-
公开(公告)号：CN110647117B
公开(公告)日：2020-12-18
申请号：CN201910844132.5
申请日：2019-09-06
申请人： 青岛科技大学
IPC分类号： G05B19/418
摘要： 本公开提出了一种化工过程故障识别方法及系统，采用应用于标签昂贵的化工故障识别领域，采用动态主动安全半监督支持向量机模型(简称为PCA‑DAS4VM模型)识别化工过程运行状态，将主成分分析方法与动态主动安全半监督支持向量机结合，弥补了传统监督学习对于标签数据数量的要求，提高了半监督学习的识别精度。采用主成分分析方能够消除化工过程噪声和冗余数据，结合历史信息和未来信息进行异常工况故障识别，有效地选择和标记高熵值的无标记数据，充分利用无标签数据提升识别模型性能，实现了高效和完整的进行化工过程故障识别工作，识别准确度更高，识别速度更快有益于推动化工安全的发展。
-
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
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：CN110647117A
公开(公告)日：2020-01-03
申请号：CN201910844132.5
申请日：2019-09-06
申请人： 青岛科技大学
IPC分类号： G05B19/418
摘要： 本公开提出了一种化工过程故障识别方法及系统，采用应用于标签昂贵的化工故障识别领域，采用动态主动安全半监督支持向量机模型(简称为PCA-DAS4VM模型)识别化工过程运行状态，将主成分分析方法与动态主动安全半监督支持向量机结合，弥补了传统监督学习对于标签数据数量的要求，提高了半监督学习的识别精度。采用主成分分析方能够消除化工过程噪声和冗余数据，结合历史信息和未来信息进行异常工况故障识别，有效地选择和标记高熵值的无标记数据，充分利用无标签数据提升识别模型性能，实现了高效和完整的进行化工过程故障识别工作，识别准确度更高，识别速度更快有益于推动化工安全的发展。
-
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
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。
-
公开(公告)号：CN107862131A
公开(公告)日：2018-03-30
申请号：CN201711076511.1
申请日：2017-11-06
申请人： 青岛科技大学
CPC分类号： G06F17/5009 , G06F17/12 , G06F2217/80
摘要： 本发明公开了一种基于双层法的催化裂化主分馏塔的故障诊断方法。本发明提出了分馏塔精馏过程的双层故障检测和诊断方案，利用早期开发的非线性模型监测精馏过程，并建立相应的简化线性模型，对测量值存在偏差的异常源进行识别。故障诊断算法基于线性模型，采用线性最小二乘法对精馏内部故障参数进行估计。双层诊断结构能有效地捕捉故障参数的变化，较为灵敏地检测偏差，从这些参数的变化趋势能判断出故障的具体原因，比基于纯非线性模型的结构更有效。
-
-
-
-
搜索结果
5 条记录 (耗时 0.025 秒)
