流程工业故障智能诊断方法技术

本发明专利技术公开了一种流程工业故障智能诊断方法，涉及流程工业技术领域，解决了现有技术中报警信息不准确，且不能提前对工况进行预判的问题，该方法包括：将临界热流密度数据输入至热电偶温度变化模型，确定数据集；对数据集进行归一化处理；根据归一化数据集计算飞升特征向量集，并将飞升特征向量集输入至训练好的SVM模型中，输出飞升特征向量与二维超平面的位置关系，确定飞升数据点和未飞升数据点；判断飞升数据点是否为假飞升数据点，若为假飞升数据点，则将飞升数据点置为未飞升数据点；根据飞升数据点确定临界工况点，并输出临界工况点，实现了对系统进行较小的改动，灵活且方便的对临界信息进行判断，操作简便，降低了人力资源成本。资源成本。资源成本。

【技术实现步骤摘要】
流程工业故障智能诊断方法


[0001]本专利技术涉及流程工业
，尤其涉及一种流程工业故障智能诊断方法。

技术介绍

[0002]智能测控系统广泛的应用于各种工业过程中，充分利用传感器技术、计算机技术、智能控制技术、信息技术等使工业过程的控制系统更加智能化，进一步提高工业控制系统的自动化程度。系统的健康检测是智能测控系统保障工业生产过程安全可靠运行的一项关键技术。对生产过程中实时健康状态进行监测，可以提早发现和隔离故障设备，避免有某个故障引起的连锁反应导致该工业生产系统的损毁，甚至造成整个工业流程的瘫痪。
[0003]但在实际工业过程中，通常会出现同一个故障同时引发多个报警器的问题，使得报警系统在产生有效报警信息的同时也存在这大量的冗余信息，干扰系统诊断故障类型，且不能提前对工况进行预判，致使报警系统失去准确性以及及时性。

