基于稀疏过滤特征学习的化工过程故障检测方法

摘要

过程安全一直以来是化学工业中尤为重要的问题之一,故障检测与诊断(FDD)作为化工异常工况管理最有力的工具之一,给过程安全提供了保障.随着深度学习的发展,很多智能学习算法已经被提出,然而这些算法却很少被应用到FDD中来.提出了一种基于稀疏过滤和逻辑回归(SFLR)算法的化工过程故障检测新方法.采用TE过程和环己烷无催化氧化制环己酮过程对提出的方法进行了验证,结果表明,所提出的方法均具有较高的诊断精度,案例研究表明提出的方法可以及时有效地诊断出故障.