化工过程自适应多模型故障监测方法研究

发布时间：2017-11-14 06:30

  本文关键词：化工过程自适应多模型故障监测方法研究

  更多相关文章： 自适应 多模态 故障监测 奇异值分解(SVD) 模糊C均值(FCM)算法 主成分分析(PCA)

【摘要】：为提高化工过程故障监测的准确性,针对先验知识不足情况下的多模态化工过程模态数未知问题,开发自适应多模型的故障监测方法。基于奇异值分解(SVD)求解模态数,利用模糊C均值(FCM)算法对训练数据进行模态划分,并利用主成分分析(PCA)方法,针对不同的过程模态建立相应的监测模型,实现故障监测。将该方法应用于丙烯计量罐装置,进行实例分析。结果表明,与基于聚类有效性指标的方法相比,该方法在正常和故障2种情况下,故障监测的误报率分别降低了3.54%和5.59%。
【作者单位】： 中国石油大学(北京)机械与储运工程学院;
【基金】：国家自然科学基金资助(51574263) 中国石油大学(北京)科研基金资助(2462015YQ0403)
【分类号】：TQ050.7
【正文快照】： 主成分分析(PCA)0引言现代化工生产过程往往伴随着物理、化学、生化反应以及相变等多种复杂变化[1],工况频繁改变,使得一个连续生产过程经常在不同模态间转换,变成了多模态过程。传统的多元统计过程故障监测方法,如主成分分析(Principal ComponentAnalysis,PCA)、偏最小二乘(P

【相似文献】

中国期刊全文数据库 前1条

1 杨东辉;郑军梅;王兆望;薛子文;;Sundyne高速泵故障监测体系的建立[J];化工设备与管道;2012年05期

，

本文编号：1184266