公开(公告)号：CN110766173A

公开(公告)日：2020-02-07

申请号：CN201910993159.0

申请日：2019-10-18

申请人： 青岛科技大学

发明人： 田文德 ,  任玉佳 ,  王骥 ,  柳楠

IPC分类号： G06Q10/00 ,  G06N7/00

摘要： 本公开提供了一种基于机理相关分析贝叶斯网络的化工过程故障诊断方法，分析化工工艺过程单元变量之间的机理相关关系，得到关系矩阵；利用历史数据的置信区间估计，计算贝叶斯网络的条件概率，并结合关系矩阵建立贝叶斯网络；采用主成分分析法对过程进行监控，当检测到故障时，执行数据状态转换，计算变量的贝叶斯贡献；在贝叶斯网络中加入故障节点的证据，找出故障的传播路径和根节点，根据故障传播路径和根节点获取故障的真实原因，结合机理相关过程知识，从贝叶斯网络中找出故障的根本原因；本公开实现了对工艺过程模型的图论建模，结合了机理模型的先验知识和历史数据的定量计算，具有简化计算量提高计算精度的特点。

公开(公告)号：CN106933097B

公开(公告)日：2021-07-20

申请号：CN201710339420.6

申请日：2017-05-15

申请人： 青岛科技大学

发明人： 田文德 ,  董玉玺 ,  任玉佳 ,  贾旭清 ,  王雪

IPC分类号： G05B13/02

摘要： 本发明公开了一种基于多层优化PCC‑SDG的化工过程故障诊断方法。本发明通过以全工艺的网络拓扑结构为参考点，利用皮尔逊相关系数(PCC)统计指标对选取的变量初步优化，然后运用PCA权重思想从多层相关系数集中选取了权重较大的特殊变量，结合符号有向图(SDG)建立了最优PCC‑SDG网络，最后针对最优PCC‑SDG建立聚集权重系数Q的规则进行故障诊断。本发明提出了一种新的故障诊断方法，完善了SDG建模方法，提高了工作人员检测多变量状态的效率，避免时滞等非信息同步因素的影响，并且更加有效地降低误报率并准确地识别是何种类型的故障，极大降低生产安全事故的发生。

公开(公告)号：CN106933097A

公开(公告)日：2017-07-07

申请号：CN201710339420.6

申请日：2017-05-15

申请人： 青岛科技大学

发明人： 田文德 ,  董玉玺 ,  任玉佳 ,  贾旭清 ,  王雪

IPC分类号： G05B13/02

CPC分类号： G05B13/024

摘要： 本发明公开了一种基于多层优化PCC‑SDG的化工过程故障诊断方法。本发明通过以全工艺的网络拓扑结构为参考点，利用皮尔逊相关系数(PCC)统计指标对选取的变量初步优化，然后运用PCA权重思想从多层相关系数集中选取了权重较大的特殊变量，结合符号有向图(SDG)建立了最优PCC‑SDG网络，最后针对最优PCC‑SDG建立聚集权重系数Q的规则进行故障诊断。本发明提出了一种新的故障诊断方法，完善了SDG建模方法，提高了工作人员检测多变量状态的效率，避免时滞等非信息同步因素的影响，并且更加有效地降低误报率并准确地识别是何种类型的故障，极大降低生产安全事故的发生。