聚乙烯是石油化工产业的重要产品之一,气相法聚乙烯工艺由于其性能优势被广泛应用于工业生产中。该工艺以气固流化床为核心反应器,在进行聚合反应时,会因多种原因造成颗粒团聚和粘结,这些块状物料的出现会持续影响反应状态,严重时将导致装置停车停产。因此有必要对气固流化床聚乙烯生产过程实施监测,以便于及时发现结块故障并进行处理,保持装置持续运行。在现有结块故障监测手段中,声波法安全可靠且易于实施,成为相关研究热点。本文研究了基于声信号的聚乙烯气固流化床结块故障监测方法。首先设计了一套流化床结块声波采集系统,完成了硬件搭建和相应软件的编程。系统由四个声波传感器监听反应器内颗粒粒径分布情况,现场监测终端完成声波信号调理和采集,然后以无线方式传输至监控室,在监控机上显示并存储数据。基于以上数据,研究了声信号特征提取方法。首先对比分析了声波信号的时域、频域和熵特征,提出了基于ReliefF的加权主成分分析方法(R-WPCA)用于特征提取。该方法能够从众多特征中找到有助于区分结块的主成分,去除相关性的同时实现降维。针对实际采样过程中有大量无标签样本且故障样本较少的问题,提出了基于主动学习的支持向量机(ALSVM)结块故障诊断方法,设计性能指标用于挑选少量对提高模型分类准确率最有帮助的样本,标注后用于支持向量机训练,得到诊断模型,完成故障监测系统的搭建。在中试装置上进行了实验,实验结果发现该系统能比传统方法提前12-85分钟发现结块故障,并且报警结果不受操作干扰。实验结果说明监测系统能够稳定运行,验证了系统的可行性和可靠性。