[發明專利]一種聚合釜的智能故障診斷方法

無效

• 申請號: 201310310919.6
• 申請日: 2013-07-23
• 公開（公告）號: CN103413028A
• 公開（公告）日: 2013-11-27
• 發明（設計）人: 高淑芝;薛之化;陳淑艷;劉歡;李學斌;湯守強;于利民;崔權;趙娜
• 申請（專利權）人: 沈陽化工大學;葫蘆島錦化化工工程設計有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 沈陽技聯專利代理有限公司 21205
• 代理人: 張志剛

技術領域

本發明涉及一種聚合釜故障診斷方法，特別是涉及一種聚合釜的智能故障診斷方法。

背景技術

聚氯乙烯樹脂（PVC）是重要的有機合成材料，其產品具有良好的物理性能和化學性能，廣泛應用于工業、建筑、農業、電力、公用事業等領域。聚合釜則是聚氯乙烯生產裝置的關鍵設備，聚合釜能否穩定運行直接關系到整個聚氯乙烯生產裝置的運行狀況。而電機、減速機和機封又是確保聚合釜裝置正常運行的關鍵設備,它們一旦發生故障就會給生產帶來嚴重的損失。

發明內容

本發明的目的在于提供一種聚合釜的智能故障診斷方法，該方法通過改進差別矩陣與改進的LMBP神經網絡相結合的方法來實現聚合釜的故障診斷，及早診斷聚合釜故障類型和位置，避免聚合釜停車所造成的巨大經濟損失，同時提高聚氯乙烯產品質量、降低生產成本。

本發明的目的是通過以下技術方案實現的：

一種聚合釜的智能故障診斷方法，為一種基于改進差別矩陣屬性約簡的粗糙集與改進LMBP神經網絡相結合的故障診斷方法，所述方法包括以下步驟：

步驟一：采集數據，采集過程中相關變量的數據，對于每個故障，產生兩組數據，即訓練數據和實時工況數據；訓練數據用于建立模型，實時工況數據用于在線監測；并用標準化方法規范采集的數據；

步驟二：采用改進差別矩陣的粗糙集方法對數據進行相似約簡，去掉相似性較強的數據；

步驟三：利用改進的LMBP對一組故障樣本進行訓練，以確定網絡的結構和參數；

步驟四：對故障的模式進行分類，根據給定的一組征兆，實現征兆集到故障集之間的非線性映射；

步驟五：根據訓練好的LMBP網絡對測試數據進行仿真，觀測輸出結果即故障診斷結果。

本發明的優點與效果是：

1.把粗糙集方法作為神經網絡的前置系統,?簡化神經網絡系統的復雜性,?提高故障診斷的效率和精度。

2.使用改進的LMBP神經網絡作為后置的信息識別系統，廣泛應用在電力、冶金和化工等工業領域。

3.兩種方法的結合更提高了聚合釜故障診斷的準確性和效率。

具體實施方式

下面結合實施例對本發明進行詳細說明。

一、首先采用改進差別矩陣的粗糙集屬性約簡方法對大量訓練數據進行約簡，其中，基于改進差別矩陣的屬性約簡算法敘述如下

步驟1：計算決策表的差別矩陣C_D；

步驟2：找出差別矩陣中的單元素，保留此單元素，且此單元素即為屬性約簡的核，并將其它含有該單元素的所有元素c_ij改為0；

步驟3：對于差別矩陣中所有取值為非0，1的元素c_ij(c_ij???????????????????????????????????????????????0，c_ij1)，建立相應的析取邏輯表達式:

?????????????????????????????????????????????????????????????（1）

步驟4：將所有的析取邏輯表達式L_ij進行合取運算，得到合取范式:

??????????????????????????????（2）

步驟5：將合取范式L轉為析取范式的形式:

?????????????????????????????????????????????????????????????????（3）

步驟6：輸出屬性約簡結果。析取范式中的每個合取項對應一個屬性約簡的結果，每個合取項中所包含的屬性組成約簡后的條件屬性集合。

本文的改進算法是在標準算法的基礎上增加了步驟2，即在差別矩陣中找出單元素，保留此單元素，且此單元素即為屬性約簡的核，將差別矩陣中包含核屬性的元素的值均修正為0，得到一個新的差別矩陣。

????二．然后采用神經網絡中改進算法LMBP對這些數據進行訓練，搭建神經網絡模型，可以利用LU直接分解法對?A?進行對稱三角分解。極大的減少了LMBP的計算量。下面是LMBP算法的改進過程

傳統LMBP算法過程如下：設誤差目標函數為???

?????????????????????????????????????（4）???