机电作动系统故障检测方法评估

机电作动系统属于非线性、多变量、强耦合的系统,针对该系统同种故障表现下不同故障模式设计了故障检测方法,通过故障检测率,误报警率,鲁棒性等指标对固定阈值和自适应阈值的故障检测系统进行了评估.最后基于机电作动系统三闭环Simulink模型,验证了评估方法的有效性.     

面向工业混杂系统故障检测的扩展数据逻辑分析方法

常规的数据驱动故障检测方法难以处理同时包含连续和离散变量的工业混杂系统,数据逻辑分析(logical analysis of data, LAD)方法通过对历史数据中变量组合的逻辑分析,能够有效地挖掘离散和连续变量数据中存在的隐含规则。然而,常规的LAD在提取连续变量特征时存在对趋势变化信息丢失的问题,并且在处理具有高维度、多变量特征的工业数据时会导致提取的规则存在大量冗余。为此,本文提出一种基于扩展数据逻辑分析(extended logical analysis of data, ELAD)的工业混杂系统故障检测方法,根据与关键变量的关联度选取相关变量,增加变量的趋势信息以进行过程状态变化的表征,生成可解释的故障检测模型。应用于工业煤气化汽包过程,有效地检测了关键混杂变量对汽包液位故障的影响,实验结果验证了所提方法的可行性和有效性。     

基于复杂网络理论的符号有向图(SDG)化工故障诊断

化工过程系统的大型化和复杂性,仅通过常规方式来描述故障机理越来越受到限制。本文以流程图建模法构建的符号有向图(signed directed graph,SDG)故障模型为基础,将化工过程系统抽象为网络拓扑结构,通过对网络模型的统计特征描述,判断网络的复杂性、小世界性和无标度性,进而以复杂网络中心性理论定量计算网络中各个节点的重要性,分析比较各指标来确定网络中的核心节点,并通过Capocci算法对网络进行社团结构的定量划分,最后以网络中的核心节点确定化工过程中易引起安全事故的关键变量,并用社团划分的结果绘制出化工故障诊断模型的关键路径,确定重点监测部位。案例应用结果表明:该方法可行,为化工过程系统中故障节点和监测提供了新的解决思路,丰富了化工过程故障诊断和预防控制的相关理论。     

石油化工集成系统网络数据安全检测方法研究

本文针对当前在石油化工集成系统中,现行网络数据检测方法错误率较高、检测效率较低问题,提出了优化原有网络数据检测方法。基于网络时空性原理,借助多模数据流在网络中的相关性,使用滑动窗口模型与多模态数据融合,进而准确识别异常数据,在此基础上,利用常态化的随机变量对异常源进行身份认证,实现石化一体化信息系统中的网络数据安全性检验。以期本文所研究的内容能够给予相关人士一些参考和借鉴。     

缺失数据下基于改进PLS方法的质量相关故障检测

偏最小二乘(PLS)方法提取的主成分或者潜变量可能包含与质量数据矩阵Y无关的信息.作为PLS的替代方法,高效潜结构投影(EPLS)方法将过程数据空间分解为两个正交的子空间,并对质量无关部分进一步进行主元分析,使与Y无关的信息全部包含在残差中,保证信息提取的充分性和空间分解的完备性.考虑到工业过程中缺失数据的普遍性,提出...     

复杂网络大数据异构多模态目标识别方法研究

为解决传统目标识别方法中准确率较低的问题,提出复杂网络大数据异构多模态目标识别方法研究。通过构建复杂网络大数据异构多模态目标识别模型,提取识别目标中相关数据特征,并进行异构多模态目标相关特征优化。计算优化后目标特征最大化识别概率,得到异构多模态识别目标坐标,从而完成精准度较高的目标识别。仿真实验,与传统目标识别方法对比,可以看出复杂网络大数据异构多模态目标识别方法具有更高的目标识别度,从而证明方法有效性。     

基于数据驱动方法的控制阀故障诊断

针对控制阀门的故障类型,提出一种基于数据驱动的控制阀故障诊断方法。利用实际测量值和辨识模型预估值的残差来提取阀门的内/外漏特征,基于马氏距离对提取的分类特征进行故障分类。并利用阀门输入和输出数据的差值做自相关性分析来诊断阀门的粘滞故障。基于所提方法开发了相关应用软件,所开发软件在某大型煤气化装置的应用结果证实了所提方法的可行性和有效性,为解决控制阀门的故障诊断提供了一条新的有效途径。     

基于KSFDA-SVDD的非线性过程故障检测方法

慢特征分析(SFA)是一种无监督的线性学习算法,没有考虑过程数据的类别信息和非线性特征。针对此问题,提出一种基于核慢特征判别分析(KSFDA)和支持向量数据描述(SVDD)的非线性过程故障检测方法KSFDA-SVDD。该方法首先利用核技巧将数据从原始空间映射到高维空间,然后通过最大化正常工况数据和故障模式数据之间伪时间序列的时间变化同时最小化正常工况数据内部伪时间序列的时间变化计算判别矩阵,最后利用SVDD描述采用判别矩阵降维后的正常工况数据的分布域,构建监控统计量检测过程故障。在连续搅拌反应器(CSTR)过程上的仿真结果表明所提出方法的故障检测性能优于传统的KPCA方法。     

复杂大系统的数据校正

由于复杂大系统包含设备较多、物料品种多、工艺流程复杂,所需测量的数据繁多、解题规模庞大.传统的数据校正算法耗费了计算机大量的存储单元,而且计算时间较长.而新的分解协调算法无需协调参数和迭代计算,故计算速度加快,很好地解决了这个问题.     

