增压站低频噪声识别与控制

目的解决天然气增压站低频噪声严重的问题,识别低频噪声源,并对低频噪声加以控制。方法结合压缩机组的实际工作情况及结构,首先利用频谱及1/3倍频程分析增压站机组的振动和噪声特性,初步确定压缩站机组低频噪声与机组振动的关系,进一步利用相干函数分析法分析振动与低频噪声的相干关系,判定低频噪声并不是由振动主要引起的。结果机组的主要噪声源为冷却器和压缩缸的进排气管,低频噪声污染主要是由于机组周期性吸排气时,管道和机组壁投射出的空气动力性噪声所造成的,而机组振源的剧烈振动不是产生低频噪声污染的主要原因。进排气管可产生高达80 d B(A)的全频带噪声,其中包含声压级可高达100 dB的次声,尤其以频率11 Hz和17 Hz为主,并且传播距离远,通透力强,对人员和环境危害大。结论首先依据进排气管为主要噪声源,其次结合压缩站实际情况,从压缩器机组整体的降噪设计及厂房治理的降噪设计两部分考虑提出相应的改进措施,从而为机组的降噪提供有效的方法。     

极端梯度提升与随机森林融合的天然气露点预测方法

目的 解决目前水露点数据多为人工采用测量仪器测得,时效性低且成本高昂的问题。方法 建立一种基于极端梯度提升(XGBoost)和随机森林(RF)的天然气水露点预测方法。采用XGBoost方法对所有监测工艺参数进行分析,筛选出主要影响水露点的关键工艺特征参数,以排除无关特征参数对预测的干扰。建立RF预测模型,输入关键特征集参数,实现对水露点的实时预测。以重庆气矿某脱水监测系统监测数据与生产数据为例,对所提预测方法进行对比分析验证。结果 相较于XGBoost、SVM等预测方法,RF模型具有最佳的预测性能,且经过XGBoost特征选择后,RF预测结果的MAE值降低了0.016 9 ℃,RMSE值降低了0.014 6 ℃。结论 基于极端梯度提升与随机森林融合的水露点预测方法具有更优的预测精度与鲁棒性,对指导脱水现场生产具有积极作用。     

基于工艺参数灰色关联度分析的天然气脱水装置异常检测

目的针对石化设备常用的维修方式导致设备检维修成本高的问题,同时保障设备的可靠运行,建立基于灰色关联度的设备异常检测模型,快速识别异常设备。方法利用灰色关联度分析法计算增压站数据清洗后各生产监测参数间的关联度,并以计算得到的关联度建立参数间的关联度矩阵,实现参数间的聚类。利用基于参数之间的灰色关联度变化的方法,识别参数聚类结果中同类监测参数对应设备的异常状态。结果在大部分时间段,同类监测参数的关联性较高,预测关联性出现异常时为设备异常状态。结论相对于监测参数阈值判断等方法,基于灰色关联度分析法的预测模型具有较高的预测精度,实现了异常设备的快速有效识别,保障了设备的可靠运行,降低了设备检维修成本。     

基于条件变分自编码器的齿轮箱故障诊断

目的实现齿轮箱故障类型的智能识别诊断。方法针对传统故障诊断方法通用性不广、数据依赖强、泛化能力弱并需人工提取特征问题,提出一种基于条件变分自编码器的故障诊断方法。以故障类别概率分布为目标并将振动信号频谱作为条件,通过条件变分自编码器,建立齿轮箱振动信号频谱到对应各故障下的条件概率模型,并通过多层神经网络结合变分推断方法进行训练优化,实现对齿轮箱各类型故障的高精度分类诊断。结果在仅有少量训练数据条件下,实现了准确的故障识别。结论条件变分自编码器在齿轮箱振动信号频谱概率分布建模上具有优异性能,对故障信号数据量的依赖低、泛化能力强,无需人工提取特征。能有效实现齿轮箱故障的智能分类诊断。     

