太阳城集团

  • / 7
  • 下载费用:30 金币  

一种基于多类PROBIT模型的锌精馏塔故障诊断方法.pdf

摘要
申请专利号:

CN201611097388.7

申请日:

2016.12.02

公开号:

太阳城集团CN106778848A

公开日:

2017.05.31

当前法律状态:

实审

有效性:

审中

法律详情: 实质审查的生效IPC(主分类):G06K 9/62申请日:20161202|||公开
IPC分类号: G06K9/62 主分类号: G06K9/62
申请人: 上海电机学院
发明人: 丁云飞; 刘洋; 朱晨烜; 王栋璀; 潘羿龙
地址: 200240 上海市闵行区江川路690号
优先权:
专利代理机构: 上海伯瑞杰知识产权代理有限公司 31227 代理人: 俞晨波
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

太阳城集团CN201611097388.7

授权太阳城集团号:

|||

法律状态太阳城集团日:

2017.06.23|||2017.05.31

法律状态类型:

太阳城集团实质审查的生效|||公开

摘要

本发明公开了一种基于多类Probit模型的锌精馏塔故障诊断方法,其步骤为:对采集录入的故障报警数据,进行初步数据预处理;运用PCA,即主成分分析,对数据进行标准化,并提取出故障数据的主要特征太阳城集团;结合蒙特卡洛法,通过Probit模型,对故障数据进行分类判别;同时利用故障数据库和故障知识库,对Probit模型和故障类别进行迭代更新调整。本发明通过以上过程,缩短了故障太阳城集团分析太阳城集团,提高了故障太阳城集团分类精确度,降低了成本,从而提高了故障分类的准确度,提高了锌精馏塔的可靠性和稳定性,还实现了用模型进行故障预测。

权利要求书

1.一种基于多类Probit模型的锌精馏塔故障诊断方法,其特征在于,包括如下步骤:
1)通过精馏塔数据采集装置采集故障数据,并对所述故障数据进行初步的预处理;
2)运用主成分分析法PCA,提取出锌精馏塔的故障数据的主要特征太阳城集团;
3)运用基于多类Probit模型的故障分类器,将锌精馏塔的故障数据的主要特征太阳城集团作
为训练样本进行分类分析;
4)运用基于多类Probit模型的故障分类器,对故障数据类型进行判别;同时,将生成的
分类数据样本,输入到故障数据库进行更新,并作为历史经验对多类Probit模型的故障分
类器进行训练调整,使故障类型判别的结果反复迭代更新,实现最大程度利用故障数据集;
5)为把故障类型模块的结果与故障知识库进行比对,将比对结果实时显示在人机交互
界面中。
2.根据权利要求1所述的基于多类Probit模型的锌精馏塔故障诊断方法,其特征在于,
所述步骤2)的流程如下:对故障数据进行标准化处理,然后求相关系数矩阵R以及R的特征
值和特征向量,记为λi,(i=1,2,...,p),其对应特征向量为ei(i=1,2,......,p),接着计
算主成份贡献率、累计贡献率并确定主成分个数。
3.根据权利要求1所述的基于多类Probit模型的锌精馏塔故障诊断方法,其特征在于,
所述步骤3)的流程如下:
3.1)所述故障数据的主要特征太阳城集团,假设服从正态分布,其分布密度函数为:

设(η1,η2)为[0,1]上均匀分布的随机变量,对于标准正态分布N(0,1),利用二元函数
变换可得到随机变量抽样值:
Ε=(-2Inη1)1/2cos(2πη2);
则正态分布N(μ,σ2)的随机变量抽样值为:
y=εσ+u;
结合PCA生成的锌精馏塔故障数据的主要特征太阳城集团,进行下一步计算;
3.2)依据利用蒙特卡洛法,产生符合状态变量分布的一组随机函数,即结合锌精馏塔
故障数据的主要特征太阳城集团,确定多类Probit模型中参数;
具体过程如下:
3.21)构造或描述概率过程,即先构造人为的概率过程,参量即为结合锌精馏塔故障数
据的多类Probit模型中的参数;
3.22)实现从已知概率分布抽样,借助于随机序列来实现;
3.23)建立各种估计量,从而从中得到多类Probit模型中参数的解。

