基于智能AI识别系统在选煤厂煤量监测与异物识别的研究与应用

基于智能AI识别系统在选煤厂煤量监测与异物识别的研究与应用，旨在采用智能AI识别系统，针对选煤厂胶带运输机场景区域，通过计算机视觉(CV)技术与视频监控规则深度融合，满足对煤量的实时监测、自动计算，同时通过AI算法模型实时分析运行中胶带的异物情况(如煤矸石、金属物等),实现选煤厂生产过程中各类安全管理问题的可感知、可预警、可追溯。     

基于高斯混合模型的MWPCA高炉异常监测算法

大型高炉是钢铁制造过程中的重要装备,由于高炉运行过程复杂,干扰因素繁多,经常会有异常炉况发生。为及时监测异常炉况、保证高炉顺行,本文利用高炉运行数据,开发了一种基于MWPCA和高斯混合模型的算法对高炉异常过程进行监测。由于高炉运行数据存在非高斯分布和时变的特点,利用高斯混合模型改进了传统PCA监测模型的T²统计量,使算法可以适应高炉数据的独特分布特征,并加入了滑窗机制,使算法具有实时更新的能力。随后,将算法应用在华南某大型钢铁集团的真实高炉数据上,检测了算法的有效性,并将其与基础算法进行了对比分析,证明了算法在高炉异常监测能力上有所提高。     

流程工业数据整合研究及应用

针对企业在信息决策过程中对工业数据质量的需求,以流程工业生产过程中存在的两类数据——实时过程数据和化验室质量分析数据为研究对象,讨论了在时滞、频率不一致、噪声等情况下整合这两类数据的流程和方法,包括稳态过程监测算法、软测量实现过程、累计量和瞬时量转换以及数据压缩存储等,通过实例应用指出了该方法的有效性,并分析了该研究的应用前景。     

在线振动监测诊断技术在化纤装置中的应用

离线定期振动监测诊断技术可以识别设备运行中振动异常的原因、部位和程度。离线定期振动监测存在的时限性,对关键设备的振动监测方式进行在线振动监测技术改造,实现对主流程设备的连续实时监测。该系统帮助化纤装置实现了"预知维修"。     

基于SVM-BOXPLOT的乙烯生产过程异常工况监测与诊断

乙烯作为化工生产的重要原材料,需求量持续增加,但它也是高能耗产业,其生产运行状态直接关系到能效的高低,进而影响企业的经济效益。因此,乙烯生产运行工况的智能识别对节能降耗意义重大。针对直接影响乙烯生产过程能效水平的异常工况智能识别问题,以能够反映乙烯生产能效与能耗的关键指标——乙烯收率、丙烯收率及综合能耗为基础,使用IPSO优化SVM-BOXPLOT的方法对乙烯生产过程进行异常工况智能识别。通过机理分析与数据分析相结合的方法对监测数据降维,用SVM对生产数据进行工况分类,缩小异常识别范围,最后用BOXPLOT进行异常工况识别。将其与在线监测系统相结合应用于某石化企业生产中,所提出的异常工况监测与诊断方案模型精度更高,收敛速度更快,既实现了乙烯生产过程异常工况的监测与诊断,又满足了实际运行工况的工艺要求,保证了异常识别的实时性、准确性。     

基于SVM-BOXPLOT的乙烯生产过程异常工况监测与诊断

乙烯作为化工生产的重要原材料,需求量持续增加,但它也是高能耗产业,其生产运行状态直接关系到能效的高低,进而影响企业的经济效益。因此,乙烯生产运行工况的智能识别对节能降耗意义重大。针对直接影响乙烯生产过程能效水平的异常工况智能识别问题,以能够反映乙烯生产能效与能耗的关键指标--乙烯收率、丙烯收率及综合能耗为基础,使用IPSO优化SVM-BOXPLOT的方法对乙烯生产过程进行异常工况智能识别。通过机理分析与数据分析相结合的方法对监测数据降维,用SVM对生产数据进行工况分类,缩小异常识别范围,最后用BOXPLOT进行异常工况识别。将其与在线监测系统相结合应用于某石化企业生产中,所提出的异常工况监测与诊断方案模型精度更高,收敛速度更快,既实现了乙烯生产过程异常工况的监测与诊断,又满足了实际运行工况的工艺要求,保证了异常识别的实时性、准确性。     

基于在线动态高斯过程回归抽油井动液面软测量建模

实践中, 抽油井动液面都是使用回声仪测试的, 无法实时在线检测。而基于示功图分析的动液面实时在线检测方法存在计算精度不高的缺陷。考虑到数据驱动软测量建模方法存在随时间推移出现的模型老化现象, 采用一种增量学习动态高斯过程回归(IDGPR)软测量建模方法, 实现对抽油井动液面深度的实时在线检测。首先建立基本动态高斯过程回归软测量模型, 在模型投入现场运行后, 通过一种增量学习算法对模型进行在线更新, 使其不断适应油井工况变化, 自适应获得更加准确的软测量模型。现场应用表明, 该软测量模型具有较高的预测精度和较好的泛化能力, 可以满足工程应用要求。     

石化企业原油罐区自动化技术分析

在石化企业原油罐区自动化系统建设方面,依靠储罐场的自动控制系统,生产管理系统和工厂信息管理系统相结合,有效提高了储运系统的整体自动化水平和管理水平,实现了控制的系统集成、数据共享和功能集成。石化企业原油罐区借助自动化技术,能够实时监测系统中所有设备运行数据,及时发现数据异常点,继而启动相应的应急措施,提高系统运行的安全性和稳定性。未来自动化技术将向着智能化、高度集成化、人性化等方面发展。     

基于物联网技术的旋转设备状态监测与预警系统

基于物联网提出针对大型石化装置中转动设备的状态监测与系统预警解决方案,即采用＂物联网技术＋智能预警＋专家分析＂技术路线的一个完整解决方案。在某公司的实际运行证明：采用实时监测振动及温度等转动设备的状态数据,实现了设备异常状态的智能预警与状态维修。     

基于区间二型模糊神经网络的出水氨氮软测量

针对污水处理过程出水氨氮(ammonia nitrogen,NH4-N)难以实时检测的问题,提出了一种基于区间二型模糊神经网络(interval type-2 fuzzy neural networks,IT2FNN)的软测量方法,建立了出水NH4-N的软测量模型,实现了出水NH4-N的实时检测。首先,采集和预处理相关过程变量的实际运行数据,通过主元分析法筛选出与出水NH4-N相关性较强的过程变量。其次,利用IT2FNN建立所选变量与出水NH4-N的软测量模型,通过梯度下降算法对模型相关参数进行修正。最后,将基于IT2FNN的出水NH4-N软测量模型应用于实际污水处理过程。实验结果表明,提出的出水NH4-N软测量方法不仅能够实现污水处理过程出水NH4-N的实时检测,而且具有较高的检测精度。