-
公开(公告)号：CN104635724B
公开(公告)日：2017-02-22
申请号：CN201410826845.6
申请日：2014-12-25
Applicant: 重庆科技学院
IPC: G05B23/02
Abstract: 本发明公开了一种基于动态核独立分量分析的天然气净化过程异常检测方法，该诊断方法按如下步骤进行：确定所监测的高含硫天然气净化脱硫生产过程中的工艺参数；对高含硫天然气净化脱硫生产过程进行数据采集；对数据进行预处理；分析数据的自回归模型，确定其动态时滞后阶次，得到其动态扩展矩阵；在核主元空间对扩展矩阵进行白化处理，提取核主元分量，并采用独立分量分析估计独立元；计算独立元对应的SPE统计量和T2统计量，并分析统计量是否超限，若超限则发生异常工况，否则正常，再结合T2贡献图法，进行异常工况参数追溯。本方法能够及时检测故障发生，并追溯工艺操作参数导致故障发生原因，从而为系统故障排查和恢复提供决策参考依据。
-
公开(公告)号：CN104657586A
公开(公告)日：2015-05-27
申请号：CN201410848322.1
申请日：2014-12-31
Applicant: 重庆科技学院
IPC: G06F19/00
Abstract: 本发明公开了一种基于异常工况检测的高含硫天然气净化工艺建模优化方法，利用独立元分析提取独立元，并计算对应的SPE统计量，再与设定控制限对比，判断异常工况下采集到的样本数据，并给予剔除；将净化工艺操作参数作为极限学习机的输入变量，建立高含硫天然气净化脱硫工艺过程模型，模型输出即为净化气中H2S和CO2含量，经采用粒子群算法对极限学习机模型结构进行优化；物理规划偏好函数将能耗、产量不同物理量在同一度量准则下进行设计，MOGA可实现工艺操作参数与能耗、产量对应的Pareto最优解集。本发明利用粒子群优化的极限学习机建立高含硫天然气净化脱硫过程统计模型，提高了模型的精度；同时还实现相互冲突的能耗和产量多目标优化。
-
公开(公告)号：CN104635724A
公开(公告)日：2015-05-20
申请号：CN201410826845.6
申请日：2014-12-25
Applicant: 重庆科技学院
IPC: G05B23/02
CPC classification number: G05B23/0254
Abstract: 本发明公开了一种基于动态核独立分量分析的天然气净化过程异常检测方法，该诊断方法按如下步骤进行：确定所监测的高含硫天然气净化脱硫生产过程中的工艺参数；对高含硫天然气净化脱硫生产过程进行数据采集；对数据进行预处理；分析数据的自回归模型，确定其动态时滞后阶次，得到其动态扩展矩阵；在核主元空间对扩展矩阵进行白化处理，提取核主元分量，并采用独立分量分析估计独立元；计算独立元对应的SPE统计量和T2统计量，并分析统计量是否超限，若超限则发生异常工况，否则正常，再结合T2贡献图法，进行异常工况参数追溯。本方法能够及时检测故障发生，并追溯工艺操作参数导致故障发生原因，从而为系统故障排查和恢复提供决策参考依据。
-
公开(公告)号：CN104504271A
公开(公告)日：2015-04-08
申请号：CN201410827060.0
申请日：2014-12-25
Applicant: 重庆科技学院
IPC: G06F19/00
Abstract: 本发明公开了一种基于独立元相似度的高含硫天然气净化脱硫过程检测方法，该方法按如下步骤进行：约简原始特征，确定表征高含硫天然气净化脱硫生产过程工况特征的根本影响因素：初选M个表征高含硫天然气净化脱硫生产过程工况的原始特征组成原变量组X，筛选出在主元方向投影最大的m个独立元，剔除贡献度较小的变量；将所述原变量组X的样本数据重新组合后，形成新样本数据；从新样本数据中选取样本数据作为训练样本，建立高含硫天然气净化脱硫生产过程工况分类模型，模型输出值对应的高含硫天然气净化脱硫生产过程工况类型即为诊断结果。它能够降低模型复杂度，降低维度，提高模型精度，找出影响高含硫天然气净化异常工况的根本原因。
-
公开(公告)号：CN104636600B
公开(公告)日：2018-04-24
申请号：CN201410854722.3
申请日：2014-12-31
Applicant: 中国石油化工股份有限公司中原油田普光分公司 , 重庆科技学院
Abstract: 本发明公开了一种基于极限学习机的高含硫天然气净化工艺建模、优化方法，该方法按如下步骤进行：确定模型的输入变量；采集工艺生产数据；对工艺生产数据进行预处理；进行数据归一化处理；采用极限学习机对数据进行建模，以得到工艺操作参数对H2S和CO2含量的模型；以极限学习机模型两个输出变量设计偏好函数，运用多目标遗传算法对输入变量进行优化；将输入变量优化解集依次带入极限学习机模型，计算此时的模型两个输出值H2S含量，CO2含量，与样本值平均值进行比较，观察优化效果。本发明能够快速建立精确可靠的高含硫天然气净化脱硫工业过程模型，能够以此为基础提高成品气产量，降低脱硫过程能耗，对指导实际工业生产具有重要的现实意义。
