The invention discloses a correlation vector machine fault diagnosis system with swarm intelligence search, which is used for fault diagnosis of ethylene cracking process, including data preprocessing module, principal component analysis module, correlation vector machine module and swarm intelligence algorithm module. The invention makes fault diagnosis and prediction for important parameter indexes of ethylene cracking chemical process, overcomes the shortcoming of relatively long test time of existing chemical fault diagnosis technology instrumentation system, introduces swarm intelligence algorithm module to optimize parameters of correlation vector machine, and achieves high test efficiency of the fault diagnosis system of ethylene cracking process.
【技术实现步骤摘要】
一种群智能搜索的相关向量机故障诊断系统
本专利技术涉及故障诊断领域、机器学习领域和群智能优化算法领域,尤其涉及一种结合机器学习和群智能优化算法的乙烯裂解过程化工故障诊断系统。
技术介绍
由于当今社会对工业生产的系统性能表现、产品质量以及运行成本的这些方面的越来越多的要求,以及计算机技术的发展以及自动化技术在工业生产过程中的应用,现代化生产过程日益复杂,即大型化、智能化、精密化。一些传统的方法,例如增强传感器、执行器、控制器及计算机这些子系统的稳定性和鲁棒性来提高整个系统的可靠性也不能保证系统无故障的运行。而在过程设备中或者过程内部的故障都给生产过程造成很大的偏差而且会使得整个系统性能变很差。比如,在化工过程中的传感器故障(如测量偏差)、执行机构的故障(如阀门、管道、水泵)以及生产过程中本身的故障(如催化剂失活、换热器污垢)。一个故障不仅会损伤功能性部件设备,还会通过耦合的控制回路和反馈系统影响到整个系统。为了解决这些问题,就需要一个故障诊断系统来监测整个系统的运行情况。因此,关于这些复杂过程的安全性和可靠性的问题受到了越来越多的关注。为保证生产过程安全可靠地进行,在系统中加入自动故障检测装置是非常必须的。它可以通过及时识别并通知工业生产过程中的异常情况,使操作员能迅速做出反应和排除故障来确保生产工艺能够正常运行。因此,故障诊断技术在生产过程中发挥着越来越重要的作用。
技术实现思路
为了克服目前已有的故障诊断系统测试时间相对较长的不足,本专利技术的目的在于提供一种测试效率高的故障诊断系统。本专利技术解决其技术问题所采用的技术方案是:一种群智能搜索的相关向量机故障 ...
【技术保护点】
1.一种群智能搜索的相关向量机故障诊断系统,用于对乙烯裂解过程进行故障诊断,其特征在于,包括还数据预处理模块、主成分分析模块、相关向量机模块以及群智能算法模块。
【技术特征摘要】
1.一种群智能搜索的相关向量机故障诊断系统,用于对乙烯裂解过程进行故障诊断,其特征在于,包括还数据预处理模块、主成分分析模块、相关向量机模块以及群智能算法模块。2.根据权利要求1所述群智能搜索的相关向量机故障诊断系统,其特征在于,所述数据预处理模块的输入为乙烯裂解过程的30个变量由于每个变量都有不同的单位,为了防止不同的量纲引起数据量级之间的误差,先对所有数据进行标准化处理,标准化公式如下:其中,mean表示各变量的算术平均值,std表示各变量的标准差,表示输入变量的值,下标i表示第i次检测、j分别表示第j维变量,xij表示标准化后输入变量的值作为输入数据。标准化后的数据为S={xi1,xi2,...xi30}。3.根据权利要求1所述群智能搜索的相关向量机故障诊断系统,其特征在于,所述主成分分析模块通过主成分分析来保证在不降低系统精度的情况下降低系统的复杂度。将标准化后的数据S={xi1,xi2,...xi30}进行主成分分析,保留85%的主要成分。4.根据权利要求1所述群智能搜索的相关向量机故障诊断系统,其特征在于,所述相关向量机模块:用于建立诊断系统,提高系统的测试效率:在相关向量机中,假设y符合高斯分布,将高斯核函数应用到y(x),其中yc为y的估计值,κ为函数的宽度参数,可以得到似然估计函数:其中t=(t1,t2...tN)T,w=(w1,w2...wN)T,w表示权重系数,t表示分类类别共N类,P表示概率结果、x为输入数据、y为输出数据,下标i表示第i个数据,上标T表示矩阵的转置。在相关向量机中,权值w可以通过极大似然估计来确定,但是为了防止过拟合,通过高斯先验概率分布来约束参数:其中,α是N+1维超参数,该值的引入导致了系统的稀疏性。根据先验概率和贝叶斯定理,应用拉普拉斯原理计算出近似的后验概率:(1)由于p(w|t,α)∝p(t|w)p(w|α),对当前固定的α值求出最大可能的权值wMP,采用二阶牛顿法求得wMP。其中,yn=σ{y(xn;w)},A=diag(α0,α1,...αN)。(2)利用拉普拉斯方法,将对数后验概率进行二次逼近,将上式进行两次求导得到:其中,Φ=[φ(x1),φ(x2)...φ(xN)]T是由多个核函数构成的一个N×(N+1)维度的结构矩阵,并且φ(xn)=[1,K(xn,x1),K(...
【专利技术属性】
技术研发人员:刘兴高,何世明,徐志鹏,张泽银,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。