基于ICA-PCA的化工流程仪表故障诊断

传统的多元统计过程控制(MSPC)的故障诊断方法要求观测变量数据服从高斯分布,然而实际化工流程中的仪表数据中难以满足这一要求。针对这一问题,提出在仪表数据中提取分离出非高斯信息和高斯信息,并分别利用独立元分析法和主元分析法建立不同的故障诊断模型。在检测到发生故障后,通过改进的贡献度算法定位出发生故障的仪表。通过对Tennessee Eastman(TE)过程数据进行仿真研究,验证了ICA-PCA故障诊断法在化工流程仪表不同故障诊断中的有效性。     

基于虚拟现实技术的林区交互系统研究与实现

林木场景复杂的地理地形特点和林木本身复杂的结构,使得基于林木场景的实时虚拟交互漫游在可视化的基础上对系统提出了更高的要求.在针对问题研究的基础上,提出了一种基于软件实现的林区虚拟交瓦系统的设计方法,即利用三维建模软件3ds max来进行三维视景模拟,采用虚拟交瓦平台软件Virtools进行场景驱动.通过利用软件自带的一些功能和应用技巧,可以最大限度发挥软件的优化作用来解决真实感与实时交瓦的矛盾.介绍了系统实现的框架和技术流程,并对实现过程中的场景建模技术、交互设计中的图形化设计方法以及场景优化技术做了深入阐述.经过鹫峰林区的应用,验证方法可行.     

基于HYSYS的催化重整流程模拟及其应用

选取催化重整18集总31反应集总动力学模型,以流程模拟软件HYSYS为工具,建立了催化重整过程稳态模型。将模型参数估计问题转化为优化问题,在MATLAB中使用ActiveX技术调用HYSYS模型,利用Marquardt算法对模型进行参数估计,并利用工业数据对模型进行了验证。基于HYSYS稳态模型对催化重整过程进行了灵敏度分析,得出操作参数、进料性质和产品指标之间的关系,仿真结果与理论分析一致,从而能够对催化重整过程的监控和优化提供指导。     

基于虚拟手的人机交互关键技术

基于虚拟手的人机交互技术是虚拟现实中的研究热点。对其中的关键技术进行了研究,采用多边形网格建模方法,建立了虚拟手的逼真几何模型;基于Virtools平台开发了数据手套的数据采集模块,提出使用基于初始值的数据转换方法,解决了开始运动时的跳变问题,同时对手指的外展运动,使用约束值方法进行处理,提高了虚拟手与真实人手匹配一致性;最后,针对虚拟手与虚拟物体的操作交互,提出了一种基于有效阈值角度的抓取算法。通过Virtools平台进行验证,实验结果表明:虚拟手模型逼真度高,手型变化自然;同时实现了虚拟手对虚拟物体的操作交互,具有很强的实用性。     

基于支持向量机的模拟电路故障诊断研究

针对模拟电路的故障诊断问题,详细介绍了支持向量机算法,由于它在非线性映射、小样本学习方面的独特优势,故将它引用到模拟电路的故障诊断过程中.并提出了一种基于支持向量机的诊断方法,该算法能够对被测电路的故障进行有效并且精确地分类.以折线逼近平方曲线的近似测量电路为例,设计了基于支持向量机的模拟电路故障诊断系统.以实际测试数据作为训练样本进行学习训练后,对其它实际测量数据进行诊断,其结果正确,验证了算法的有效性.     

基于网络的化工过程故障诊断平台

为了研究化工系统的安全问题，必须建立化工诊断的系统平台，实现安全评价、故障诊断等。本文针对无水乙醇制备工艺，建立基于网络的化工过程故障诊断平台，着重介绍其整体框架、数据结构以及通信、操作界面等模块及其相互关系。应用结果表明，本平台性能良好，可以满足化工安全研究的需要。     

基于重构技术工业故障诊断OPC数据平台的设计

当今日益飞速发展的自动化控制技术使得工厂的自动化程度越来越高,然而带来的问题就是一旦检测设备发生故障,会带来控制系统的崩溃,轻则带来经济损失重则造成工业事故.本文就工业故障诊断技术利用OPC(OLE for Processing Control)技术设计1种容错控制数据平台来解决这一问题.通过OPC服务获得工业现场数据,利用故障诊断技术对工业数据进行诊断,检测辨识故障传感器,隔离故障传感器,采用已知数据回归法(Known Data Regression)重构故障数据,作为上层控制软件的输入从而可以使控制系统稳定运行,故障监控软件给操作人员发出检修信号.实验室仿真结果表明该平台可以稳定运行,这为故障诊断和容错技术实际工程应用奠定了基础.     

