化工过程故障根源精准定位模型

化工过程具有大规模、高复杂性、多变量等特点,系统的关联性强,现有的故障定位方法较为繁琐,且会引入大量冗余计算,使其在化工过程故障定位中的实用性降低。为及时诊断故障并识别故障根源,基于动态主元分析(DPCA),结合贡献图和统计量,建立化工过程故障因果关系模型,确定对故障贡献率最大的变量,绘制故障传播路径图,找到引起扰动的初始变量,即故障的根源。采用田纳西-伊斯曼过程(TE)中的某一故障仿真作为案例,以验证该模型的有效性。结果表明,该模型利用故障的传播特点,在发生故障报警后,通过绘制故障传播路径图对扰动进行溯源,可实现化工过程故障定位。     

基于传递熵与KELM的炼油化工过程风险传播路径分析方法

基于炼油化工过程复杂,设备众多,某一设备的监测变量发生扰动可能会传播至其相邻设备引发出一系列故障链。现有方法多是针对某一设备进行监测与诊断,以期降低事故后果,而忽视了对过程风险传播路径的预测以防止事故的发生。因此,提出一种基于传递熵与核极限学习机的炼油化工过程风险传播路径分析方法,该方法针对某一工艺扰动,分析其在风险发展过程中的扰动传播过程,基于传递熵分析法建立炼油化工过程风险传播推绎模型;并提出一种基于KELM的风险传播搜索方法,预测风险传播路径;将该方法应用于分馏塔冲塔过程。研究结果表明:该方法可辨识出未来一段时间内风险的可能传播路径,以便操作人员及时采取预防措施,保证过程安全及产品质量。     

时序数据驱动的化工过程风险动态预警研究

对化工过程进行在线监测与动态风险预警是降低事故发生的有效途径。提出了一种基于深度学习时序预测与模糊数学定量风险评估相结合的预警方法。针对化工过程数据的动态性、时序性、非线性强，且预测周期短等问题，将卷积神经网络(Convolutional Neural Networks, CNN)与长短期记忆网络(Long Short-Term Memory, LSTM)模型结合形成深度学习时序预测模型，实现过程参数108 min的超前预测。将该方法应用于合成氨过程，对温度、压力、流量、氢氮比等6个风险参数进行预测。结果表明，该预测方法具有较高的预测精度，其线性回归相关系数及均方根误差表明所提出的方法具有非常高的精度。同时利用三角模糊数对时序预测结果进行风险评估，得到时序风险变化曲线，实现了化工过程风险预警。研究对使用人工智能和大数据实现过程控制和风险预警进行了有益探索，为实现化工过程的超前预警提供参考。     

基于mini-1D-CNN模型的TE过程故障诊断

为提升石化企业过程监测与故障诊断系统性能,满足化工过程故障诊断实时性、时效性的要求,提出一种基于过程历史数据驱动的最小一维卷积神经网络(mini-1D-CNN)的故障诊断模型。首先,通过一维卷积核学习和识别不同故障类型的数据特征,自动提取优势特征并进行故障分类;其次,通过逐步向后回归选择重要特征参数,优化模型结构。利用可实时获取的31个过程变量与操作参数,输入一维卷积神经网络(1D-CNN),监测与诊断田纳西-伊斯曼(TE)过程的主要故障。结果表明：相对于其他故障诊断模型,mini-1D-CNN模型在测试集上故障诊断率(FDR)较高,可达到96.50%;同时,mini-1D-CNN模型关注于TE过程故障诊断的重要特征参数,在降低参数量及降低训练和测试时间上具有显著优势。     

基于VMD-LSSVR的河水水质预测方法

为了更好地掌握河水水质的变化规律,提出了一种基于变分模态分解(VMD)和最小二乘支持向量回归(LSSVR)的组合水质预测方法。通过VMD将水质指标分解成一系列有限带宽的模态分量以降低其非平稳性,然后对各分量分别建立LSSVR预测模型,并利用Pearson相关分析确定各分量输入变量,最后将各分量预测结果进行整合得到最终的水质指标预测值。以长江朱沱监测断面的高锰酸钾指数(CODMn)进行模型性能验证。结果表明,与其他现有模型相比,该方法具有更高的预测精度,为河水水质污染预控提供了有效技术支持。     