技术实现思路

[0004]本专利技术通过提供一种流程工业故障智能诊断方法，解决了现有技术中报警信息不准确，且不能提前对工况进行预判的问题，实现了仅对系统进行较小的改动，便能灵活且方便的对临界信息进行判断；操作简便，降低了人力资源成本，提高了过程监测效率，可以快速预警工业过程中的异常状况，减轻操作人员工作量。
[0005]本专利技术实施例提供了一种流程工业故障智能诊断方法，该方法包括：
[0006]将临界热流密度数据输入至热电偶温度变化模型，确定数据集；
[0007]对所述数据集进行归一化处理，确定归一化数据集；
[0008]根据所述归一化数据集计算飞升特征向量集，并将所述飞升特征向量集输入至训练好的SVM模型中，输出飞升特征向量对应的数据点与二维超平面的位置关系，确定飞升数据点和未飞升数据点；其中，所述飞升特征向量集包括多阶飞升特征向量；
[0009]判断所述飞升数据点是否为假飞升数据点，若为所述假飞升数据点，则将所述飞升数据点置为所述未飞升数据点；
[0010]根据所述飞升数据点确定临界工况点，并输出所述临界工况点。
[0011]在一种可能的实现方式中，对SVM模型进行训练，包括：获取目标函数以及约束条件；根据所述目标函数以及所述约束条件，确定所述目标函数最小值，从而确定二维超平面。
[0012]在一种可能的实现方式中，所述热电偶温度变化模型表示为：
[0013][0014]其中，T1、T2表示热电偶入口、出口温度，单位为℃；D1表示热电偶入口、出口的流量，单位为M
j
表示过热金属质量，单位为：kg；Q1表示本体总加热量，单位为kJ；Q表示本体内总传输热量，单位为kJ；n表示经验系数；V表示本体的容积，单位为m3；K表示换热系数，无量纲；T
j
表示本体内管壁的温度，单位为℃；C
j
表示过热器金属比热，单位为C
w
表示流体的比热容，单位为ρ2表示热电偶出口流体的密度，单位：
[0015]在一种可能的实现方式中，所述飞升特征向量的计算公式表示为：
[0016][0017]其中，X
i
表示为i阶飞升特征向量；T1表示为第1个归一化后的本体壁温数据；T
i+1
表示为第i+1个归一化后的本体壁温数据；t1表示为第一次采样时间，单位为s；t
i+1
表示为第i+1次采样时间，单位为s，n表示计算阶数。
[0018]在一种可能的实现方式中，所述将所述飞升特征向量集输入至训练好的SVM模型中，输出飞升特征向量对应的数据点与二维超平面的位置关系，确定飞升数据点和未飞升数据点，包括：
[0019]根据所述飞升特征向量集中每阶述飞升特征向量与所述二维超平面位置关系，确定所述飞升特征向量对应的数据点是否为飞升数据点；
[0020]若所述飞升特征向量分布在所述二维超平面的上方，则将所述飞升特征向量对应的数据点归为所述飞升数据点；
[0021]若所述飞升特征向量分布在所述二维超平面的下方，则将所述飞升特征向量对应的数据点归为所述未飞升数据点；
[0022]若所述飞升特征向量分布在所述二维超平面上，则将所述飞升特征向量对应的数据点归为所述飞升数据点。
[0023]在一种可能的实现方式中，所述判断所述飞升数据点是否为假飞升数据点，若为所述假飞升数据点则将所述飞升数据点置为所述未飞升数据点，包括：
[0024]观测所述飞升数据点后连续时间内的数据点的所述多阶飞升特征向量与所述二维超平面的位置关系，确定所述飞升数据点是否为局部汽化引起的假飞升；
[0025]若是，则将所述飞升数据点置为所述假飞升数据点，进而将所述假飞升数据点置为所述未飞升数据点；
[0026]若否，则将连续时间内的首个所述飞升数据点确定为所述临界工况点。
[0027]在一种可能的实现方式中，所述目标函数表示为：
[0028][0029]其中，W表示权重向量，W*X+b＝0，X表示所述飞升特征向量集，b表示偏置项。
[0030]在一种可能的实现方式中，所述约束条件为拉格朗日乘子。
[0031]在一种可能的实现方式中，所述根据所述目标函数以及所述约束条件，确定所述
目标函数最小值，从而得到二维超平面，包括：
[0032]确定所述目标函数的边缘长度；
[0033]根据所述约束条件、所述边缘长度以及所述目标函数，确定优化目标函数；
[0034]通过获取所述优化目标函数的最大值，以确定所述目标函数最小值，从而确定二维超平面。
[0035]在一种可能的实现方式中，所述边缘长度表示为：
[0036][0037]所述优化目标函数表示为：
[0038][0039]其中，λ
i
、λ
j
表示为一组拉格朗日乘子变量，y
i
、y
j
均表示为所述归一化数据集的数据类标记，y
i
、y
j
均属于{
‑
1,1},当等于+1时为正例；
‑
1时为负例；X
i
表示为i阶飞升特征向量，X
j
表示为j阶飞升特征向量，s表示为支持向量集。
[0040]本专利技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
[0041]本专利技术通过采用了一种流程工业故障智能诊断方法，该方法包括：将临界热流密度数据输入至热电偶温度变化模型，确定数据集，热电偶对温度的测量精度高，且对变化感知明显，对工业流程中的热数据测量精准；对数据集进行归一化处理，确定归一化数据集，归一化将数据集都映射至一个较小的范围，便于对数据进行观察与分析；根据归一化数据集计算飞升特征向量集，并将飞升特征向量集输入至训练好的SVM模型中，输出飞升特征向量对应的数据点与二维超平面的位置关系，确定飞升数据点和未飞升数据点；其中，飞升特征向量集包括多阶飞升特征向量，通过判断数据点与二维超平面的位置关系，进而判断出数据的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种流程工业故障智能诊断方法，其特征在于，包括：将临界热流密度数据输入至热电偶温度变化模型，确定数据集；对所述数据集进行归一化处理，确定归一化数据集；根据所述归一化数据集计算飞升特征向量集，并将所述飞升特征向量集输入至训练好的SVM模型中，输出飞升特征向量对应的数据点与二维超平面的位置关系，确定飞升数据点和未飞升数据点；其中，所述飞升特征向量集包括多阶飞升特征向量；判断所述飞升数据点是否为假飞升数据点，若为所述假飞升数据点，则将所述飞升数据点置为所述未飞升数据点；根据所述飞升数据点确定临界工况点，并输出所述临界工况点。2.根据权利要求1所述的方法，其特征在于，对SVM模型进行训练，包括：获取目标函数以及约束条件；根据所述目标函数以及所述约束条件，确定所述目标函数最小值，从而确定二维超平面。3.根据权利要求1所述的方法，其特征在于，所述热电偶温度变化模型表示为：其中，T1、T2表示热电偶入口、出口温度，单位为℃；D1表示热电偶入口、出口的流量，单位为M
j
表示过热金属质量，单位为：kg；Q1表示本体总加热量，单位为kJ；Q表示本体内总传输热量，单位为kJ；n表示经验系数；V表示本体的容积，单位为m3；K表示换热系数，无量纲；T
j
表示本体内管壁的温度，单位为℃；C
j
表示过热器金属比热，单位为C
w
表示流体的比热容，单位为ρ2表示热电偶出口流体的密度，单位：4.根据权利要求1所述的方法，其特征在于，所述飞升特征向量的计算公式表示为：其中，X
i
表示为i阶飞升特征向量；T1表示为第1个归一化后的本体壁温数据；T
i+1
表示为第i+1个归一化后的本体壁温数据；t1表示为第一次采样时间，单位为s；t
i+1
表示为第i+1次采样时间，单位为s，n表示计算阶数。5.根据权利要求1所述的方法，其特征在于，所述将所述飞升特征向量集输入至训练好的SVM模型中，输出飞升特征向量对应的数据点与二维超平面的位置关系，确定飞升数据点和未飞升数据点，包括：根据所述飞升特征向量集中每阶述飞升特征向量与所述二维超平面位置关系，确定...

【专利技术属性】
技术研发人员：常晶，陈为胜，李欣然，房新鹏，戴浩，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：