基于不平衡学习的集成极限学习机污水处理故障诊断

污水处理过程的故障诊断数据具有高度不平衡性,影响了故障诊断效果,尤其是降低故障类别的识别正确率,导致出水水质不达标、运行费用增高和环境二次污染等问题出现。据此提出一种基于加权极限学习机集成算法的污水处理故障诊断建模方法。该方法将不平衡分类评价指标G-mean引入以加权极限学习机为基分类器的AdaBoost集成分类模型,定义新的基分类器初始权值矩阵更新规则和集成权重计算公式,用于基分类器的迭代学习。由仿真实验结果可知,基于加权极限学习机集成算法的污水处理故障诊断模型,可有效提高分类性能G-mean值和整体分类精度,特别提高了故障类的识别正确率,验证了基于加权极限学习机的集成算法在不平衡性污水处理故障诊断问题上的有效性。     

塑料加工机械损伤的监测方法研究

针对当前塑料产品的加工质量较低,注射机的监测信号种类繁多、难以合理有效利用的问题,结合注射机工作过程中的信号特征,提出了一种塑料机械故障损伤的分类方法。通过主成分分析(PCA)方法对数据特征进行降维处理,采用K-means聚类法对注射机状态进行分类。实验结果验证了此方法对注射机故障分类的有效性,其正常运行、振动过载和温度过高的分类准确率分别达到91.2%、93.5%和90.4%。     

基于不平衡学习的集成极限学习机污水处理故障诊断

污水处理过程的故障诊断数据具有高度不平衡性,影响了故障诊断效果,尤其是降低故障类别的识别正确率,导致出水水质不达标、运行费用增高和环境二次污染等问题出现。据此提出一种基于加权极限学习机集成算法的污水处理故障诊断建模方法。该方法将不平衡分类评价指标G-mean引入以加权极限学习机为基分类器的Ada Boost集成分类模型,定义新的基分类器初始权值矩阵更新规则和集成权重计算公式,用于基分类器的迭代学习。由仿真实验结果可知,基于加权极限学习机集成算法的污水处理故障诊断模型,可有效提高分类性能G-mean值和整体分类精度,特别提高了故障类的识别正确率,验证了基于加权极限学习机的集成算法在不平衡性污水处理故障诊断问题上的有效性。     

基于主成分分析与支持向量机的热泵系统制冷剂泄漏识别研究

为了研究热泵系统制冷剂泄漏识别的数据挖掘理论方法和实验验证，首先建立空气源热泵系统制冷剂泄漏实验台，进行热泵系统正常工况、干扰工况、泄漏工况的实验参数测试；其次，采用主成分分析法对测试数据进行特征提取处理，采用支持向量机对数据进行分类识别，建立了用于热泵系统的制冷剂泄漏识别的主成分分析-支持向量机模型，在二分类和多分类模式下验证了模型的性能，并研究了泄漏速率和不同故障工况对模型的影响。采用RefliefF特征选择算法对原始特征参数进行筛选，简化了识别模型的特征参数。研究结果表明：对于空气源热泵热水系统，PCA-SVM泄漏识别模型在多种验证集中对泄漏工况的识别准确度达100%，缓慢泄漏的诊断识别性能弱于快速泄漏，同一模型在不同故障诊断识别中性能不同，对系统运行影响轻微的故障诊断识别性能弱于其他故障。RefliefF特征选择方法将原始41个系统特征参数精简至10个特征参数，参数筛选优化后的泄漏识别模型识别精度也维持在较高水平，优化的泄漏识别模型更利于实际应用。     

基于参数残差驱动贝叶斯网络的冷水机组故障诊断

应用于冷水机组的故障诊断技术对于降低建筑能耗，提高机组运行效率有着重要作用。为了进一步提高冷水机组故障诊断性能，同时考虑到特征参数残差蕴含更多故障信息，提出一种基于特征参数残差驱动贝叶斯网络(BN)的冷水机组故障诊断方法。首先，构建特征参数基准值模型，获得其基准值；然后使用基准值和其实际运行值之间的参数残差训练BN模型。以此达到充分利用参数残差蕴含故障信息，从而提高故障诊断性能的目的。使用实验数据对构建方法的有效性进行验证，与使用特征参数直接驱动BN的诊断模型相比，对冷水机组常见故障的诊断正确率最高提升了约22.51个百分点。此外，比较分析了三种参数基准值模型构建方法的性能，基于神经网络方法的基准值模型较其他两种基准值模型表现更优。     