基于MFM初始事件发生频率计算方法

为了解决传统故障树分析方法中,依赖参与人员经验导致评价结果相对主观的问题,利用多级流模型(MFM)模拟实际流程,改进化工过程定量风险评价(QRA)初始事件发生频率的计算方法。首先,应用MFM对化工过程建模,并根据MFMSuite软件推理出的故障逻辑原因树建立故障树,按照事件发生的逻辑顺序找出故障原因;然后,计算顶上事件的发生频率,即为该过程初始事件的发生频率;最后,以氰化氢生产流程中粗产品的冷却过程作为应用实例。研究表明:针对热交换工艺过程,MFM计算方法运用原因树推演故障树,与传统方法相比,结果更为客观。     

基于运行场次用时误差的载人设备故障预警可视化研究

针对国内游乐设施行业载人设备运行状态监测不够完善、故障诊断多数情况下需要依赖技术人员经验的现状,分析了基于机理模型、基于知识和基于数据驱动的载人设备故障预警方法,研究了载人设备故障预测的多元线性回归算法,并利用矿山车的时间系数、人数系数、温度系数,建立了矿山车载人设备的多元线性回归模型。通过矿山车15个同步点区间用时预测案例,在可视化平台上显示预测和实际运行曲线,实现了对矿山车或过山车类载人设备运行故障的有效预警。     

化工系统设备运行可靠性的综合评价模型研究

为提高化工过程系统设备运行的可靠度,讨论可靠性评价在化工过程系统管理中的适用性和发展方向,建立可靠性评价模型体系。将设备故障模式与可靠性评价相结合,分析存在的故障模式类型。用安全、环境以及经济分析方法,得到评价指标。运用无因次函数模型,建立化工过程系统设备运行可靠性的综合评价模型。利用某大型磷化工集团硫酸生产系统的实际运行数据,验证该模型的有效性。结果表明,当磷酸装置运行可靠性的综合评价值大于3.17时,需要对相应设备进行维修维护。     

反应器热爆炸风险分析模型的构建

从风险的角度开展化工安全管理与决策。基于能量转移论,综合运用化工工艺的热风险评估和保护层分析(LOPA)方法,在对各类典型事故预防控制措施的有效性分析基础上,选择化工工艺过程中的绝热温升(ΔTad)表征反应器热爆炸的严重度,采用保护层分析得到的事故发生频率表征反应器热爆炸的发生可能性,构建了适用于反应器热爆炸的风险分析模型。在运用该模型对甲苯一段硝化间歇反应器的热爆炸风险进行分析的过程中,给出了相应的风险决策方案,验证了模型的可行性。     

矿井提升关键机构安全监测与预警系统研究

基于矿井提升机构安全运行的重要性,以新城某矿为研究背景,建立混合井提升关键机构的安全动态监测及预警系统。采用数值模拟方法建立提升机基础有限元模型,并进行模态分析,得出提升机基础的各阶振型频率。对分级加载过程进行时程分析,把最大振动位移达到危险值时的振动加速度作为提升机基础的安全动态监测指标。建立井架有限元模型,分别研究空载静止状态和正常使用极限状态下井架的受力与变形,从而得到井架破坏的临界预警值,以此建立预警系统。结果表明,以临界预警值作为安全性量化指标建立的预警系统能用来对提升机运行过程中产生的故障进行预警,并确定故障所在位置。     