虚拟装配技术在化工仿真培训系统中的应用研究

随着计算机仿真技术的发展,虚拟现实技术与化工流程视景仿真及化工流程模拟技术的结合引起了科研工作者的高度关注,国内外都在这一领域开展了广泛的研究,但是该技术的应用通常针对的都是某一固定的化工流程,操作人员无法根据自己的需要动态搭建化工流程,因而将虚拟装配技术与化工仿真相结合,具有重大的现实意义。通过基于虚拟装配技术的化工仿真系统的开发,实现了化工流程的动态搭建与拆卸,在数字化化工厂的设计建设方面将大有可为,为该技术在化工领域的进一步推广进行了有力的探索。由于三维工艺过程虚拟装配仿真系统场景的直观性和沉浸性使操作者对工艺过程产生较强的理性认识,并通过模拟操作掌握工艺流程和技术要点。可为化学品尤其是高危化学品的生产研究全过程开辟新的技术途径并提供决策支持,降低化工过程研究的人力、物力、财力,尤其是降低新产品的开发风险。     

化工虚拟装配仿真培训系统的设计

结合化学工程领域研究、培训、应急演练的难点和特点,将面向对象的仿真方法与虚拟装配技术相结合,在设备端口对齐和设备装配的基础之上实现了化工流程的动态搭建与拆卸。由于三维工艺过程虚拟装配仿真系统场景的直观性和沉浸性使该使操作者对工艺过程产生较强的理性认识,并通过模拟操作掌握工艺流程和技术要点。对化工流程的动态搭建、实时仿真模拟进行了探讨和应用。该系统可有效提高相关工作的开展效率和质量并为优化、改进工艺过程和数字化化工厂的建设提供技术保障和决策支持。为该技术在化工领域的进一步推广进行了有力的探索。     

基于虚拟SoC平台的IP正交激励验证方法

针对传统的IP验证方法中模块级验证平台与激励发生机制效率较低且难以重用的问题,提出一种基于虚拟SoC平台的正交激励验证方法,以优化IP验证流程.通过高层抽象建模,对传统IP验证平台进行扩展,构建包括系统级功能模型与外设行为模型在内的IP验证虚拟SoC平台;基于此平台提出通信与计算分离的正交化激励映射,并分别优化IP通信接口与逻辑功能验证用例生成流程.多个IP的功能验证实例结果表明,该方法可显著地提高IP验证重用性与验证效率,降低验证复杂度.     

基于规范变量残差的化工过程微小故障检测与诊断

微小故障因其幅值低而易被噪声和过程扰动所掩盖,并且会随时间慢慢演变成过程中的严重故障.因此,微小故障的检测和诊断变得越来越重要.为了更有效地监测和诊断微小故障,提出了基于规范变量残差的化工过程微小故障检测和诊断方法.首先,对Hankel矩阵执行奇异值分解来获得主元和残差空间并根据过去和未来数据的差异,求得两个不同的规范变量残差d_1, d_2.其次,考虑数据的时间序列特性,提出了基于规范变量残差的两个加权平均统计量W_(D1), W_(D2)及其控制限,进行故障检测;然后,计算出各个统计量的归一化贡献并绘制二维贡献图,进行故障诊断.最后,在连续搅拌釜式反应器(CSTR)过程中进行两种微小故障的应用研究.结果表明,与传统的统计量T~2,Q以及规范变量差异分析(CVDA)中统计量D相比,基于规范变量残差的加权平均统计量W_(D1), W_(D2)不仅能够及时检测到微小故障,而且在故障检测率和诊断率方面,均有不同程度的提高.     

An Incremental Model Transfer Method for Complex Process Fault Diagnosis

Fault diagnosis is an important measure to ensure the safety of production, and all kinds of fault diagnosis methods are of importance in actual production process. However, the complexity and uncertainty of production process often lead to the changes of data distribution and the emergence of new fault classes, and the number of the new fault classes is unpredictable. The reconstruction of the fault diagnosis model and the identification of new fault classes have become core issues under the circumstances. This paper presents a fault diagnosis method based on model transfer learning and the main contributions of the paper are as follows: 1) An incremental model transfer fault diagnosis method is proposed to reconstruct the new process diagnosis model. 2) Breaking the limit of existing method that the new process can only have one more class of faults than the old process, this method can identify M faults more in the new process with the thought of incremental learning. 3) The method offers a solution to a series of problems caused by the increase of fault classes. Experiments based on Tennessee-Eastman process and ore grinding classification process demonstrate the effectiveness and the feasibility of the method.      

Sliding mode observers for detection and reconstruction of sensor faults

This paper proposes two methods for detecting and reconstructing sensor faults using sliding mode observers. In both methods, fictitious systems are introduced in which the original sensor fault appears as an actuator fault. The original sensor faults are then reconstructed using a ‘secondary’ sliding mode observer. For both methods, there are certain conditions which must be satisfied for successful fault detection and reconstruction. The methods are demonstrated using a chemical process example.     

Modeling and analysis of fault-tolerant systems for machining operations based on Petri nets

This paper introduces a methodology for modeling and analyzing fault-tolerant manufacturing systems that not only optimizes normal productive processes, but also performs detection and treatment of faults. This approach is based on the hierarchical and modular integration of Petri nets. The modularity provides the integration of three types of processes: those representing the productive process, fault detection, and fault treatment. The hierarchical aspect of the approach allows us to consider processes on different levels of detail (i.e., factory, manufacturing cell, or machine). Case studies considering detection and treatment of faults are presented, and a simulation tool is applied to verify the models.     

