基于稀疏过滤特征学习的化工过程故障检测方法

• 作者: 旷天亮 李秀喜 江升
• 来源期刊: 化工学报
• 关键词: 故障检测与诊断 安全 稀疏过滤 逻辑回归 神经网络 过程系统
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 过程系统工程
• 页码范围: 4698-4709
• 页数: 12页
• 分类号: TQ 021.8
• 语种: 中文
• DOI: 10.11949/0438-1157.20190894

摘要

过程安全一直以来是化学工业中尤为重要的问题之一,故障检测与诊断(FDD)作为化工异常工况管理最有力的工具之一,给过程安全提供了保障.随着深度学习的发展,很多智能学习算法已经被提出,然而这些算法却很少被应用到FDD中来.提出了一种基于稀疏过滤和逻辑回归(SFLR)算法的化工过程故障检测新方法.采用TE过程和环己烷无催化氧化制环己酮过程对提出的方法进行了验证,结果表明,所提出的方法均具有较高的诊断精度,案例研究表明提出的方法可以及时有效地诊断出故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李秀喜	华南理工大学化学与化工学院	68	689	15.0	22.0
2	江升	华南理工大学化学与化工学院	1	0	0.0	0.0
3	旷天亮	华南理工大学化学与化工学院	1	0	0.0	0.0