化工过程故障诊断专家系统研究进展

本文针对化工过程故障诊断专家系统，在知识表示，领域知识的抽象和组织以及推理机制等方面进行了深入讨论，并预测了发展趋势。     

化工过程故障诊断研究进展

介绍化工过程故障诊断技术的理论与工业应用的现状,分析了故障诊断的过程与实质,介绍了常用的几种诊断方法,重点阐述了智能诊断的方法,现状,并对故障诊断的发展动向作了简要的分析。     

化工过程用能分析专家系统

本文将物性数据库、模拟计算和专家知识咨询三项技术结合在一起，开发了一套指导化工过程合理用能的实用性专家经验咨询软件。其中，过程模拟计算是以有效能分析法为理论依据，按能量利用三环节模式进行分析，籍此揭示所考核对象的节能潜力之所在。专家知识是基于对国内外节能经验的广泛收集、整理和筛选，并按照专家系统的要求编制程序。为化工过程和设备的设计、改造以及生产系统能量综合管理提供有效的节能咨询意见。     

浅谈化工过程故障诊断的现状研究

当今社会,无论是社会经济还是科学技术都发展的非常迅速,现代化生产在这样的一个大环境下,开始朝着大型集中化发展,在生产的过程中其系统的智能化水平也越来越高。但是,近几年在化工生产过程中发生故障的情况也越来越频繁,所以在这样的情况下,分析了化工过程中的一些故障诊断的方法。     

专家系统的发展及其在化工生产中的应用

从历史的的观点回顾了专家系统的产生的发展；比较了专家系统和神经元网络的各自讨论了它们之间的相互集成；简单总结了专家系统在化工生产中的应用；并对专家系统的现状和发展趋势作了分析和展望。     

化工过程故障诊断中的多元统计方法

综述了多元统计方法在化工过程故障诊断领域的理论进展和应用现状,介绍了一些主要的多元统计方法,其中包括主元分析、部分最小二乘、独立成分分析和Fisher判别分析,展望了多元统计方法在化工过程故障诊断领域的发展与应用前景。     

化工过程计算机优化控制

本文系统地介绍了化工过程计算机优化控制的概念、方法,给出了我们的最新研究结果,指出了今后可能的研究方向。     

粗苯回收过程操作故障诊断专家系统

介绍了组成粗苯回收操作故障诊断系统的研究对象、总体结构、知识库构造、故障树建立。推理机、全局数据库、输入数据、用户界面及数学模型等９部分的内容，给出了苯塔模拟计算的框图和诊断实例。     

化工过程混合故障诊断系统的应用

故障诊断是保障化工过程安全、平稳进行的一个重要工具。主成分分析法(PCA)作为典型的故障诊断方法,已经广泛应用于各类化工过程的故障诊断,但在复杂过程的故障类别判断上还存在不足。而人工免疫系统对于自我-非我的识别能力有助于对故障类别的判断,并且其良好的自适应、自学习能力,有助于在诊断过程中对系统的完善和改进。本文将主成分分析法与人工免疫系统结合,建立了一个新的混合故障诊断系统,实现对于化工过程故障的早期诊断,并用Honeywell公司的UniSim平台建立了一个动态的化工过程模型,对该诊断系统进行了验证。     

蒸馏塔操作故障诊断的专家系统

随着计算机和人工智能技术的发展，适合蒸馏塔的故障诊断系统已得到成功应用，文中介绍了适合焦化厂蒸馏塔使用的使用的操作故障诊断专家系统的组成及实例。     

CSI机器故障诊断专家系统及其应用

ＣＳＩ机器故障诊断专家系统及其应用四川化工总厂汪家铭１概述有效地管理现代化生产装置中的机器设备，减少突发事故，避免生产损失，保证安全可靠地运行，是国内外企业当前所面临的重大课题。解决这一问题的办法之一是使机器设备的维护管理由预防性维修过渡到预测性维修...     

基于深度残差网络的化工过程故障诊断

本工作提出了一种基于深度残差网络(DRN)的化工过程故障诊断方法,可从大量化工过程运行数据中自动提取故障特征。模型采用快捷连接缓解传统深度神经网络训练困难的问题,且使用批归一化(BN)方法,可有效缓解梯度消失/爆炸的问题。以田纳西?伊斯曼(TE)过程为实验对象对所提方法进行诊断性能评价实验,并与以往的基于传统深度学习模型的TE过程故障诊断方法进行对比,进一步探究了模型层数、BN技术和残差结构对故障诊断率的影响,最后,通过t分布随机邻域嵌入(t-SNE)方法对网络部分层的输出进行可视化。结果表明,模型对21种工况取得了94%的平均故障诊断率和0.30%的平均假阳率,表现出更加卓越的诊断性能。输出层的二维散点图显示了清晰的聚类,表明所提出的DRN模型能够对故障进行准确诊断。     

改进的PCA方法在化工过程故障诊断中的应用研究

主元分析(PCA)方法作为一种基于信号处理的数据驱动方法,已广泛应用于工业过程故障诊断中。但由于PCA本身的缺陷,对故障类型的识别方面存在不足。为此,引入人工神经网络(ANN)方法,与PCA方法相结合,增强了故障识别能力。以田纳西伊斯曼过程为例,验证了改进后的PCA方法在化工过程故障识别和诊断中应用的有效性。     

数据驱动方法在化工过程故障诊断中的研究进展

数据驱动方法是一种黑箱模型,具有自主挖掘和构建数据内在关系的优点。随着感知设备的发展和计算能力的提升,数据驱动方法在化工过程故障诊断的研究领域体现出了更大的优势。本文介绍了各类数据驱动方法的原理和作用,并分析了其各自的优缺点与实际应用方向,总结得出深度学习和集成学习是数据驱动方法未来研究重点。同时,本文回顾了近五年来国内外数据驱动方法在化工过程故障诊断中的研究与应用,综合分析了现阶段该领域的研究情况,表明将多种数据驱动方法进行组合来解决化工过程问题的思路具有一定的有效性。并进一步给出了关于数据异常、时间滞后等问题的研究方向。最后,本文建议更多地从方法的机理出发对方法进行研究和优化,在未来的研究思考中应更着重于实用性和时效性。     

线性分类-重构网及其在化工过程早期故障诊断中的应用

提出了一种以线性递推学习为基础的分类-重构神经网络。网络具有学习算法简单、速度快、学习与分类并行,以及可自动积累知识等基本功能,尤其适用于生产过程的早期故障诊断一类实时系统。给出了化工过程早期故障诊断的应用实例,研究结果证明了网络的有效性。