含能材料生产系统排产中的瓶颈设备识别方法研究

目的 识别含能材料生产车间中的瓶颈设备,对生产系统作出预警,为排产方案制定以及实际生产工作提供指导,改善生产系统的加工效率.方法 针对传统瓶颈设备识别方法评价指标单一、识别过程复杂的问题,研究一种基于灵敏度分析和逼近理想解排序法(TOPSIS)融合的瓶颈设备识别方法.该算法首先确定作业指标与设备加工量关系的灵敏度矩阵,然后运用逼近理想解排序法,计算设备的综合瓶颈指数,通过比较各设备的综合瓶颈指数,识别出瓶颈设备.结果 采用含能材料生产车间实际数据进行仿真实验,可以在生产系统运行之前识别出系统中的瓶颈设备.结论 通过与其他方法进行对比分析,验证了研究的方法的有效性和优越性.     

双基球扁药工艺优化仿真研究

目的优化双基球扁药成球工艺参数,解决由于目前双基球扁药理论研究不充分、控制模型不明确、生产工艺参数调控依靠人工经验所导致的药品成球后直径、弧厚偏差大的问题。方法利用BP神经网络在处理复杂非线性映射问题上的强大的能力,对成球关键工艺参数与成球质量指标进行建模,并应用成球工艺过程仿真数据对其进行训练,将训练得到的BP神经网络模型用于优化成球工艺参数。同时利用仿真数据进行检验模型的可靠性。结果训练后BP神经网络均方误差为0.001,成球直径误差率为1.27%,成球弧厚误差率为2.08%,成球质量参数误差均很小,可以满足工艺要求。结论该BP神经网络模型具有较高精度,适用于含能材料工艺优化,提出的成球工艺优化方法能有效降低成球试制成本,缩短生产周期。     

含能材料反应釜温度模型仿真辨识

目的验证一种基于遗忘因子最小二乘法(FFRLS)的含能材料反应釜温度预测模型辨识方法的正确性和有效性。方法首先利用基于机理建模方法对系统模型进行分段处理,并得到其具体结构,然后结合历史数据,利用FFRLS对系统模型参数进行辨识,最后得到含能材料反应釜温度仿真模型。结果在Matlab仿真平台上对该方法的正确性和有效性进行验证,模型参数慢时变状态下该方法辨识参数的模型参数均方根误差(RMSE)皆小于10%,模型参数突变状态下,参数RMSE最小为5.89%,最大为18.69%。结论该方法能准确、有效地对含能材料反应釜温度模型进行辨识。     

多元时间序列PCA分割及在天然气脱水装置工况识别中的应用

目的建立不同的工作状态下的设备状态预测评估模型。方法利用主成分分析法将多元时间序列数据进行切割,将分割后的数据段按照基于密度的方法,依照定义的距离,对多元时间序列进行聚类合并,从而得到不同工况下的时间序列。结果按照脱水装置工况状态,将重沸器特征对应的多元时间序列划分为不同的数据段。结论有效实现了脱水装置重沸器的参数数据分割,并识别出不同工况。     

PCA和SDG融合的天然气脱水装置故障诊断

目的 快速定位天然气脱水装置的故障源.方法 对反映脱水系统运行状态的众多监测参数进行主成分分析,从而识别其中的异常参数.结合脱水工艺流程图,对所有参数及潜在设备故障进行因果分析,以建立脱水装置整体的SDG模型,将各异常参数的符号代入到该模型,按照双向推理规则最终确定造成这些参数异常的故障源.结果 通过主成分分析构造的SPE和T2统计量在脱水装置正常运行的时间段分别保持在低于20和141的控制限范围内,出现故障时两者几乎同时急剧增大,随后一直在远高于控制限的区间上波动.用贡献图法识别出的该故障的主导参数有三甘醇循环量、重沸器温度和缓冲罐液位.结论 将PCA与SDG相结合能够综合两种方法各自的优点,提高石化装备检维修的效率,保障设备的可靠运行.