Print

基于稀疏过滤特征学习的化工过程故障检测方法

论文摘要

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。

论文目录

  • 引言
  • 1 稀疏过滤和逻辑回归算法
  •   1.1 稀疏过滤特征学习
  •   1.2 逻辑回归
  • 2 基于SFLR的故障检测方法
  •   2.1 数据采集与预处理
  •   2.2 特征学习
  •   2.3 分类
  • 3 TE过程案例测试
  •   3.1 TE过程数据集
  •   3.2 诊断结果与讨论
  • 4 环己烷无催化氧化制环己酮过程故障检测
  •   4.1 环己酮生产过程数据集
  •   4.2 诊断结果与讨论
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 江升,旷天亮,李秀喜

    关键词: 故障检测与诊断,安全,稀疏过滤,逻辑回归,神经网络,过程系统

    来源: 化工学报 2019年12期

    年度: 2019

    分类: 工程科技Ⅰ辑,信息科技

    专业: 无机化工,有机化工,自动化技术

    单位: 华南理工大学化学与化工学院

    分类号: TQ050.7;TP18

    页码: 4698-4709

    总页数: 12

    文件大小: 2707K

    下载量: 160

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/5ca9b55f2fb16d21afff7ef4.html