[发明专利]一种聚合釜的智能故障诊断方法

说明书

技术领域

本发明涉及一种聚合釜故障诊断方法，特别是涉及一种聚合釜的智能故障诊断方法。

背景技术

聚氯乙烯树脂（PVC）是重要的有机合成材料，其产品具有良好的物理性能和化学性能，广泛应用于工业、建筑、农业、电力、公用事业等领域。聚合釜则是聚氯乙烯生产装置的关键设备，聚合釜能否稳定运行直接关系到整个聚氯乙烯生产装置的运行状况。而电机、减速机和机封又是确保聚合釜装置正常运行的关键设备,它们一旦发生故障就会给生产带来严重的损失。

发明内容

本发明的目的在于提供一种聚合釜的智能故障诊断方法，该方法通过改进差别矩阵与改进的LMBP神经网络相结合的方法来实现聚合釜的故障诊断，及早诊断聚合釜故障类型和位置，避免聚合釜停车所造成的巨大经济损失，同时提高聚氯乙烯产品质量、降低生产成本。

本发明的目的是通过以下技术方案实现的：

一种聚合釜的智能故障诊断方法，为一种基于改进差别矩阵属性约简的粗糙集与改进LMBP神经网络相结合的故障诊断方法，所述方法包括以下步骤：

步骤一：采集数据，采集过程中相关变量的数据，对于每个故障，产生两组数据，即训练数据和实时工况数据；训练数据用于建立模型，实时工况数据用于在线监测；并用标准化方法规范采集的数据；

步骤二：采用改进差别矩阵的粗糙集方法对数据进行相似约简，去掉相似性较强的数据；

步骤三：利用改进的LMBP对一组故障样本进行训练，以确定网络的结构和参数；

步骤四：对故障的模式进行分类，根据给定的一组征兆，实现征兆集到故障集之间的非线性映射；

步骤五：根据训练好的LMBP网络对测试数据进行仿真，观测输出结果即故障诊断结果。

本发明的优点与效果是：

1.把粗糙集方法作为神经网络的前置系统, 简化神经网络系统的复杂性, 提高故障诊断的效率和精度。

2.使用改进的LMBP神经网络作为后置的信息识别系统，广泛应用在电力、冶金和化工等工业领域。

3.两种方法的结合更提高了聚合釜故障诊断的准确性和效率。

具体实施方式

下面结合实施例对本发明进行详细说明。

一、首先采用改进差别矩阵的粗糙集属性约简方法对大量训练数据进行约简，其中，基于改进差别矩阵的属性约简算法叙述如下

步骤1：计算决策表的差别矩阵C_D；

步骤2：找出差别矩阵中的单元素，保留此单元素，且此单元素即为属性约简的核，并将其它含有该单元素的所有元素c_ij改为0；

步骤3：对于差别矩阵中所有取值为非0，1的元素c_ij(c_ij                                               0，c_ij1)，建立相应的析取逻辑表达式:

                                                             （1）

步骤4：将所有的析取逻辑表达式L_ij进行合取运算，得到合取范式:

                              （2）

步骤5：将合取范式L转为析取范式的形式:

                                                                 （3）

步骤6：输出属性约简结果。析取范式中的每个合取项对应一个属性约简的结果，每个合取项中所包含的属性组成约简后的条件属性集合。

本文的改进算法是在标准算法的基础上增加了步骤2，即在差别矩阵中找出单元素，保留此单元素，且此单元素即为属性约简的核，将差别矩阵中包含核属性的元素的值均修正为0，得到一个新的差别矩阵。

    二．然后采用神经网络中改进算法LMBP对这些数据进行训练，搭建神经网络模型，可以利用LU直接分解法对 A 进行对称三角分解。极大的减少了LMBP的计算量。下面是LMBP算法的改进过程

传统LMBP算法过程如下：设误差目标函数为   

                                     （4）