面向系统层级的复杂工业过程全息故障诊断

复杂工业过程具有长流程、系统层级多、故障潜在分布空间范围较广的特点,是当前故障诊断领域的热门研究方向。首先,对主流故障诊断技术进行了分类和概述;其次,采用定量与定性相结合思路,提出了面向系统层级的复杂工业过程全息故障诊断框架,为复杂工业全流程的过程监测提供一整套技术和解决方案。相比于目前的故障诊断方法,该框架不仅包括故障检测和故障辨识,还包括故障根源诊断、故障传播路径识别、故障的定量诊断与评估,可有效解决复杂工业过程系统的综合故障诊断问题,实用性强,能够有效地减少或避免故障发生、保证产品的质量、提高企业的生产效率与生产安全;最后对故障诊断技术的发展趋势和亟待解决的问题进行了展望。     

改进在线取样方式及样品预处理的使用

着重讨论在线气相色谱仪取样点、样品管线堵及预处理引起工艺生产过程中分析数据滞后、保留时间变化等各种故障原因,并对引发原因进行研究解决定位,以确保在线气相色谱仪能为生产装置长、安、稳运行提供可靠的分析数据。     

面向系统层级的复杂工业过程全息故障诊断

复杂工业过程具有长流程、系统层级多、故障潜在分布空间范围较广的特点，是当前故障诊断领域的热门研究方向。首先，对主流故障诊断技术进行了分类和概述；其次，采用定量与定性相结合思路，提出了面向系统层级的复杂工业过程全息故障诊断框架，为复杂工业全流程的过程监测提供一整套技术和解决方案。相比于目前的故障诊断方法，该框架不仅包括故障检测和故障辨识，还包括故障根源诊断、故障传播路径识别、故障的定量诊断与评估，可有效解决复杂工业过程系统的综合故障诊断问题，实用性强，能够有效地减少或避免故障发生、保证产品的质量、提高企业的生产效率与生产安全；最后对故障诊断技术的发展趋势和亟待解决的问题进行了展望。     

基于信号特征的在线故障分析和智能诊断研究

研究开发基于电网故障信号特征自动生成电网故障诊断Petri网络的技术。通过在线获取调控一体系统的开关遥信变位、SOE信息、保护动作信号和微机保护软报文信息,对信号综合进行逻辑化、条理化、有效化分析,实现电网故障在线分析、辨识和智能诊断。     

粗集理论及其在旋转机械故障诊断中的应用 (二)旋转机械故障诊断知识库的形成

旋转机械故障诊断知识库形成的主要环节是信号的采集和信号的分析、整理 ;在所有的机械故障信号中 ,振动诊断技术是故障诊断的常用手段 ,对振动信号实现连续、在线诊断的最重要的数学工具是快速傅里叶变换(FFT)和小波理论。通过对实验的观察 ,建立转子故障特征向量和故障类型之间对应关系的数据库 ,为基于粗集理论故障诊断的决策表的形成提供了原始的知识库     

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。     

一种基于改进MPCA的间歇过程监控与故障诊断方法

针对基于不同展开方式的多向主元分析(MPCA)方法在线应用时各自存在的缺陷,提出一种改进的基于变量展开的MPCA方法,实现间歇过程的在线监控与故障诊断。该方法采用随时间更新的主元协方差代替固定的主元协方差进行T²统计量的计算,充分考虑了主元得分向量的动态特性;同时引入主元显著相关变量残差统计量,避免SPE统计量的保守性,且该统计量能提供更详细的过程变化信息,对正常工况改变或过程故障引起的T²监控图变化有一定的识别能力;最后提出一种随时间变化的贡献图计算方法用于在线故障诊断。该方法和MPCA方法的监控性能在一个青霉素发酵仿真系统上进行了比较。仿真结果表明：该方法具有较好的监控性能,能及时检测出过程存在的故障,且具有一定的故障识别和诊断能力。     