时序数据分析的复杂化工过程异常智能溯源研究

对复杂化工过程异常工况进行智能推理溯源是实现安全关口前移、降低灾难性事故发生的有效途径。提出了一种基于Spearman-Apriori的化工过程异常智能溯源分析方法,旨在研究复杂化工过程异常工况发生的前置原因,并形成一种智能决策模型。针对化工工艺参数之间耦合性强、关联关系分析难度大的特点,引入Spearman相关系数,通过Spearman实时在线分析过程参数间的相关关系,并设置强关联阈值将Spearman相关系数分析与Apriori算法进行关联耦合,利用Apriori算法中的支持度和置信度二维挖掘各参数之间的超强关联规则。将该方法应用于合成氨工艺中合成工段的异常工况智能推溯,并选取氢氮比、管路工艺气流量、给水换热器冷凝剂流量等8个关键监测指标,研究发现氢氮比增大和给水换热器冷凝剂流量升高分别是导致合成塔入口压力超压、合成塔第一床层温度过低两组异常工况的前置原因,该分析结果与实际生产工艺相符,证明该方法可以有效地对化工过程异常原因进行推溯并筛选主要影响因素。研究为使用生产过程大数据实现化工过程异常智能溯源提供了理论基础,为进一步完善过程风险精细化管控提供了新思路。     

基于恢复效度的故障模式危害性灰色关联评估

针对失效模式、影响和危害度分析方法(FMECA)在设备运行过程中单纯依靠RPN分析危害性的不足,建立了一种针对服务对象的危害性评估模型。引入恢复效度的概念,丰富了危害度评估的指标体系;利用层次分析法确定各评估指标的权重;运用灰色关联分析方法建立数学模型,给出了计算步骤;利用德尔菲法界定了故障模式恢复效度、严酷度、发生频度和可探测度在广播式自动相关监视系统(ADS-B)的等级。利用建立的数学模型对该系统6种典型故障模式的危害性进行了分析、验证和排序。结果表明,该模型能更加真实地反映故障模式对服务对象的危害性,可以根据危害性排序结果界定设备运行系统关键性故障模式,并有针对性地制定相关弥补措施和对策。     

基于EMD-MFOA-ELM的瓦斯涌出量时变序列预测研究

为准确分析工作面绝对瓦斯涌出量的非平稳特征,实现瓦斯涌出量的准确预测,基于经验模态分解(EMD)、修正的果蝇优化算法(MFOA)和极限学习机(ELM)基本原理,构建瓦斯涌出量的EMD-MFOA-ELM多尺度时变预测模型。通过EMD将瓦斯涌出量时变序列进行深层次分解,获得多尺度本征模态函数(IMF);采用MFOA-ELM对各IMF时变序列建立动态预测模型,等权叠加各预测值,得到模型最终预测结果。以晋煤某矿瓦斯涌出量监测时序样本为例进行研究分析,结果表明:EMD能充分挖掘出监测数据隐含信息,有效降低数据复杂度;该模型预测相对误差为0.024 3%~0.651 0%,平均值仅为0.252 6%,预测精度和泛化能力高于未经EMD分解模型,能很好地适用于非平稳时变序列预测。     

非正常工况下化工过程设备故障实时关联预警研究

为提高非正常工况下化工过程设备故障预警的准确性和鲁棒性,需在预测过程中考虑影响目标参数的其他关联参数的状态。提出基于灰色关联分析法和卡尔曼滤波法的化工过程故障实时关联预警方法,建立以目标参数为结果变量的灰色关联模型,通过灰色关联度分析及排序,提取关联系统中目标参数的关联原因变量,对过程参数进行实时预测和预警。在常减压装置故障预警案例分析中,分别以稳定塔回流罐液位和常压塔顶温度为目标参数,实时预测未来1 min内的参数状态值,当判断结果为故障时提前发出预警信息。结果表明:与传统卡尔曼滤波法相比,所提方法预测结果平均相对误差分别减小了91.06%和88.23%,并成功避免了一次误告警和一次漏告警。     

