一种基于群智能优化的改进机器学习故障诊断系统技术方案

本发明专利技术公开了一种基于群智能优化的改进机器学习故障诊断系统，用于对乙烯裂解过程进行故障诊断，包括数据预处理模块、主成分分析模块、加权最小二乘支持向量机模块以及群智能算法模块。本发明专利技术对乙烯裂解化工过程的重要参数指标进行故障诊断预测，克服已有的化工故障诊断技术仪表预报精度不高、易受人为因素影响的不足，增加故障诊断系统的鲁棒性，引入群智能算法模块对加权最小二乘支持向量机参数进行自动优化，不需要人为经验或多次测试来调整模型参数，从而得到具有最优的群智能优化的改进机器学习故障诊断系统。本发明专利技术提高了故障诊断系统的预报鲁棒性，特别是对于系统数据存在奇异点或者不满足常规的高斯分布时，效果更好。

【技术实现步骤摘要】
一种基于群智能优化的改进机器学习故障诊断系统
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
石油化学工业是以石油和天然气为主要原料，制造以汽油、煤油、柴油为代表的石油产品和以乙烯、丙稀、丁二烯为代表的有机化工产品的加工工业。石油化工是国民经济的重要支柱产业之一，大到飞机、髙铁、轮渡，小到日常生活中的食品包装容器、多彩多样的服饰、建筑装饰材料等等，都离不开石油化学工业。随着当今石油化工过程朝着自动化和大型化方向发展，系统中各个单元耦合更加密切，任何单元被控参数扰动、人为误操作、部件故障都有可能引起连锁反应，危及到系统安全稳定生产，甚至引发系统大规模停车，所产生的人员伤亡和经济损失是不可估量的。例如，天津港“8.12”瑞海公司危险品仓库爆炸事故、大连中石油国际储运有限公司“7.16”输油管道爆炸火灾事故和吉林松原石化厂厂房闪爆事故等都给国家和社会造成了巨大的经济损失和人员伤亡。所以，当系统出现故障情况时，怎样及时而精确地适位故障源，进行合理有效的决策使系统恢复安全、稳定的生产状态，己经发展成当前世界范围內相关学术领域的一个研巧热点。
技术实现思路
为了克服目前已有的故障诊断技术的预报精度不高、易受人为因素的影响的不足，本专利技术的目的在于提供一种更加鲁棒的化工故障诊断系统。本专利技术解决其技术问题所采用的技术方案是：一种基于群智能优化的改进机器学习故障诊断系统，用于对乙烯裂解过程进行故障诊断，包括数据预处理模块、主成分分析模块、加权最小二乘支持向量机模块以及群智能算法模块，其中：数据预处理模块：乙烯裂解过程的30个变量为数据预处理模块的输入。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}。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。加权最小二乘支持向量机模块：用于建立诊断系统，增加故障诊断系统的鲁棒性，由支持向量机进行改进，引入权重系数：通过误差函数最小化来完成输入到输出的一种高度非线性映射，映射中保持拓扑不变性。其中J表示目标函数、w表示惯性权重、ξ表示误差、C表示惩罚因子、u表示权重系数、表示核函数映射、b表示偏执、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。该模块采用性能优秀、所需参数少的RBF核函数K，函数如下：其中，K是核函数，表示输入数据的平均值，σ表示核参数。群智能算法模块：采用群智能方法蚁群算法优化加权最小二乘支持向量机模块中的惩罚因子C、权重系数u和核参数σ：(1)算法初始化，构造出初始的解集S＝(s1,s2,...,sn)，确定蚁群的大小m，设置蚁群寻优算法迭代次数的阈值MaxGen并初始化蚁群寻优的迭代次数序号k＝0；(2)计算出解集S对应的适应度值Fi(i＝1,2,...n)，适应度值越大代表解越好，再确定解集中每个解被取到作为蚂蚁寻优的初始解的概率Pi(i＝1,2,...n)，其中表示解的真实值，表示解的预测值，n表示样本个数：初始化执行寻优算法的蚂蚁编号i＝0；(3)蚂蚁i选取S中的一个解作为寻优的初始解，选取规则是根据P来做轮盘选；(4)蚂蚁i在选取的初始解的基础上进行寻优，找到更好的解si；将乙烯裂解过程中不同故障的数据输入到群智能优化诊断系统中进行训练，建立故障诊断模型。当未知故障的数据输入到此故障诊断系统时，诊断结果显示仪显示诊断结果。