说明书

一种基于多类Probit模型的锌精馏塔故障诊断方法

技术领域

本发明涉及故障诊断方法领域,具体地说,特别涉及到一种基于多类Probit模型
的锌精馏塔故障诊断方法。

背景技术

随着国民经济的快速发展,锌粉作为原材料越来越多地应用于冶金、化工、建筑、
交通、医药、电子以及食品等领域。锌粉生产通常采用精馏塔进行精馏冷凝,该法利用不同
金属的沸点不同,如锌的低沸点、高蒸气压特性,通过连续分馏和锌粉冷凝器的快速冷凝作
用,将杂质金属分离,从而得到杂质含量低,粒度分布均匀,化学活性好的精锌。随着锌粉的
市场需求量日益增大,锌精馏塔的正常工作在锌粉制造业中占据着重要地位,因而对精馏
过程中出现的故障进行有效识别显得尤为重要。

随着锌精炼设备的数量增多,控制系统规模越来越大,结构越来越复杂。任何设备
质量或设计缺陷,以及大型复杂冶炼过程控制系统中的不确定性因素和运行环境因素的影
响等,都往往会造成运行设备和控制系统的可靠性降低,故障发生率高,而且故障现象、故
障原因和故障类型呈现出多样化和模糊性的特点。目前,大部分精馏塔的故障诊断技术都
是基于经验知识的专家系统或对设备条件要求很高的射线扫描技术,然而这些诊断方法的
难点在于专家知识库的建立更新和设备的精度要求,所采集的数据难以判断复杂故障分
类。

发明内容

本发明的目的在于针对现有技术中的不足,提供一种简单易行,成本低速度快的
锌精馏塔故障诊断方法,即基于多类Probit模型的锌精馏塔故障诊断方法,从而提高了故
障诊断的准确度,提高锌精馏塔的可靠性和稳定性,从而实现了故障数据的分类,以及用模
型进行故障预测。

本发明所解决的技术问题可以采用以下技术方案来实现:

2.一种基于多类Probit模型的锌精馏塔故障诊断方法,其特征在于,包括如下步
骤:

1)通过精馏塔数据采集装置采集故障数据,并对所述故障数据进行初步的预处
理;

2)运用主成分分析法PCA,提取出锌精馏塔的故障数据的主要特征太阳城集团;

3)运用基于多类Probit模型的故障分类器,将锌精馏塔的故障数据的主要特征信
息作为训练样本进行分类分析;

4)运用基于多类Probit模型的故障分类器,对故障数据类型进行判别;同时,将生
成的分类数据样本,输入到故障数据库进行更新,并作为历史经验对多类Probit模型的故
障分类器进行训练调整,使故障类型判别的结果反复迭代更新,实现最大程度利用故障数
据集;

5)为把故障类型模块的结果与故障知识库进行比对,将比对结果实时显示在人机
交互界面中。

2.根据权利要求1所述的基于多类Probit模型的锌精馏塔故障诊断方法,其特征
在于,所述步骤2)的流程如下:对故障数据进行标准化处理,然后求相关系数矩阵R以及R的
特征值和特征向量,记为λi,(i=1,2,...,p),其对应特征向量为ei(i=1,2,......,p),接
着计算主成份贡献率、累计贡献率并确定主成分个数。

3.根据权利要求1所述的基于多类Probit模型的锌精馏塔故障诊断方法,其特征
在于,所述步骤3)的流程如下:

3.1)所述故障数据的主要特征太阳城集团,假设服从正态分布,其分布密度函数为:

设(η1,η2)为[0,1]上均匀分布的随机变量,对于标准正态分布N(0,1),利用二元
函数变换可得到随机变量抽样值:

Ε=(-2Inη1)1/2cos(2πη2);

则正态分布N(μ,σ2)的随机变量抽样值为:

y=εσ+u;

结合PCA生成的锌精馏塔故障数据的主要特征太阳城集团,进行下一步计算;

3.2)依据利用蒙特卡洛法,产生符合状态变量分布的一组随机函数,即结合锌精
馏塔故障数据的主要特征太阳城集团,确定多类Probit模型中参数;

具体过程如下:

3.21)构造或描述概率过程,即先构造人为的概率过程,参量即为结合锌精馏塔故
障数据的多类Probit模型中的参数;

3.22)实现从已知概率分布抽样,借助于随机序列来实现;

3.23)建立各种估计量,从而从中得到多类Probit模型中参数的解。

与现有技术相比,本发明的有益效果如下:

1)通过PCA来提取故障太阳城集团中的主要特征太阳城集团,对采集的锌精馏塔故障数据进行
标准化预处理,减少了故障特征太阳城集团数值上的差异,降低了数据的复杂度,实现了数据不相
关和模型简化。

2)Probit模型是一个非线性回归模型,其代表的正态分布几乎可以表示所有的数
据,所以Probit是现代统计学中应用最为广泛的模型之一。它既可以对参数进行线性无偏
估计,还可以模拟非线性的响应变量。

