利用人工智能诊断化学工业技术设备故障

DOI:

EDN:

评审日期

出版日期

注解: 本文研究了化工和炼油行业单一突发事件的自动识别问题。 现代化学和技术生产设施由少量人员维护和管理，这增加了每个操作员的负荷。 为了减少操作员错误的数量，他们定期对配备了一组标准情况（常规启动，关闭，正常过程管理，从一种模式切换到另一种模式）和紧急情况（柱减压，泵故障，电 然而，在操作员培训期间不可能预见所有可能的故障，甚至训练有素的操作员也可能不会注意到事故的最初迹象，因此有必要创建一个决策支持系统，帮助操作员及时识别技术设备的故障。  为了识别故障，建议使用在模拟事故数据阵列上训练的神经网络。 采用基于RTsim平台的工业模拟器模拟典型事故。 该研究的新颖之处在于使用人工智能方法根据SCADA系统诊断技术过程的属性，并使用数据来训练神经网络，而不是来自真实对象（这将永远是不够的），而是 用于训练神经网络的模拟场景的数量可能相当大，这减少了错误系统响应的比例。 开发的系统可以自信地应对单个设备故障的识别。 所获得的结果可用于帮助过程操作人员和改进应急保护系统。 对系统识别紧急情况所需时间的分析可用于设计新的生产设施，修改控制和管理系统。

出版日期: