【摘 要】
:
数据实时监控是工业生产过程安全经济运行的重要手段,但在数据采集中存在采样不平衡、同时系统中存在非线性耦合关系以及受到非高斯干扰等监控难题。生成式对抗网络(Generative Adversarial Networks,GAN)及其拓展方法对抗自编码器(Adversarial Autoencoders,AAE)等从分布函数等角度给出了以上监控难题部分解决方法。然而复杂的工业过程监控中,通常几个难题伴
论文部分内容阅读
数据实时监控是工业生产过程安全经济运行的重要手段,但在数据采集中存在采样不平衡、同时系统中存在非线性耦合关系以及受到非高斯干扰等监控难题。生成式对抗网络(Generative Adversarial Networks,GAN)及其拓展方法对抗自编码器(Adversarial Autoencoders,AAE)等从分布函数等角度给出了以上监控难题部分解决方法。然而复杂的工业过程监控中,通常几个难题伴随出现。为此,本文在GAN的基本框架上,融合非高斯分布和自编码器的非线性映射等特点,从多个角度构建了新的监控策略:1、对于重尾分布的小样本生成问题,本文设计了一种适用于重尾分布的GAN模型(heavy-tailed GAN,HTGAN),为具有重尾分布的不平衡数据监控提供了新的解决方案。2、对于非线性和非高斯数据不适用于主成分分析(Principal Component Analysis,PCA)的问题,提出一种基于AAE数据预处理的潜变量提取方法(AAE-PCA)。该方法利用AAE的对抗编码使得映射到高维空间的数据服从高斯分布,再进行PCA潜变量提取以获取更佳的监控结果。3、对于过程数据中的非高斯和非线性特征难以同时提取的问题,结合独立成分分析(Independent Component Analysis,ICA)的非高斯特征提取和AAE对抗编码两种方法的优点,提出了一种基于ICA-AAE的潜变量提取方法。同时,本方法给出了基于广义Pareto分布获取控制限的策略,以实现更准确的故障检测阈值。此外,将ICA-AAE的潜变量作为格拉姆角和场-卷积神经网络(Gramian angular summation fields-Convolutional Neural Networks,GASF-CNN)模型的输入,以增强其故障诊断能力。
其他文献
随着工业过程的复杂性不断增高,保证生产过程的安全显得愈发重要。故障诊断技术在生产安全方面扮演了十分重要的角色,近年来随着信息技术的不断发展,工业过程中的数据更加容易采集和保存,对基于数据驱动的工业故障诊断提供了支撑。基于此,本文开展了以下关于故障诊断方法的研究工作:(1)提出一种基于自适应顺序形态滤波器(Adaptive Rank-Order Morphological Filter,AROMF)
矿浆输送管道由于上下起伏大、高程差变化大的特点,以及柱塞泵的工作特性和调泵操作的频繁发生,使得管道内部频繁产生异常信号。这些异常信号的存在严重干扰了管道泄漏信号的准确识别,导致较多误报和漏报的产生。准确地识别出异常信号的类别及其出现的时间区间,可以为减少误报和漏报提供有效的技术支持。但是,目前尚没有一种有效的方法可以准确地识别并定位频繁出现的异常信号。在此背景下,本文开展了基于深度学习的矿浆输送管
在复杂的现代工业中,生产环节中装置多、工业流程复杂,工业流程经常需要被监测,比如工业系统中的安全性。同时,生产安全是工业流程中至关重要的因素。这是使现代工业稳定发展的关键基石。因此,对工业过程中的故障报警需要准确的定位和溯源分析。但是,随着工业过程复杂度的增加,准确得定位并诊断出其过程中存在的问题变得越来越难。得益于贝叶斯网络在故障定位和推理的过程中存在的许多优势和特点,这将大大降低复杂工业过程的
智能机器设备方便了人们的生活,为了使它们获得更多处理事物的能力,利用机器对物体进行感知成为了研究人员的关注热点。近些年,研究人员通过模拟人体的感知系统,来使机器获得感知物体信息的能力。其中,机器触觉与机器视觉是研究人员研究的重点。在机器触觉方面,人们研制出了压力触觉传感器,然而当前的压力触觉传感器制作工艺复杂、不易阵列式多点分布并且信号读取易受干扰,进而造成获取压力触觉信息的不完整;在机器视觉方面
间歇过程是化工生产、生物制药等行业的主要生产方式,具有多模态、非线性、多变量等特点。受传感器技术的制约,间歇过程中存在底物浓度、产物浓度等难以直接测量的过程变量,直接影响间歇过程的在线监测和优化控制,导致生产效率降低并且难以保证间歇过程的安全运行。软测量技术通过建立容易测量的辅助变量和难以直接测量的主导变量之间的数学模型,实现对主导变量的在线估计。现有的间歇过程软测量混合建模方法没有考虑模型参数数
随着时代的发展与技术的进步,人们对于过程的安全性以及产品的质量需求逐渐增强,基于数据的状态监测受到更多的学者关注与研究,其中拥有诸多优点的多变量统计分析算法备受青睐。本文主要基于统计方法中典型相关分析算法做出一些改进工作,典型相关分析的优化目标为寻求一对转换向量使得过程变量的线性组合与关键性能指标的线性组合之间的相关性最大。然而典型相关分析只考虑变量与投影向量间的线性关系,且在应用于状态监测时也无
研究高效、准确、快速的基于数据驱动的旋转机械故障诊断方法具有重要意义。深度学习(DL)是数据驱动方法的一个重要分支,在故障诊断方法中得到了越来越多的关注。虽然DL方法在旋转机械故障诊断中取得了很好的效果,但大多数方法的性能会随着工作条件的变化而急剧下降。为了解决这个问题,我们设计了一个迁移学习框架,用于更快、更准确的旋转机械故障诊断。为了提高模型训练和诊断速度并减少模型的参数量。首先,我们设计了一
冶金起重机是在恶劣环境下工作且任务极其繁重的一类起重机,其长时间重复、间歇性吊运、频繁起动制动的载荷吊运过程不断地冲击冶金起重机设备与钢结构,容易造成设备故障与钢结构的疲劳失效,具有极大的危险性。工业健康监测系统能够实时监测设备健康状况,减小工业设备故障或疲劳失效带来的危险性。冶金起重机应用工业健康监测系统时由于数据维度高、数据量大,不易采集和处理表征冶金起重机健康状态的多维数据,此外由于缺乏有效
隔离壁反应蒸馏塔(R-DWDC)作为反应蒸馏(RDC)和隔离壁技术过程强化与集成的产物,在资源节约和能源消耗方面具有巨大的潜在优势,但迄今为止很少有针对过程综合与设计的研究。尤其单隔离壁反应蒸馏塔(R-SDWDC)是现有研究中占绝对优势的过程结构,虽然它能很好的协调反应操作与分离操作之间的物质和能量耦合,但是分离与分离操作之间的物质和能量耦合却被完全忽略,因此R-SDWDC并不是过程强化的最优结构
<正> 南京附近吕家山至红山近东西向展布的沉积岩系,1935年朱森、李毓尧等定有一套古生代志留纪、泥盆纪及石炭—二叠纪地层。1964年沈修志等改划为中生代三叠系青龙群、黄马青组及侏罗系象山群地层,并在青龙群与黄马青组之间划了一条规模较大的逆断层。1976年提交的1:20万南京幅区测报告,基本上与沈氐意见相似,所不同的是把沈氐