基于核Fisher包络分析的间歇过程故障诊断

随着间歇过程越来越受重视,其过程监控和故障诊断技术也成为研究热点。以核Fisher判别分析为基础,提出了基于核Fisher的正常工况与故障包络面模型,给出了基于该模型的在线故障诊断流程。此方法利用了Fisher判别分析对类别的划分特点,分别针对正常工况数据和各故障类型数据建立包络曲面模型。与多向Fisher判别分析相比,该方法按批次方向将数据展开,能够解决生产周期不一致问题,在线故障诊断时也不需要预报完整的生产轨迹,并且加入核函数来处理复杂的非线性。最后在青霉素发酵过程的仿真平台上对该方法进行测试,与改进多向Fisher判别分析方法进行对比,该方法获得了满意的诊断效果：能够及早诊断出故障的发生,并在有效识别已有故障的同时还具有对新故障的自学习能力。     

基于核Fisher包络分析的间歇过程故障诊断

随着间歇过程越来越受重视,其过程监控和故障诊断技术也成为研究热点。以核Fisher判别分析为基础,提出了基于核Fisher的正常工况与故障包络面模型,给出了基于该模型的在线故障诊断流程。此方法利用了Fisher判别分析对类别的划分特点,分别针对正常工况数据和各故障类型数据建立包络曲面模型。与多向Fisher判别分析相比,该方法按批次方向将数据展开,能够解决生产周期不一致问题,在线故障诊断时也不需要预报完整的生产轨迹,并且加入核函数来处理复杂的非线性。最后在青霉素发酵过程的仿真平台上对该方法进行测试,与改进多向Fisher判别分析方法进行对比,该方法获得了满意的诊断效果:能够及早诊断出故障的发生,并在有效识别已有故障的同时还具有对新故障的自学习能力。     

高效智能高温浓硫酸液下泵在硫酸行业的应用

详细介绍了昆明嘉和科技股份有限公司研发的新一代高效智能高温浓硫酸液下泵的结构特点、性能特性、管理优势,以及在某300 kt/a硫酸装置的应用情况。该高效智能高温浓硫酸液下泵采用过程能量集成仿真模拟技术、分析及诊断技术、高效流体输送技术、智能传感技术等,具有智能数据连续采集、实时监测、智能预警、故障诊断分析等功能,能够在无人值守的情况下全面掌握设备运行状况,对异常问题精准诊断,提高了维修效率,降低了人工成本,为硫酸装置低能耗、安全稳定长周期运行提供了保障。     

人工免疫系统在间歇化工过程故障诊断中的应用

故障诊断是保证化工过程稳定性和安全性的重要技术。本文结合动态时间规整算法提出了一个基于人工免疫系统的间歇化工过程故障诊断方法,并成功应用于青霉素发酵仿真过程的故障诊断。诊断结果显示,该方法可以满足间歇过程的在线动态故障诊断要求,并且通过自学习可以对未知故障进行诊断。     

气相色谱仪常见故障分析与日常维护

结合气相色谱仪实验室使用经验,归纳总结气相色谱仪在使用过程中气路系统和进样系统常见的故障及其解决办法。气路系统故障主要为气密性问题,需使用专业的检测仪器进行故障排查;进样系统故障主要为填充柱故障及毛细柱故障,解决方法主要为排除法对其故障进行分析并解决。同时梳理实验室气相色谱仪使用技术维护要点,为保障其运行稳定性、分离有效性及检测精度提供建议。     

基于深度置信网络的炼化空压机故障诊断方法

针对炼化空压机故障诊断中故障机理复杂、先验知识欠缺,且传统浅层神经网络诊断精度不高等问题,结合深度置信网络(DBN)在特征提取和处理非线性数据等方面的优势,提出一种基于DBN的炼化空压机故障诊断方法。该方法利用空压机状态监测实测数据,实现训练网络的无监督特征学习和有监督微调,构建空压机故障的深层网络模型,从而实现对空压机故障类型的有效智能诊断。为评估该方法的有效性,与传统的故障诊断方法进行了比较研究,结果表明,该方法的诊断精度优于传统的故障诊断方法,且稳定性更好。     

