[发明专利]一种石化生产装置故障预测和诊断方法以及系统

权利要求书

1.一种石化生产装置故障预测和诊断方法，其特征在于：包括以下步骤：

采集历史的石化生产装置正常和异常多模态数据，利用拟图像化方法将正常和异常多模态数据转化为具有时序的拟图库，并对拟图库中的图像进行正常和故障标识；

将故障和正常拟图库通过神经网络进行深度学习训练，得到拟图库的正常和故障特征；

实时采集石化生产装置的多模态数据，将多模态数据利用拟图像化方法转化为实时图像；

将实时图像与同一时序拟图库中图像的正常和故障特征进行对比，根据正常和故障特征对应的正常和故障标识来判断石化生产装置故障。

2.根据权利要求1所述的一种石化生产装置故障预测和诊断方法，其特征在于：拟图像化方法的具体包括：设一套石化生产装置有n个设备，每个设备包括m个模态的数据，设相关设备集为x_i{x₁,x₂,…,x_n}，多模态数据集y_j{y₁,y₂,…,y_m}，则可形成一个n×m的矩阵向量A(x_i,y_j)，加上时序t_k{t₁,t₂,…,t_p}，总共p个时刻，则t_k时刻设备多模态数据矩阵向量可表示为At_k(x_i,y_j)，该设备多模态数据矩阵向量经过拟图像化规则可转化为拟图像At_k。

3.根据权利要求2所述的一种石化生产装置故障预测和诊断方法，其特征在于：模态数据包括但不限于温度、湿度、位移、压力、噪声、液面高度和震动频率。

4.根据权利要求2所述的一种石化生产装置故障预测和诊断方法，其特征在于：拟图像化规则具体为：首先，将设备多模态数据矩阵向量中的每一个数值转换为单通道或多通道0-255的颜色灰度值，再将转换后的颜色灰度值更新设备多模态数据矩阵向量At_k(x_i,y_j)，并根据更新后的向量值生成单通道的黑白拟图像或多通道的彩色拟图像At_k。

5.根据权利要求1所述的一种石化生产装置故障预测和诊断方法，其特征在于：将实时图像与正常和故障特征进行对比包括采用人工智能方法自动对比或者依靠人工肉眼经验对比。

6.一种石化生产装置故障预测和诊断系统，其特征在于，包括：

拟图库建立模块，用于采集历史的石化生产装置正常和异常多模态数据，利用拟图像化方法将正常和异常多模态数据转化为具有时序的拟图库，并对拟图库中的图像进行正常和故障标识；

特征提取模块，用于将故障和正常拟图库通过神经网络进行深度学习训练，得到拟图库的正常和故障特征；

实时图像建立模块，用于实时采集石化生产装置的多模态数据，将多模态数据利用拟图像化方法转化为实时图像；

特征对比模块，用于将实时图像与正常和故障特征进行对比，根据正常和故障特征对应的正常和故障标识来判断石化生产装置故障。