-
Patent Agency Ranking
公开(公告)号：CN104656441B
公开(公告)日：2017-12-08
申请号：CN201410836321.5
申请日：2014-12-29
Applicant: 重庆科技学院
IPC: G05B13/04
Abstract: 本发明的目的在于克服现有技术的不足，提供一种基于无迹卡尔曼神经网络的天然气净化工艺建模优化方法，步骤：确定输入变量；采集工艺生产数据；对数据进行预处理；进行数据归一化处理；采用无迹卡尔曼神经网络对数据进行建模，得到模型；以无迹卡尔曼滤波神经网络模型两个输出变量设计偏好函数，运用多目标遗传算法对输入变量进行优化；将优化后输入变量解集依次带入无迹卡尔曼神经网络模型，计算此时的模型两个输出值，与样本值平均值进行比较，观察优化效果。本方法能够建立精确可靠的高含硫天然气净化脱硫工业过程模型，能够以此为基础提高成品气产量，降低脱硫过程能耗，对指导实际工业生产具有重要的现实意义。
-
公开(公告)号：CN104656635B
公开(公告)日：2017-10-13
申请号：CN201410849339.9
申请日：2014-12-31
Applicant: 重庆科技学院
IPC: G05B23/02
Abstract: 本发明公开了一种非高斯动态高含硫天然气净化过程异常检测与诊断方法，该诊断方法按如下步骤进行：随机采集高含硫天然气净化过程数据组成原始测量样本集；对数据进行预处理；通过分析工业过程自回归模型，确定模型时滞阶次，然后将数据投影到核独立元空间，通过监控独立元对应的T2和SPE统计量是否超出正常状态设定的控制限实现异常检测。最后计算T2统计量对原始变量的一阶偏导数，绘制其贡献图，从而实现异常诊断。本方法能够及时检测故障发生，并追溯工艺操作参数导致故障发生原因，从而为系统故障排查和恢复提供决策参考依据，实现非线性、动态、非高斯过程监控。
-
公开(公告)号：CN104636600A
公开(公告)日：2015-05-20
申请号：CN201410854722.3
申请日：2014-12-31
Applicant: 中国石油化工股份有限公司中原油田普光分公司 , 重庆科技学院
Abstract: 本发明公开了一种基于极限学习机的高含硫天然气净化工艺建模、优化方法，该方法按如下步骤进行：确定模型的输入变量；采集工艺生产数据；对工艺生产数据进行预处理；进行数据归一化处理；采用极限学习机对数据进行建模，以得到工艺操作参数对H2S和CO2含量的模型；以极限学习机模型两个输出变量设计偏好函数，运用多目标遗传算法对输入变量进行优化；将输入变量优化解集依次带入极限学习机模型，计算此时的模型两个输出值H2S含量，CO2含量，与样本值平均值进行比较，观察优化效果。本发明能够快速建立精确可靠的高含硫天然气净化脱硫工业过程模型，能够以此为基础提高成品气产量，降低脱硫过程能耗，对指导实际工业生产具有重要的现实意义。
-
公开(公告)号：CN104657586B
公开(公告)日：2017-09-19
申请号：CN201410848322.1
申请日：2014-12-31
Applicant: 重庆科技学院
IPC: G06F19/00
Abstract: 本发明公开了一种基于异常工况检测的高含硫天然气净化工艺建模优化方法，利用独立元分析提取独立元，并计算对应的SPE统计量，再与设定控制限对比，判断异常工况下采集到的样本数据，并给予剔除；将净化工艺操作参数作为极限学习机的输入变量，建立高含硫天然气净化脱硫工艺过程模型，模型输出即为净化气中H2S和CO2含量，经采用粒子群算法对极限学习机模型结构进行优化；物理规划偏好函数将能耗、产量不同物理量在同一度量准则下进行设计，MOGA可实现工艺操作参数与能耗、产量对应的Pareto最优解集。本发明利用粒子群优化的极限学习机建立高含硫天然气净化脱硫过程统计模型，提高了模型的精度；同时还实现相互冲突的能耗和产量多目标优化。
-
公开(公告)号：CN104656441A
公开(公告)日：2015-05-27
申请号：CN201410836321.5
申请日：2014-12-29
Applicant: 重庆科技学院
IPC: G05B13/04
Abstract: 本发明的目的在于克服现有技术的不足，提供一种基于无迹卡尔曼神经网络的天然气净化工艺建模优化方法，步骤：确定输入变量；采集工艺生产数据；对数据进行预处理；进行数据归一化处理；采用无迹卡尔曼神经网络对数据进行建模，得到模型；以无迹卡尔曼滤波神经网络模型两个输出变量设计偏好函数，运用多目标遗传算法对输入变量进行优化；将优化后输入变量解集依次带入无迹卡尔曼神经网络模型，计算此时的模型两个输出值，与样本值平均值进行比较，观察优化效果。本方法能够建立精确可靠的高含硫天然气净化脱硫工业过程模型，能够以此为基础提高成品气产量，降低脱硫过程能耗，对指导实际工业生产具有重要的现实意义。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.022 seconds)