基于IGA-SVM的气动调节阀在线故障检测及诊断

针对气动调节阀停机检修损失大、运行状态不易评估、故障模式复杂且故障诊断极为依赖工程经验等问题,结合残差法实现了故障的在线检测,并对传统的遗传算法进行改进,提出一种基于改进遗传算法优化的支持向量机（Improved Genetic Algorithm optimized Support vector machine, IGASVM）的故障诊断算法,作为实现气动调节阀在线故障诊断的算法基础。实验选取四类典型故障进行模拟、测试及数据分析,对阀门故障进行检测与诊断,结果表明：基于残差法的故障检测方法可以有效检测气动调节阀的故障发生,IGA-SVM算法测试诊断率达到92.67%,相较于传统方法具有提升。     

大型汽轮机振动转子弯曲原因分析及处理

介绍汽轮机转子弯曲的机理,分析汽轮机转子发生永久性弯曲的原因,利用GE-Bently System 1在线诊断监测系统对大型汽轮机机组运行状况和故障进行分析,根据测点的图谱分析进行故障诊断,为排除故障提供决策的依据。     

基于深度置信网络的炼化空压机故障诊断方法

针对炼化空压机故障诊断中故障机理复杂、先验知识欠缺，且传统浅层神经网络诊断精度不高等问题，结合深度置信网络（DBN）在特征提取和处理非线性数据等方面的优势，提出一种基于DBN的炼化空压机故障诊断方法。该方法利用空压机状态监测实测数据，实现训练网络的无监督特征学习和有监督微调，构建空压机故障的深层网络模型，从而实现对空压机故障类型的有效智能诊断。为评估该方法的有效性，与传统的故障诊断方法进行了比较研究，结果表明，该方法的诊断精度优于传统的故障诊断方法，且稳定性更好。     

基于红外图像的变压器故障在线检测技术分析

通过使用变压器,可以最大限度地提高电力系统运行性能,保证供电的稳定性、安全性,但是,变压器经过长时间的运行后,难免会遇到各种各样的故障问题,因此,采用在线检测的方式,加强对其故障检测显得尤为重要,而红外图像诊断技术在提高变压器的故障检测效果方面发挥出重要作用,可以实现对变压器内部缺陷、外部缺陷进行科学检测和诊断。为此,根据红外诊断相关基础理论,完成了变压器红外图像的预处理和故障诊断。最后,从故障诊断方案设计、变压器故障诊断系统两个方面入手,验证了变压器红外图像故障在线检测技术的有效性和可行性。希望通过这次研究,为相关人员提供有效的借鉴和参考。     

煤矿主运输皮带故障智能诊断与保护研究

煤矿主运输皮带故障诊断与保护研究可以有效减少皮带机故障发生的概率,挽回运煤皮带故障给煤矿企业带来的经济损失。针对煤矿主运输皮带机运转过程经常出现的打滑、撕裂、跑偏、局部高温等问题,从故障诊断自动化控制系统入手,分析了皮带机常见故障类型及保护措施,阐述了皮带故障智能决策系统结构组成、故障处置流程和信息融合技术的发展,希望对煤矿皮带故障诊断与保护研究提供有益的参考。     

机器学习算法改进及在化工故障诊断中的应用

研究基于机器学习算法,提出一种改进CNN网络的化工故障诊断方法。通过分析CNN网络结构特点与参数训练过程,采用PSO算法对CNN网络进行改进;然后,基于改进CNN网络,提出化工故障诊断方法;最后,通过以TE过程仿真软件,对本研究改进CNN算法在化工故障诊断中的应用进行验证。结果表明：可有效诊断化工故障,平均故障检出率达到91.23%,误报率为1.23%。相较于标准CNN算法、PCA算法、KPCA算法、MICA算法,改进CNN算法对化工故障的检出率更高,误报率更低,且故障检出速度更快。