基于精简并发潜结构映射的竖炉焙烧过程综合故障诊断

竖炉焙烧过程因运行条件异常变化或操作不当会造成上火、冒火、过还原和欠还原等运行故障.这些故障直接影响过程运行安全和产品质量（比如,磁选管回收率）,但难以采用基于模型和基于知识的方法建模故障与产品质量的关系,以及诊断故障变量.针对上述问题,本文提出数据驱动的基于并发潜结构映射（Concurrent projection to latent structures,CPLS）的竖炉焙烧过程综合故障诊断方法.首先,将并发潜结构映射分解的过程变量共有子空间与残差空间精简合并来建立磁选管回收率相关的过程变化空间,提出基于精简并发潜结构映射模型的竖炉焙烧过程综合监控方法;接下来,定义相应的重构贡献图并与竖炉焙烧过程相结合,提出CPLS精简重构贡献方法用于竖炉焙烧过程故障变量诊断;最后,利用竖炉焙烧过程半实物仿真平台采集的数据进行实验研究,结果表明所提方法不仅可以诊断出质量相关的故障,而且可诊断出回路设定值之外的故障变量.     

基于仿真模型的蒸汽管网故障诊断研究

运用先进的化工工艺流程模拟软件PipePhase建立蒸汽管网的仿真模型,对管道泄漏、保温层因腐蚀而导致保温性能降低两种故障进行仿真试验,建立起诊断知识库,综合运用流量平衡法对两种故障进行诊断,并基于压力梯度法提出了一种解直线方程组的方法对泄漏进行定位,最后得出了故障诊断总体方案流程图。     

A novel fault diagnosis method based on CNN and LSTM and its application in fault diagnosis for complex systems

Fault diagnosis plays an important role in actual production activities. As large amounts of data can be collected efficiently and economically, data-driven methods based on deep learning have achieved remarkable results of fault diagnosis of complex systems due to their superiority in feature extraction. However, existing techniques rarely consider time delay of occurrence of faults, which affects the performance of fault diagnosis. In this paper, by synthetically considering feature extraction and time delay of occurrence of faults, we propose a novel fault diagnosis method that consists of two parts, namely, sliding window processing and CNN-LSTM model based on a combination of Convolutional Neural Network (CNN) and Long Short-Term Memory Network (LSTM). Firstly, samples obtained from multivariate time series by the sliding window processing integrates feature information and time delay information. Then, the obtained samples are fed into the proposed CNN-LSTM model including CNN layers and LSTM layers. The CNN layers perform feature learning without relying on prior knowledge. Time delay information is captured with the use of the LSTM layers. The fault diagnosis of the Tennessee Eastman chemical process is addressed, and it is verified that the predictive accuracy and noise sensitivity of fault diagnosis can be greatly improved when the proposed method is applied. Comparisons with five existing fault diagnosis methods show the superiority of the proposed method.

     

双水内冷连铸辊道系统故障关联规则诊断技术

双水内冷连铸辊道系统主要由循环水站/水泵、托梁架、辊道等部件组成,其中任意部件产生故障都会影响连铸生产过程,为保障连铸生产效率与质量,研究了双水内冷连铸辊道系统故障关联规则诊断技术。构建基于关联规则的故障诊断模型,采集双水内冷连铸辊道系统运行过程中各部件的运行故障数据,采用优化后的Apriori算法挖掘故障数据内的频繁项集,挖掘故障数据间的关联规则,针对故障类型与故障原因的是否已知,生成关联规则构建相关故障规则库,基于其中的规则诊断双水内冷连铸辊道系统故障,并根据诊断结果对故障进行处理。测试结果显示该技术能够在1s内准确诊断测试对象各类故障。     

基于多块相对变换独立主元分析的故障诊断方法

针对复杂工业过程中故障诊断技术存在数据可分性差、噪声干扰、故障定位困难的问题,提出一种基于多块相对变换独立主元分析(MBRTICA)的故障诊断方法.为了使所提取的故障特征具有可分性,采用相对变换原理与FastICA算法融合的方式构建相对变换独立主元分析方法(RTICA)用于检测故障的发生.通过引入多块理论,将高维数据分成多个子块单元,并在每个子块单元内分别进行RTICA处理,确定故障发生的位置.最后用电主轴轴承裂纹故障的实验对所提方法进行验证,实验结果表明,基于MBRTICA的故障诊断方法可提高数据的可分性,能够有效减少噪声,同时提高故障检测的精度, 实现故障定位功能, 全面地对故障进行分析.     

雷达远程智能诊断与健康评估系统设计与实现

针对外场雷达故障诊断模式单一、故障信息收集困难、雷达生产调试过程数据未有效利用等难题,研究了雷达远程控制、大数据管理、智能诊断、健康评估、远程维护、机器学习等关键技术,设计开发了雷达远程智能诊断与健康评估系统。该系统可有效对雷达生产、调试、使用、维护等过程进行数据收集、分析、挖掘和存储,实现跨区域入网雷达故障的快速定位、远程指导维修、故障模型扩展和健康评估。该系统已应用在某型相控阵雷达外场维护保障中,可极大缩短雷达排故时间,保障雷达作战效能,具有较好的可扩展性和稳定性。