基于聚类和模糊评价的空分变工况氮塞预警方法

针对空分装置变工况过程容易发生氮塞故障的问题,提出一种基于聚类和模糊综合评价的氮塞故障预警方法。首先,利用聚类方法将空分装置变工况过程划分为多个典型工况,然后分别建立各工况的模糊评价模型。在线预警时,通过聚类方法对系统工况进行识别,利用相应的模糊评价模型判断空分装置是否发生氮塞以及氮塞的严重程度,从而实现对氮塞故障的预警。利用某空分企业氮塞故障历史数据的验证结果表明,所提出的氮塞预警方法优于传统人工判断和主元分析方法,且预警提前量可达到实用化要求。     

基于自动特征工程的飞行器轴承故障诊断

针对飞行器轴承信号单一且噪声多、需要针对性特征以及需要高可解释性的问题,开发了涵盖具有自适应噪声的完全集合经验模态分解（CEEMDAN）、自动特征工程以及随机森林的故障诊断模型,模型核心为自动进行特征生成以及提取的特征工程。通过该特征工程能够根据不同对象的信号差异,自动提取出不同对象的有效特征,具备对象间的通用性,且该特征工程可根据样本量的不同调整有效特征的数量,丰富特征空间,具备灵活的可扩展性。验证表明,该涵盖自动特征工程的模型的故障分类准确率为95.32%,可较好地在大样本量下区分压缩机轴承上的不同故障。     

离子膜电解槽闪爆事故的分析

通过对离子膜电解槽停车泄料时发生的闪爆事故的分析，找出引起闪爆事故的主要原因是由漏入的氯气和氢气在A槽阳极室内达到爆炸极限后遇到尖端的放电造成的电火花所致。同时分析了A槽槽电压升高的原因，介绍了预防事故发生的措施。     

基于核函数的加权极限学习机污水处理在线故障诊断

污水生化处理中的运行故障会引起出水水质不达标、运行费用增高和环境二次污染等严重问题,需要及时准确地对运行故障进行诊断。考虑到污水处理过程运行状态数据的不平衡性造成故障诊断准确率下降,提出了一种基于核函数的加权极限学习机污水处理过程实时在线故障诊断方法。该方法以极限学习机为基础,采用加权的方式处理数据的不平衡特性,通过核函数的非线性映射来提高数据线性可分的程度。仿真实验证明,本文建立的污水处理在线故障诊断模型在线测试精度高,泛化性能好,模型在线更新速度快,能够比较好地满足准确性和实时性,实现对污水处理过程的在线故障诊断。     

基于核函数的加权极限学习机污水处理在线故障诊断

污水生化处理中的运行故障会引起出水水质不达标、运行费用增高和环境二次污染等严重问题,需要及时准确地对运行故障进行诊断。考虑到污水处理过程运行状态数据的不平衡性造成故障诊断准确率下降,提出了一种基于核函数的加权极限学习机污水处理过程实时在线故障诊断方法。该方法以极限学习机为基础,采用加权的方式处理数据的不平衡特性,通过核函数的非线性映射来提高数据线性可分的程度。仿真实验证明,本文建立的污水处理在线故障诊断模型在线测试精度高,泛化性能好,模型在线更新速度快,能够比较好地满足准确性和实时性,实现对污水处理过程的在线故障诊断。     

基于最小方差性能评估的阀门非线性检测方法研究

提出一种基于性能评估的阀门非线性检测方法,利用汽轮机日常运行数据,通过性能指标实时观测汽轮机阀门状态,对阀门故障及时预警,测试结果与电厂实际运行情况一致。     

基于Hopfield网络的时滞分析故障诊断策略

振荡是化工过程中常见的对全流程运行性能有显著影响的故障类型,仅基于数据幅值域知识的故障诊断方法对这一类故障诊断性能不佳。时滞分析基于数据信号时域知识,根据波形相关性分析变量之间因果关系,通过得到的因果模型确定故障完整传播路径,可进一步识别出扰动发生的根本原因。将Hopfield网络与时滞分析相结合,解决了时滞分析当变量数众多时,从变量对的因果关系难以得到故障传播路径的问题,并同时讨论了时滞分析数据窗选取、对称时滞确立等的原则,提升了故障传播路径建立的准确度,建立了基于时滞分析的完备的故障诊断策略,最后通过TE模型验证了方法的优越性。     

