【摘要】：現(xiàn)代化工生產(chǎn)一旦發(fā)生設(shè)備失效、控制器故障、人員誤操作等異常情況,就有可能引起整個系統(tǒng)發(fā)生動蕩,甚至?xí)斐蔀?zāi)難性事件的發(fā)生。因此,監(jiān)測化工過程異常狀態(tài)的劣化趨勢,及時識別異常工況原因,從源頭上治理和預(yù)防系統(tǒng)故障的發(fā)生,是保障化工過程安全生產(chǎn)的關(guān)鍵。本文利用相關(guān)性分析方法檢測及識別化工過程故障,結(jié)合符號有向圖SDG(Signed Directed Graph)模型搜尋故障傳播的潛在原因,提出了一種基于動態(tài)相關(guān)性Q-SDG分析的化工過程狀態(tài)識別方法。該方法通過挖掘系統(tǒng)深層次關(guān)聯(lián)特性,添加故障的記憶功能,達(dá)到了故障診斷的目的。遵循熱力學(xué)、守恒關(guān)系等是化工過程運行的前提,這使工藝變量之間呈現(xiàn)出復(fù)雜的關(guān)聯(lián)特性。所以在化工過程的故障發(fā)生時,變量間往往表現(xiàn)為信息傳遞的連鎖效應(yīng)。本文從全過程監(jiān)測角度出發(fā),結(jié)合動態(tài)工況與相似局部緊鄰結(jié)構(gòu)準(zhǔn)則探討變量間的相關(guān)性、聯(lián)動性規(guī)律。首先,選擇皮爾遜相關(guān)系數(shù)對初始變量集進行初步優(yōu)化。然后,基于PCA(Principal Component Analysis)貢獻度思想有效提取工藝特征機理信息,于多層相關(guān)系數(shù)集中選取大權(quán)重比例的關(guān)鍵變量。進而利用了馬爾可夫轉(zhuǎn)移原理,分析系統(tǒng)不同狀態(tài)的相關(guān)性規(guī)律重構(gòu)聚集權(quán)重系數(shù)Q,及時準(zhǔn)確地識別系統(tǒng)故障狀態(tài)前的過渡狀態(tài)。最后,利用SDG方法挖掘復(fù)雜系統(tǒng)的內(nèi)部信息傳遞過程,準(zhǔn)確定位各種異常狀態(tài)相容通路的故障源,并且結(jié)合聚集權(quán)重系數(shù)Q指標(biāo)實現(xiàn)故障的記憶診斷。TE工業(yè)案例應(yīng)用結(jié)果表明,基于動態(tài)相關(guān)性Q-SDG分析方法建模及診斷步驟較為簡潔,能有效提取工藝特征機理信息,快速定位故障狀態(tài),準(zhǔn)確得到故障源,具有良好的過程監(jiān)控性能。
【學(xué)位授予單位】：青島科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TQ050.7

【參考文獻】

相關(guān)期刊論文 前10條

1 胡婷婷;王帆;侍洪波;;基于變量概率信息的因子分析監(jiān)控方法[J];化工學(xué)報;2017年07期

2 邢立偉;;化工安全生產(chǎn)中存在的普遍問題及其對策研究[J];化工管理;2016年36期

3 梁慧婷;田文德;靳滿滿;項曙光;;精餾過程單變量擾動原因的智能反演[J];高�；瘜W(xué)工程學(xué)報;2016年06期

4 江偉;王振雷;王昕;;基于混合分塊DMICA-PCA的全流程過程監(jiān)控方法[J];化工學(xué)報;2017年02期

5 徐瑩;鄧曉剛;鐘娜;;基于ICA混合模型的多工況過程故障診斷方法[J];化工學(xué)報;2016年09期

6 耿志強;武開英;韓永明;;基于層次分析的FLANN神經(jīng)網(wǎng)絡(luò)研究及應(yīng)用[J];化工學(xué)報;2016年03期

7 李會云;;化工生產(chǎn)中安全運行的重要性[J];科技展望;2015年19期

8 王再英;白華寧;;基于相關(guān)系數(shù)的過程系統(tǒng)故障檢測與診斷方法[J];化工學(xué)報;2013年12期

9 肖應(yīng)旺;;基于軟測量的化工精餾過程推斷控制策略[J];控制工程;2012年02期

10 許X;王春芳;彭亞麗;朱明;;基于符號有向圖的汽車渦輪增壓系統(tǒng)故障診斷[J];汽車科技;2011年04期

相關(guān)博士學(xué)位論文 前1條

1 顏學(xué)峰;高維復(fù)雜模式識別的新方法[D];浙江大學(xué);2002年

本文編號：2806353