基于PCA和RBF神经网络的石化装置故障监测与诊断

• 作者: 康建新 赵明娟 郭丽杰
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: PCA RBF神经网络 故障监测与诊断 石化装置
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 化学工程
• 页码范围: 456-461
• 页数: 6页
• 分类号: X913.4
• 字数: 3699字
• 语种: 中文

摘要

为了从石化装置大量工艺监测数据中提取有效的故障特征信息，及时地发现故障并准确地识别故障原因，提出了一种基于PCA和RBF神经网络的故障监测与诊断方法。首先获取工况样本，建立PCA模型，降维提取统计特征；设定正常工况SPE统计量阈值，建立在线工况SPE统计量，由此进行故障监测。然后对故障样本进行PCA降维，构建多个RBF神经网络模型，用以实施在线故障诊断，识别故障原因。最后把某石化公司气体分馏装置脱异丁烷单元作为实例，采用UniSim Design软件对该单元进行过程动态模拟，获得工况监测样本，建立了故障监测与诊断模型。研究结果表明，所提出的方法不仅能有效地对工况进行状态监测，而且能快速和准确地诊断故障。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭丽杰	燕山大学环境与化学工程学院	14	92	6.0	9.0
5	康建新	燕山大学环境与化学工程学院	9	77	6.0	8.0
9	赵明娟	燕山大学环境与化学工程学院	1	11	1.0	1.0