油气工程技术企业安全监管数字化及其应用

安全风险预警是石油企业安全管理的重要组成部分。基于预警理论和石油企业的生产特点,已建立了基于模糊综合评判技术的事故风险预警模型并根据这一模型,开发了生产安全预警系统。安全监督、安全管理者们将对陷阱和违法行为的基本数据进行分类,并同步分析和计算信息数据,从而获得公司各级风险值。当达到警告阈值时,系统将自动报警,该系统可以通过安全监督的数字化分析结果生成风险趋势图,为企业生产端和组织管理端(监管机构)提供有效的预警信息。相对于其他系统,相对完整的安全生产预警系统为企业的安全生产状态提供了重要的判断指标,实现了企业安全生产状态从定性到定量评价的过渡,取得了良好的现场应用效果。     

莱钢57m铸铁机分流槽长寿技术的研究与应用

莱钢57 m铸铁机自投产以来,经常出现分流槽烧穿漏铁事故,降低了分流槽的使用寿命,极大地影响了铸铁效率和铸铁过程的安全。因此,在生产实践中加强铸铁机分流槽的运行及维护管理,完善分流槽处理工艺,同时改进分流槽用耐火材料材质及浇注方     

基于粗糙集与规则的钻井井漏预警方法研究

钻井事故预警已成为钻井过程一个重要的研究课题,该文借用粗糙集理论所具有分析简约能力对具有随机性和不确定性采集到的钻井数据进行分析处理,再利用规则理论对粗糙集得到的规则进行分析处理,从而提出了一种基于粗糙集与规则的钻井井漏事故预警方法,通过仿真结果可知该方法是有效的。     

工业大数据技术在石化设备预警预测中的研究与实践

设备的安全稳定运行是石化企业实现安全稳定生产的重要因素。大机组等动设备结构复杂、故障形式多样,传统的以设备或测点为对象的监测技术应用难以满足不断增长的安全保障要求。特别是单一的参数指标不能全面体现设备故障特征,导致设备故障不能提前预警预测,即便出现异常也不能快速定位,亟需研究新的预警预测诊断技术,实现大机组等动设备异常状态的预警预测,异常状态下的快速分析定位。文章结合企业遇到的问题,基于工业大数据分析技术,提出了一种用于大机组等动设备运行状态预警预测的解决方案。通过采用数据驱动的建模方法建立设备运行状态特征模型,并通过历史数据进行学习训练,实现了基于大数据分析技术的运行状态的预警预测,并结合应用案例说明了该方案的实施效果。从应用实践情况看,该技术实施周期短、实用性强,可在一定程度上解决企业大机组等动设备运行管控中存在的难题。     

配电网馈线负荷特性预测及预警实现技术

为了掌握配电网馈线在负荷状态下的运行情况，采用聚类分析方法针对配电网馈线负荷特性进行预测，利用预警技术将配电网馈线中存在的故障区段进行报警处理，并采集序电流数据，该数据自身存在的故障标识有利于故障区段技术迅速定位，并及时切除故障馈线区段，考虑配电网馈线在运转过程中易出现可靠性降低问题，提出风险评估及预警方法，为电网系统的未来发展提供有效手段。     

基于SVDD的冷水机组传感器故障检测及效率分析

传感器是制冷空调系统的重要组成部分,起着测量数据和监控状态的作用。传感器故障,尤其是输出偏差会引起测量值不准,影响控制策略,导致系统能耗增加。依据模式识别理论,故障检测可处理为一种单分类问题。据此采用一种单分类模式识别工具——支持向量数据描述(SVDD),针对冷水机组进行了偏差故障条件下的传感器故障检测工作。收集冷水机组实测正常运行数据,基于训练集建立SVDD模型,进行冷水机组传感器故障检测;在测试集中引入不同幅值水平的偏差故障,分析检测效率。结果表明:基于SVDD的冷水机组传感器故障检测效果明显,但对于不同传感器的不同幅值偏差故障,故障识别程度并不一致。     

基于大数据的矿山安全预警信息系统研究

为了减少矿山事故,实现安全生产,通过研究事故发生的原因,利用大数据技术开发了矿山安全预警信息系统。采用分布式文件系统HDFS存储数据,利用MapReduce计算框架对数据进行分析和处理。该系统分为3大部分,数据采集、数据处理和预警信息输出。大数据技术为预警系统提供了有效的技术支持,增强了数据处理能力,提高了企业的安全生产能力。     

CP冷却机在生产中的应用

BMH公司生产的CP篦冷机是该公司开发的第3代篦冷机,配有先进的槽型阻力篦板、独特的搭接结构和抗漏料侧部篦板,并采用了空心粱充气结构、辊破系统、液压传动系统和简单灵活的操作控制系统等新技术和新结构。该冷却机在华新水泥股份有限公司＃5窑的使用中,表现出技术性能先进、设备运行稳定、冷却效果好等优势,降低了篦板弯曲变形、减少了漏料,并大大降低了“红河”和“堆雪人”等事故的发生。