化工過程複雜數據網路故障診斷方法研究

《化工過程複雜數據網路故障診斷方法研究》是依託北京化工大學，由耿志強擔任項目負責人的面上項目。

基本介紹

• 中文名：化工過程複雜數據網路故障診斷方法研究
• 依託單位：北京化工大學
• 項目類別：面上項目
• 項目負責人：耿志強

項目摘要

課題融合化工、控制科學、系統工程、智慧型工程等多學科，系統梳理過程工藝流程、數據流，故障信息關聯、難描述和難診斷的特點，將複雜網路理論引入化工過程系統工程，以提高複雜數據網路的過程信息表述能力、增強網路系統理解性和穩定性，提高過程系統故障診斷效率和安全控制為目標，研究具有功能層次化、信息定量化、可理解和操作的新型複雜數據網路建模方法；重點提出物理網路和數據網路雙網協同一致過程建模方法、節點關係流度量和智慧型遍歷精簡算法，提出過程數據網路結構演化和動力學分析方法、網路社團劃分與子網探測、故障模式識別與診斷等方法，建立過程有向加權網路節點負荷容量、級聯故障傳播診斷模型；形成一整套用於解決化工過程複雜數據網路建模、演化與故障診斷解決方案和智慧型計算工具。以典型乙烯生產裝置為研究套用對象，過程仿真與實際裝置運行交叉驗證方法的有效性，為化工過程故障診斷、安全控制與操作最佳化提供新的方法和途徑。

結題摘要

本項目系統研究了化工過程複雜數據網路的圖信息表示、網路結構創建、動力學行為分析與故障檢測、識別與診斷的整套理論和方法，結合複雜化工過程物流、能流和信息流的結構和運行關係，在化工流程和數據的知識表示方面，提出了數據網路和物理網路融合驅動的化工過程網路圖知識表示、網路空間約簡方法，以及開發實現了複雜數據處理算法工具包；在化工過程異常檢測方面，提出了基於最大信息熵原理的化工過程異常數據線上檢測、基於複雜網路統計學參數分析、網路可見圖方法的異常數據檢測；在化工過程關鍵變數軟測量建模方面，提出了新型的自組織ELM神經網路建模方法、以及面向化工過程高維數據的深度RBF網路建模方法；在化工過程故障診斷方面，提出了基於複雜數據網路特徵分析、總體平均經驗模態分解、動態高階統計分析的系統故障診斷方法，以及基於有向圖和貝葉斯機率分析的故障路徑傳播計算方法；在化工過程系統運行評價方面，提出了數據包絡分析和馬奎斯特指數融合的工業過程運行效率性能評價、基於核函式的模糊過程能力評價、動態層次分析的多目標粒子群最佳化算法，以及數據包絡交叉模型集成層次融合算法的乙烯裂解爐性能分析評價與溫度選擇方法，在仿真系統和乙烯生產實際裝置中驗證了方法的有效性。研究成果在解決複雜過程數據關係分析、故障識別、診斷與過程運行性能評價方面具有創新性，為分析工業過程性能分析與診斷、安全評價與運行最佳化的整體解決方案，在流程工業大數據分析方面具有廣闊的套用前景。相關研究成果在中國石化天津分公司化工廠進行了套用，相關技術集成在煉化企業生產安全教育與應急演練指揮平台系統，取得了較好的套用效果。經過課題的系統研究，發表術論文38篇，其中SCI/EI收錄26篇，申請發明專利6項，獲批3項，獲批軟體著作權1項。獲得省部級（石化聯合會）科技成果鑑定1項。培養畢業博士生2名和碩士生10名。