基于RF-RFECV和PSO-SVM的化工过程故障诊断方法

张 伟，王连彪，张广帅

(青岛科技大学 自动化与电子工程学院,山东 青岛 266061)

橡胶轮胎、医药原料、服装染料、食品添加剂等化工产品在社会生产发展和人们日常生活中占据着重要地位,影响着工业、农业、国防等各个领域的快速发展[1]。但是,化工生产的工艺流程及过程控制系统结构复杂,运行系统内部各变量之间的关系相互耦合,某一部分发生微小故障就有可能诱发链式反应,导致整个生产系统无法正常运行,严重时可引发灾难性后果。因此,能够准确、有效地对运行状态进行早期预警,实现故障的快速诊断排除,是化工生产安全稳定运行的必要前提。

自20世纪90年代以来,随着故障诊断技术的不断发展,诊断方法得到了不断的扩充和完善,一般可分为基于机理模型的方法、基于知识的方法和基于数据的方法。过去,由于科技水平的条件限制,大部分异常工况的故障识别依赖于人工经验,这种基于知识的方法不仅带来了故障诊断效率低的问题,而且一旦经验不足导致判断失误则会影响产品质量。目前,随着工业自动化PLC和DCS系统的发展,依靠如温度、流速、压力等各类型传感器可以实现运行数据的实时采集,对收集数据中包含的多维度变量通过建立合适的故障诊断模型,预测故障的发生变化趋势,从而能够有效减少工业生产的经济损失[2]。

基于数据驱动的故障诊断建模方法主要可以分为三类,多元统计学习、深度学习以及综合性学习方法[3]。……