本专利技术的有益效果主要表现在：本专利技术对乙烯裂解化工过程的重要参数指标进行故障诊断预测，克服已有的化工故障诊断技术仪表预报精度不高、易受人为因素影响的不足，增加故障诊断系统的鲁棒性，引入群智能算法模块对加权最小二乘支持向量机参数进行自动优化，不需要人为经验或多次测试来调整模型参数，从而得到具有最优的群智能优化的改进机器学习故障诊断系统。本专利技术提高了故障诊断系统的预报鲁棒性，特别是对于系统数据存在奇异点或者不满足常规的高斯分布时，效果更好。附图说明图1是一种基于群智能优化的改进机器学习故障诊断系统的基本结构示意图；图2是群智能优化诊断系统结构示意图；图3是乙烯裂解过程工艺生产流程图。具体实施方式下面根据附图具体说明本专利技术。参照图1，一种基于群智能优化的改进机器学习故障诊断系统，包括乙烯裂解过程1、用于测量易测变量的现场智能仪表2、用于测量操作变量的控制站3、存放数据的数据库4、群智能优化诊断系统5和诊断结果显示仪6。所述现场智能仪表2、控制站3与乙烯裂解过程1连接，所述现场智能仪表2、控制站3与数据库4连接，所述数据库4与群智能优化诊断系统5的输入端连接，所述基于群智能优化诊断系统5的输出端与诊断结果显示仪6连接。参照图3乙烯裂解过程的变量如表1所示。表1：乙烯裂解过程变量编号过程变量编号过程变量1A管进料16甲烷含量2B管进料17乙烯含量3C管进料18裂解炉温度14D管进料19裂解炉温度25E管进料20裂解炉温度36F管进料21裂解炉温度47总进料22锅炉出口温度18平均温度23锅炉出口温度29A管蒸汽流量24锅炉出口温度310B管蒸汽流量25A管出口温度11C管蒸汽流量26B管出口温度12D管蒸汽流量27C管出口温度13E管蒸汽流量28D管出口温度14F管蒸汽流量29E管出口温度15丙烯含量30F管出口温度乙烯裂解过程数据作为群智能优化诊断系统5的输入变量。通过人工取样分析获得，每4小时分析采集一次。参照图2，所述群智能优化诊断系统5还包括：数据预处理模块7：乙烯裂解过程的30个变量为数据预处理模块的输入。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}。主成分分析模块8：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。加权最小二乘支持向量机模块9：用于建立诊断系统，增加故障诊断系统的鲁棒性，由支持向量机进行改进，引入权重系数：通过误差函数最小化来完成输入到输出的一种高度非线性映射，映射中保持拓扑不变性。其中J表示目标函数、w表示惯性权重、ξ表示误差、C表示惩罚因子、u表示权重系数、表示核函数映射、b表示偏执、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。该模块采用性能优秀、所需参数少的RBF核函数K，函数如下：其中，K是核函数，表示输入数据的平均值，σ表示核参数。群智能算法模块10：采用群智本文档来自技高网...

【技术保护点】
1.一种基于群智能优化的改进机器学习故障诊断系统，用于对乙烯裂解过程进行故障诊断，其特征在于：包括数据预处理模块、主成分分析模块、加权最小二乘支持向量机模块以及群智能算法模块。

【技术特征摘要】
1.一种基于群智能优化的改进机器学习故障诊断系统，用于对乙烯裂解过程进行故障诊断，其特征在于：包括数据预处理模块、主成分分析模块、加权最小二乘支持向量机模块以及群智能算法模块。2.根据权利要求1所述基于群智能优化的改进机器学习故障诊断系统，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所述基于群智能优化的改进机器学习故障诊断系统，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所述基于群智能优化的改进机器学习故障诊断系统，其特征在于，所述加权最小二乘支持向量机模块用于建立诊断系统，增加故障诊断系统的鲁棒性，由支持向量机进行改进，引入权重系数：通过误差函数最小化来完成输入到输出的一种高度非线性映射，映射中保持拓扑不变性。其中J表示目标...

【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