工學報;2018年03期

2 王功明;李文靜;喬俊飛;;基于PLSR自適應(yīng)深度信念網(wǎng)絡(luò)的出水總磷預測[J];化工學報;2017年05期

3 王琳琳;盧玫;黃鑒;;基于最小二乘法預測的導熱反問題求解[J];化工學報;2016年S1期

4 杜品圣;;回歸“工業(yè)4.0”的本源,駛向智能制造的快車道[J];自動化儀表;2016年06期

5 李巍華;單外平;曾雪瓊;;基于深度信念網(wǎng)絡(luò)的軸承故障分類識別[J];振動工程學報;2016年02期

6 單外平;曾雪瓊;;基于深度信念網(wǎng)絡(luò)的信號重構(gòu)與軸承故障識別[J];電子設(shè)計工程;2016年04期

7 趙勁松;李元;邱彤;;一種基于小波變換與神經(jīng)網(wǎng)絡(luò)的傳感器故障診斷方法[J];清華大學學報(自然科學版);2013年02期

8 周華;李秀喜;錢宇;;石油化工過程安全技術(shù)研究進展[J];化工進展;2008年10期

本文編號：2720868