煤矿带式输送机运输系统故障巡检机器人设计

针对带式输送机采用人工巡检时存在劳动强度大、巡检不及时问题,设计一种故障巡检机器人,该机器人采用轨道、钢丝绳相结合驱动方式,提高巡检机器人运行可靠性.机载激光雷达、红外传感器、高清摄像头以及瓦斯、CO等传感器可实时对输送机运行状况、运行环境参数进行检测,并通过无线传输方式将检测结果上传至地面监控中心.设计的巡检机器人为...     

基于相关系数的过程系统故障检测与诊断方法

故障检测和故障诊断对提高控制系统的安全性具有重要意义。通过对过程变量之间的相关性变化与过程装置故障之间关系进行深入分析,提出了一种基于过程变量相关系数约束的过程故障诊断方法。对相关过程变量定义基于相关系数（含相关系数、多重相关系数、偏相关系数）约束的过程诊断函数,通过考察相关系数和诊断函数的变化,对与其所涉及变量相关的装置是否发生故障做出判断。如果装置或系统发生故障,则会引起相关系数和诊断函数值发生变化,可通过诊断函数值进行逻辑推断,最终确定故障位置和故障装置。最后通过一个精馏塔的实际工程案例,验证了该方法的有效性。     

基于多层优化PCC-SDG方法的化工过程故障诊断

化工过程的故障发生往往都是一个变量带动多个变量的连锁效应。本文基于变量的相关性变化特点,用符号有向图SDG（signed directed graph）描述系统因果影响关系,以皮尔逊相关系数PCC（Pearson correlation coefficient）计算网络统计指标,提出了一种基于多层优化PCC-SDG的故障诊断方法。该方法基于全工艺的网络拓扑结构,首先对选取的变量进行初步优化。然后,为有效提取工艺特征信息,运用PCA（principal component analysis）权重思想从多层相关系数集中选取了权重较大的关键变量,结合SDG建立最优PCC-SDG网络。最后,针对最优PCC-SDG网络变量的相关性规律重构聚集权重系数Q,进行过程故障检测与诊断。TE（Tennessee Eastman）仿真过程的应用结果表明,PCC-SDG建模及故障诊断步骤较为简洁,可以充分挖掘SDG深层次关联特性,定量简化SDG的故障诊断效果明显,具有较好的过程监控优势。     

A fault detection method based on sparse dynamic canonical correlation analysis

Fault detection based on canonical correlation analysis (CCA) has received increased attention due to its efficiency in exploring the relationship between input and output. However, traditional CCA may generate redundant features in both the input and output projections while maximizing the correlations. In this paper, sparse dynamic canonical correlation analysis (SDCCA) is developed for dealing with the fault detection of dynamic processes. Through posing sparsity in the extraction of features, the interpretability of canonical variates is enhanced attributed to the sparsity of canonical weights. Based on the SDCCA model, the $$ monitoring metric is established for fault detection. Moreover, the upper control limit (UCL) based on $$ monitoring metrics is determined by the kernel density estimation (KDE) method to avoid the violation of the Gaussian assumption. The superiority of the proposed SDCCA-based fault detection method is illustrated through a comparative study of the Tennessee Eastman process benchmark.     

Input reconstruction for statistical‐based fault detection and isolation

In this work, an input reconstruction scheme for detecting and isolating sensor, actuator, and process faults is proposed. The scheme uses model‐based and statistical‐based FDI methods, which yields an improved analysis of abnormal operation conditions in chemical processes. The main advantage of the proposed approach over existing works lies in the reconstruction of system inputs and the subsequent estimation of fault signatures. This advantage is demonstrated through simulation examples and the analysis of recorded process data from a reactive batch distillation column. © 2011 American Institute of Chemical Engineers AIChE J, 2012     

基于加权概率CVDA的动态化工系统微小故障检测

典型变量差异度分析（CVDA）是近年来提出的一种新型动态过程监控方法,已在微小故障检测领域获得成功应用。针对传统CVDA方法忽视了特征量的概率信息挖掘问题,提出一种基于加权概率CVDA（WPCVDA）的动态化工系统微小故障检测方法。一方面,该方法在基本CVDA模型特征基础上引入Wasserstein距离（WD）度量特征量概率分布的变化,构造概率化的WD特征提高CVDA模型对微小故障的灵敏度;另一方面,进一步考虑不同的WD特征成分携带故障信息的差异性,设计一种自适应权值计算策略,为关键的故障敏感特征成分设置大的权值,突出其在监控统计量中的作用。在一个标准化工过程的验证结果说明,所提出的WPCVDA方法比传统CVDA方法具有更好的微小故障检测性能。     

基于稀疏过滤特征学习的化工过程故障检测方法

过程安全一直以来是化学工业中尤为重要的问题之一,故障检测与诊断（FDD）作为化工异常工况管理最有力的工具之一,给过程安全提供了保障。随着深度学习的发展,很多智能学习算法已经被提出,然而这些算法却很少被应用到FDD中来。提出了一种基于稀疏过滤和逻辑回归（SFLR）算法的化工过程故障检测新方法。采用TE过程和环己烷无催化氧化制环己酮过程对提出的方法进行了验证,结果表明,所提出的方法均具有较高的诊断精度,案例研究表明提出的方法可以及时有效地诊断出故障。     

基于主元分析法的冷水机组传感器故障检测效率分析

冷水机组是一个高度非线性的复杂系统,其自控系统传感器故障会导致冷水机组的运行偏离正常状态和能耗浪费。采用冷水机组正常运行数据,通过多元统计方法中的主元分析法建立训练矩阵,利用平方预测误差进行故障分析工作。引入不同程度故障,分析主元分析法的检测效率。结果表明,主元分析法故障检测效果明显,但对于不同传感器的不同程度故障,故障检测的误判率存在一定的差异。