中国安全科学学报

作者：杨余, 杨鑫, 王英, 翟持, 张浩

单位：1 西南大学 化学化工学院,重庆 400715；2 重庆理工大学 化学化工学院,重庆 400054；3 昆明理工大学 化学工程学院,昆明 云南 650500

关键词：最小一维卷积神经网络(mini-1D-CNN),田纳西-伊斯曼(TE)过程,故障诊断,过程监测,贡献系数

基金：国家自然基金资助(21806131)

为提升石化企业过程监测与故障诊断系统性能,满足化工过程故障诊断实时性、时效性的要求,提出一种基于过程历史数据驱动的最小一维卷积神经网络(mini-1D-CNN)的故障诊断模型。首先,通过一维卷积核学习和识别不同故障类型的数据特征,自动提取优势特征并进行故障分类;其次,通过逐步向后回归选择重要特征参数,优化模型结构。利用可实时获取的31个过程变量与操作参数,输入一维卷积神经网络(1D-CNN),监测与诊断田纳西-伊斯曼(TE)过程的主要故障。结果表明:相对于其他故障诊断模型,mini-1D-CNN模型在测试集上故障诊断率(FDR)较高,可达到96.50 %;同时,mini-1D-CNN模型关注于TE过程故障诊断的重要特征参数,在降低参数量及降低训练和测试时间上具有显著优势。

来源：2023年第2期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2023年第2期