局部时差约束邻域保持嵌入算法在故障检测中的应用

传统的邻域保持嵌入(neighborhood preserving embedding,NPE)算法通过k近邻(k-nearest neighbors,k-NN)方法选择邻域进行重构来实现降维。但在实际工业过程中采集的样本具有时序相关性,仅仅通过欧氏距离选择近邻样本不能充分反映数据中包含的信息,从而影响检测效果。因此,提出一种局部时差约束邻域保持嵌入(local time difference constrained neighborhood preserving embedding,LTDCNPE)算法,充分考虑样本间的时间和空间关系,从而建立准确的故障检测模型。首先,该算法在固定尺度的时间窗内,根据样本的时序关系和空间特征挑选出邻域。其次,利用样本间的时间差异为邻域样本进行加权,使数据特征保留了高维空间的局部结构。然后,对降维后得到的主元空间和残差空间构建T^{\mathrm{2}}和SPE统计量并确定控制限。最后,通过数值例子和Tennessee-Eastman(TE)过程仿真验证LTDCNPE算法的有效性。     

PTA加氢反应进料泵轴承磨损原因及对策

针对洛阳石化PTA装置2014年8月份加氢反应进料泵(简称高速泵)短时间内3次轴承磨损的原因进行分析和探讨,提出具体的防范措施,保证高速泵安全、长周期运行。     

岩溶地质条件下旋挖灌注桩基础施工技术

华润置地贵阳九悦项目旋挖钻孔灌注桩基础施工中,根据岩溶地质条件下施工中遇到的不同司题,制订了技术应对措施和方法,可为类似工程提供参考.     

PTA旋转真空过滤机转速波动原因分析及处理

针对洛阳石化精对苯二甲酸(PTA)装置氧化单元旋转真空过滤机转速波动的原因进行分析,提出采取提高进料量、延长碱洗碱泡时间、加强设备维护等措施,消除了过滤机转速波动,减少了链条断裂和滤布经常破损的现象,有效地稳定了生产。     

新型煤层气储运技术及其应用

我国的煤炭资源相当丰富,为了确保煤矿开采过程中的安全性,采矿过程中的大量煤层气被直接排放到大气当中。但是,随着煤层气储运技术的发展,对煤层气进一步利用成为了可能。对水合物法煤层气储运方式以及采用N2-CH4混合膨胀制冷工艺对液化装置进行了较为详细的论述,以期给新型煤层气储运技术的完善及相关新技术的投产运行提供一个客观的参考。     

基于多单元均值轨迹的氰化浸出过程浸出率预测

传统的偏最小二乘方法(partial least squares,PLS)因未对建模数据求取均值轨迹,以及没有考虑多单元生产对浸出率的综合作用,导致无法准确建立过程信息与质量变量之间的回归关系.根据高铜矿氰化浸出过程的多单元和耗时长的特点,提出一种针对连续过程的基于多单元均值轨迹的浸出率预测方法.获取建模数据的均值轨迹矩阵,在此基础上分别建立每个单元与实测浸出率的回归模型.定义输入向量与每个单元建模数据的相似度以及预测模型的权重,将各单元预测结果加权综合作为最终预测值.将该方法应用于氰化浸出过程浸出率预测,仿真结果表明,该方法体现了生产过程实际物理特性,提高了模型的解释能力,增强了预测模型的泛化性能.     

齿面单坑缺陷下齿轮磨损演变与映射机制研究

齿面凹坑是常见的齿轮缺陷之一,在轮船、矿业机械、风电齿轮等大型重载齿轮传动机构中,齿轮更换拆卸极为不便,为避免齿轮发生严重失效造成的重大损失,需要准确判断齿轮的磨损特征和预测故障出现的时间和位置,探究齿面坑状缺陷对齿轮磨损进程的影响尤为必要。以齿面单坑缺陷齿轮的啮合历程为研究对象,采用控制变量的方法进行齿轮磨损特征对比。通过搭建的力系闭式齿轮试验台进行重载试验,利用铁谱分析技术和油样分析技术对磨损粒子作定量、定性分析,结合有限元分析和和齿面磨痕扫描电镜图片探究单坑缺陷下斜齿轮磨损演变与齿轮啮合状态的映射机制。研究结果表明：凹坑打在承载区,斜齿轮沿接触线方向的应力分布不均匀,凹坑周边区域存在应力集中现象;坑状缺陷改变了齿轮的啮合状态,缺陷轮齿齿根应力值明显大于正常轮齿,使得坑状缺陷的轮齿齿面抗磨损能力提高,但轮齿刚度降低,尤其进入剧烈磨损的后期,磨粒数量快速上升,并伴随齿面严重的剥落和塑性变形,加速轮齿疲劳断裂。     

基于机器学习的电潜泵工况诊断

为了减少电潜泵井电流卡片工况识别分析时的人为误差,建立了使用实时电流数据的基于机器学习的工况诊断模型。首先使用特征工程的方法,对电潜泵运行过程中的电流数据提取特征值;其次使用主成分分析法对特征值进行无监督降维聚类,并将聚类后的结果与实际工况进行对比证明聚类的有效性;然后使用降维后的带标签数据,建立逻辑回归模型;最后将未经训练的数据代入模型并进行误差分析。对A油田56口电潜泵井高密度实时电流数据进行了基于机器学习完整流程的工况诊断,结果表明,该模型在降低计算复杂度的同时,成功实现了正常工况、泵抽空、过载停泵、频繁短周期运行等4种常见工况的分类识别,诊断准确度、精确度、召回率均在80%以上,F₁分数85%,达到了期望的分类效果,证明了应用机器学习方法,使用实时电流数据对电潜泵工况诊断的可行性和可靠性。