论文部分内容阅读
为了从石化装置大量工艺监测数据中提取有效的故障特征信息，及时地发现故障并准确地识别故障原因，提出了一种基于PCA和RBF神经网络的故障监测与诊断方法。首先获取工况样本，建立PCA模型，降维提取统计特征：设定正常工况SPE统计量阈值，建立在线工况SPE统计量，由此进行故障监测。然后对故障样本进行PCA降维．构建多个RBF神经网络模型，用以实施在线故障诊断，识别故障原因。最后把某石化公司气体分馏装置脱异丁烷单元作为实例，采用UniSimDesign软件对该单元进行过程动态模拟，获得工况监测样本，建立了故障监测