基于改进FMEA的地铁车辆转向架风险评估

为了加强地铁车辆转向架的安全管理,提出1种基于区间直觉模糊集和决策试验和评价实验室(DEMATEL)方法的改进故障模式和影响分析(FMEA)方法对其进行风险评估。采用可转化为区间直觉模糊数的语言变量表征专家对故障因果关系和风险因子的评估信息,构建评估信息一致性最大化模型并求得专家和风险因子权重信息;通过区间直觉模糊加权几何算子集结信息得到故障因果关系区间直觉模糊风险优先值;基于DEMATEL方法确定故障模式与故障致因风险顺序,并结合案例分析证实该方法的可行性和有效性。研究结果表明:轮对运行不稳和加油堵脱落分别为某市地铁公司车辆转向架系统风险排序最高的故障模式和故障致因。     

EEMD-小波在高边坡变形信息提取中的应用研究

针对高边坡变形呈现非平稳性及数据“噪声”多源的问题,提出了一种定向滤波的变形信息提取方法。首先,利用集合经验模态分解方法分解变形时序数据,结合定量分析法判别模态分量信号频段;然后,对高频模态分量中的“噪声”利用小波函数进行“靶向”消噪处理,并对趋势项进行傅里叶级数拟合;最后,重构高边坡变形分析模型,实现真实变形量的提取。结果表明,对比分析各项检验指标,通过“靶向”消噪,各高频模态分量消噪效果明显,重构后的集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)-小波高边坡变形分析模型较原始形变和其他模型在精度指标方面提升显著,该方法可用于高边坡的变形预测分析和真实变形量提取。     

基于ICEEMDAN和MC-CNN的矿山声发射信号识别分类方法

为精准识别地下矿山声发射事件,采用基于改进的完全集合经验模态分解模型(ICEEMDAN)和多通道卷积神经网络(MC-CNN)模型对声发射信号进行处理后得到分量图,根据各通道输入分量峭度值赋予不同权重,并利用卷积神经网络对输入数据进行训练,最终采用五折交叉实验方法验证该分类识别方法的可行性及有效性.结果表明:基于ICEE...     

STAMP框架下化学品船智能液货系统风险分析

为分析化学品船智能液货系统的安全性，采用系统理论事故模型与过程(System-Theoretic Accident Model and Processes, STAMP)方法，构建了化学品船智能液货系统控制反馈模型；基于系统理论过程分析(System-Theoretic Process Analysis, STPA),确定系统级事故，识别不安全控制行为并分析不安全控制行为关键致因；将不安全控制行为作为风险因素，利用三角模糊数对不安全控制行为风险进行量化。结果表明，26种不安全控制行为中，泵管阀动态调节、人员监测、数据采集、货品相容性判定等因素对风险影响程度较高。该分析结果可为化学品船智能液货系统的应用和安全管理提供参考。     

基于YOLOv3的电网作业人员安全帽佩戴检测

为了有效监测电网作业人员不规范佩戴安全帽行为,提出1种基于YOLOv3的电网作业现场安全帽佩戴检测方法.针对安全帽佩戴规范性问题,构建正确佩戴、不正确佩戴和未佩戴安全帽3种情况下的图像样本库;并利用该数据库对YOLOv3模型进行训练与测试,结合模型参数、样本比例及算法对比分析,开展电网作业人员安全帽佩戴检测算例.结果表...     

基于视频的雾天能见度实时监测方法研究

目前我国高速公路能见度监测主要依靠能见度观测仪,该方法覆盖区域有限且成本较高,而我国高速公路图像采集设备应用广泛,因此提出了一种基于监控视频图像测量雾天能见度的方法。该方法将图像进行分窗格处理,通过相关性分析筛选出最优兴趣窗格的亮度均方差特征矩阵,建立BP神经网络修正线性残差组合模型。结果表明:残差修正模型监测效果优于单一线性回归模型,残差修正模型的决定系数R2为0.977;在光线充足的情况下,残差修正模型的相对误差在10%以下,模型精度相对稳定;最后应用此方法监测高速公路雾天能见度,模型的正确率在80.48%以上。验证了用该方法测量雾天能见度具有可行性和有效性。