基于局部信息熵的多牌号聚丙烯过程故障诊断方法研究

Multi-grade polypropylene plant plays an important role in petrochemical industry.The key scientific problem of plant safey mointoring is how to realize the fault detection, identification and prediciton based on process data. Aiming at the problems of tradtional stdudies such as strong dependency on process prior knowledge and great difficulty in complex fault identification, this project analyzes data characteristics thoroughly and is to study the multi-grade polypropylene process fault diagnosis method using local information entropy. The research points are listed as follows: A statistical modelling method based on local entropy component analysis is proposed to mine the hidden information in multi-mode, nonlinear and non-Gaussian data, which is used for the multi-grade polypropylene process fault detection without mode prior knowledge. A fault variable identification method based on entropy variable sequence contribution analysis is studied to identify complex fault in multi-grade polypropylene process. A process trend prediciton method based on local information entropy variable prediction model is designed for early gradual fault prediction. Simulations and field data testings are used to improve and perfect the proposed methods.The research results would help to ensure the process safety and continuity, provide therotic foundation for multi-grade polypropylene process fault diagnosis and enrich the fault diagnosis theory.

多牌号聚丙烯装置是我国石化生产中的重要装置，如何基于过程数据实现运行故障的检测、识别与预报是该装置安全监控中亟待解决的关键科学问题。针对现有多工况故障诊断方法依赖较多过程先验知识、复杂故障识别难度大等问题，本项目立足于数据特性的深入分析，拟研究基于局部信息熵的多牌号聚丙烯过程故障诊断方法。研究内容包括：提出一种基于局部熵成分分析的统计建模方法，挖掘多工况非线性非高斯数据的内在信息，解决无先验知识条件下多牌号聚丙烯过程故障检测问题；提出一种基于熵变量时序贡献图的故障变量识别方法，解决聚丙烯过程复杂故障的识别问题；探索一种基于局部信息熵预测模型的过程趋势预报方法，解决缓变故障的早期预报问题；通过仿真分析和工业装置数据测试等手段对所研究的方法进行改进完善。项目研究成果有助于保障聚丙烯生产过程的安全性和连续性，为聚丙烯生产过程故障诊断提供技术支撑，进一步丰富和完善故障诊断理论研究。

多牌号聚丙烯装置是石化生产中的重要装置，研究其生产过程的故障检测、识别与预报技术对于保障生产安全性和提高产品质量具有重要价值。本项目立足于聚丙烯生产过程测控数据，深入挖掘过程数据的多工况特性、非线性和非高斯性，针对实时故障检测、故障变量识别、故障趋势预报等问题开展研究工作，取得研究成果主要包括以下几个方面：（1）从数据特征挖掘的角度出发，提出了一系列基于复杂非线性特征深度提取、先验故障特征提取、多模态特征提取、局部特征提取、质量相关特征提取和多阶段特征提取的故障检测方法，较好提高了故障检测灵敏度；（2）针对故障识别中的故障传播关系分析、模式识别等问题，提出了基于信息传递贡献图分析、改进局部Fisher判别分析、子空间相似度分析的故障识别方法，有效改善了故障识别效果；（3）针对聚丙烯装置缓变故障的早期检测与预报问题，提出了基于改进局部核主元分析的微小故障早期检测方法和基于典型变量趋势分析的故障预报方法；（4）通过仿真分析对所研究的方法进行了分析讨论，并利用工业装置数据进行方法测试。总体而言，本项目的研究工作进一步丰富了数据驱动的故障诊断理论，有助于保障聚丙烯生产过程的安全性和连续性。