3)使用蒙特卡罗法求解Probit模型的参数,优点有计算简单、易于实现;不因数据
维数而影响其收敛速度;误差容易确定;受几何条件限制小等。

4)将训练后的数据样本输入到数据故障数据库进行更新,作为历史经验对多类
Probit模型的故障分类器进行训练调整,使故障类型判别的结果反复迭代更新,从而实现
最大程度利用故障数据集,且随着各种类型故障数据的不断增加,故障数据库系统不断进
行更新,故障分类器也更加完善。

5)本发明结合了故障知识库系统,将故障报警样本数据和故障知识库系统的多种
故障类型数据样本进行匹配组合,从而实现了快速诊断故障类型,提高了故障诊断的准确
度,提高锌精馏塔的可靠性和稳定性,从而减小了故障造成的损失,具有较高的利用价值。

附图说明

图1为本发明的基于多类Probit模型的锌精馏塔故障诊断方法的主流程图。

图2为本发明的故障知识库具体的内容分解示意图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合
具体实施方式,进一步阐述本发明。

参见图1,本发明所述的基于多类Probit模型的锌精馏塔故障诊断方法,其步骤如
下:

步骤一为通过精馏塔数据采集装置,采集故障报警数据,并对数据进行初步的预
处理。精馏塔在运行过程中引起故障的原因是多方面的,其中最主要引发故障的原因主要
集中在设备与控制,开工或停工,操作过程,再沸器和冷凝器,安装失误,塔板与降液管设计
和减压装置等。据此,将采集的故障数据进行初步预处理。

步骤二为运用PCA,即主成分分析,提取出锌精馏塔故障数据的主要特征太阳城集团。其
流程首先数据标准化,然后求相关系数矩阵R以及R的特征值和特征向量,记为λi,(i=1,
2,...,p),其对应特征向量为ei(i=1,2,......,p)。接着计算主成份贡献率、累计贡献率
并确定主成分个数。

步骤三为运用基于多类Probit模型的故障分类器,将锌精馏塔故障数据的主要特
征太阳城集团作为训练样本进行分类分析,具体步骤如下:

1)所述故障数据的主要特征太阳城集团,假设服从正态分布,其分布密度函数为:

设(η1,η2)为[0,1]上均匀分布的随机变量,对于标准正态分布N(0,1),利用二元
函数变换可得到随机变量抽样值:

Ε=(-2Inη1)1/2cos(2πη2);

则正态分布N(μ,σ2)的随机变量抽样值为:

y=εσ+u;

结合PCA生成的锌精馏塔故障数据的主要特征太阳城集团,进行下一步计算。

2)依据利用蒙特卡洛法,产生符合状态变量分布的一组随机函数,即结合锌精馏
塔故障数据的主要特征太阳城集团,确定多类Probit模型中参数。具体过程如下:

(1)构造或描述概率过程,即先构造人为的概率过程,参量即为结合锌精馏塔故障
数据的多类Probit模型中的参数。

(2)实现从已知概率分布抽样,借助于随机序列来实现。

(3)建立各种估计量,从而从中得到多类Probit模型中参数的解。

步骤四运用多类Probit模型的故障分类器,对故障数据类型进行判别。同时,将生
成的分类数据样本,输入到故障数据库进行更新,并作为历史经验对多类Probit模型的故
障分类器进行训练调整,使故障类型判别的结果反复迭代更新,从而实现最大程度利用故
障数据集,且随着各种类型故障数据的不断增加,故障数据库系统不断进行更新,故障分类
器也更加完善。

步骤五为把故障类型模块的结果与故障知识库进行比对,从而实现故障类型的精
确判别。具体故障知识库内容由图2所示。

步骤六将比对结果实时显示在人机交互界面中,可以及时接收到故障类型判别分
类结果,并对输出结果及时进行控制与调整。

图2中的故障知识库包含知识的更新与知识的解释两部分。其中,知识更新部分需
要专家提供经验以及对历史经验的总结来共同完成;而知识解释需要制定一系列相关的匹
配规则和搜索机制来和新训练的数据进行比对,以求能够更准确地判断故障类型。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术
人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本
发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变
化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其
等效物界定。

关 键 词:
一种 基于 PROBIT 模型 精馏塔 故障诊断 方法
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
太阳城集团本文
本文标题:一种基于多类PROBIT模型的锌精馏塔故障诊断方法.pdf
链接地址:http://zh228.com/p-6019649.html
太阳城集团我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

copyright@ 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
葡京赌场|welcome document.write ('');