[发明专利]一种群智能寻优的化工故障诊断系统

说明书

本发明公开了一种群智能寻优的化工故障诊断系统，包括田纳西伊斯曼过程、现场智能仪表、控制站、存放数据的数据库、群智能寻优的诊断系统以及诊断结果显示仪。现场智能仪表及控制站与田纳西伊斯曼过程相连，与数据库相连；群智能寻优的诊断系统与数据库及诊断结果显示仪相连。其中群智能寻优的诊断系统还包括数据预处理模块、主成分分析模块、最小二乘支持向量机模块以及群智能算法模块。本发明克服已有的化工故障诊断技术仪表预报相对较慢、易受人为因素影响的不足，引入群智能算法模块对最小二乘支持向量机参数进行自动优化，实现的田纳西伊斯曼过程故障诊断系统诊断效率高。

技术领域

本发明涉及故障诊断领域、机器学习领域和群智能优化算法领域，尤其涉及一种结合机器学习和群智能优化算法的田纳西伊斯曼过程化工故障诊断系统。

背景技术

随着计算机科学技术的快速发展，现代工业生产过程变得越来越复杂，尤其是化工工业的生产过程向复杂化、大型化发展。如果化工过程发生故障，不能及时有效的排除，不仅造成经济损失，而且可能会污染环境，甚至危及人的生命安全。例如2015年4月，PX石化发生爆炸事件，事故造成了1人受重伤，13人受轻伤。爆炸后重油燃烧了一整天，由于重油燃烧引起的烟尘是常见的柴油的1.5倍，所以爆炸后对周围的环境造成了严重的污染。2015年8，山东淄博市润兴化工厂发生爆炸，此次爆炸导致周围2公里内的居民都能感到震感。事故调查发现是由一分离器着火引起的爆炸，该事故导致1名员工当场死亡，9名员工受伤，并被及时送往医院救治。这次事故造成了上1亿的经济损失，同时，也给周围居民造成了不小的恐慌。2015年5月，大连南洋防腐化工涂料有限公司发生起火，这场事故造成4名员工受伤，幸运的是无人员死亡。目前出现了数据多却无法得到有效的利用情况，数据和数据之间很难建立起相关联。如何能有效挖掘数据中的有用信息成为当前需要解决主要问题，只有将数据深层信息有效利用，才能确保过程运行状况达到预设定的各项性能指标，提高对过程的监控性能。

发明内容

为了克服目前已有的故障诊断技术的诊断速度相对较慢的不足，本发明的目的在于提供一种诊断效率高的化工故障诊断系统。

本发明解决其技术问题所采用的技术方案是：一种群智能寻优的化工故障诊断系统，用于对田纳西伊斯曼过程进行故障诊断，包括数据预处理模块、主成分分析模块、最小二乘支持向量机模块以及群智能算法模块。其中：

数据预处理模块：田纳西伊斯曼过程的52个变量为数据预处理模块的输入。由于每个变量都有不同的单位，为了防止不同的量纲引起数据量级之间的误差，先对所有数据进行标准化处理，标准化公式如下：

其中，mean表示各变量的算术平均值，std表示各变量的标准差，表示输入变量的值，下标i表示第i次检测、j分别表示第j维变量，x_ij表示标准化后输入变量的值作为输入数据。标准化后的数据为S＝{x_i1,x_i2,...x_i52}。

主成分分析模块：通过主成分分析来保证在不降低系统精度的情况下降低系统的复杂度。将标准化后的数据S＝{x_i1,x_i2,...x_i52}进行主成分分析，保留85％的主要成分。

最小二乘支持向量机模块：用于建立诊断系统，提高系统的故障诊断效率：

通过误差函数最小化来完成输入到输出的一种高度非线性映射，映射中保持拓扑不变性。其中J表示目标函数、w表示模块参数、ξ表示误差、C表示惩罚因子、表示核函数映射、b表示偏执、x表示输入数据、y表示输出数据，下标i表示第i个数据，上标T表示矩阵的转置。该模块采用性能优秀、所需参数少的RBF核函数K，函数如下：

其中，K是核函数，表示输入数据的平均值，σ表示核参数。