研究成果:Attention-based EarlyWarning Framework for Abnormal Operating Conditions in Fluid Catalytic Cracking Units
作者:湯臣薇,楊帆*,呂建成 等
發(fā)表期刊:Applied Soft Computing
資訊概況
近日,計算機科學領(lǐng)域著名期刊《Applied Soft Computing》(SCI一區(qū), Top期刊)刊載了四川萬物縱橫 楊帆博士與四川大學合作的最新工業(yè)智能研究成果《基于注意力機制的催化裂化裝置異常工況預(yù)警(Attention-based EarlyWarning Framework for Abnormal Operating Conditions in Fluid Catalytic Cracking Units》。
論文在線預(yù)覽鏈接:https://www.sciencedirect.com/science/article/abs/pii/S1568494624000498
該論文由楊帆博士與四川大學呂建成教授團隊合作發(fā)表,論文一作是四川大學湯臣薇副教授。楊帆博士作為該論文算法的主要設(shè)計人,是該論文的通訊作者。
論文在線頁面論文介紹
催化裂化是最復(fù)雜的化工過程之一,它是重質(zhì)油在酸性催化劑作用下,在溫度500℃左右,壓力達到1×105~3×105Pa的條件下發(fā)生的以裂化反應(yīng)為主的一系列化學反應(yīng),反應(yīng)主要生成輕質(zhì)油、氣體和焦炭。目前,中國催化裂化裝置生產(chǎn)的柴油和汽油約占成品柴油和汽油總量的30%和70%左右,催化裂化已經(jīng)成為重油加工的最重要方法之一。
催化裂化裝置非常龐大,在高溫高壓的苛刻條件下運行,運行過程中會使用或產(chǎn)生大量有毒有害、易燃易爆的危險化學品,如果出現(xiàn)生產(chǎn)問題,將可能引起巨大的安全、環(huán)保事故,造成重大生命財產(chǎn)損失。實時監(jiān)控催化裂化裝置的運行狀況,及時進行異常工況預(yù)警,進而指導(dǎo)工作人員提前干預(yù),是安全生產(chǎn)的重要保障手段之一。
由于催化裂化裝置工藝參數(shù)之間的相關(guān)性很強,因此很難對故障進行分析和檢測。基于深度學習的方法在這一問題上取得了很好的效果,但大多數(shù)方法都不能解決傳感器數(shù)據(jù)噪聲和異常召回率低的問題。該研究論文提出了具有異常模式注意的卷積遞歸神經(jīng)網(wǎng)絡(luò)(APA-CRNN)。
1. APA-CRNN該方法中的自相關(guān)去噪器(SCD)可以降低傳感器數(shù)據(jù)的噪聲。
2. 利用卷積遞歸神經(jīng)網(wǎng)絡(luò)(CRNN)學習不同工藝參數(shù)的潛在相關(guān)特性。
3. 為了提高異常情況的召回率,該方法對歷史異常樣本數(shù)據(jù)進行聚類,得到不同的異常模式,并通過異常模式注意(APA)模塊對CRNN模塊輸出中與異常情況相關(guān)的部分進行強化。
4. 實驗結(jié)果表明,該方法能更有效地識別催化裂化裝置的異常情況,提高工業(yè)過程的安全性、效率和可持續(xù)性。
基于自相關(guān)神經(jīng)網(wǎng)絡(luò)模塊與傳統(tǒng)降噪算法的對比
本研究成果與其它方法的效果對比
拓展:
《Applied Soft Computing》是計算機科學領(lǐng)域的著名期刊,由Elsevier(愛思唯爾)創(chuàng)刊于2001年,屬JCR 1區(qū)、中國科學院SCI分區(qū)TOP期刊,在CiteScore(引用分數(shù))排名中,得分14.3,位于計算機科學分類的前5%。Applied Soft Computing(應(yīng)用軟計算) 旨在利用人們對不精確性和不確定性的容忍,提高問題的易處理性和穩(wěn)健性并降低處理成本,以解決現(xiàn)實生活中的復(fù)雜問題。
Applied Soft Computing四川萬物縱橫致力于物聯(lián)網(wǎng)智能的研究與應(yīng)用,在工業(yè)智能應(yīng)用領(lǐng)域有較深的研究。首席科學家楊帆博士在該領(lǐng)域已經(jīng)獲得授權(quán)專利19項,發(fā)表多篇論文(2篇 SCI一區(qū)、2篇 SCI 二區(qū)、3篇EI/中文學報、4篇國家級行業(yè)會議論文),其中發(fā)表在國內(nèi)石化加工權(quán)威期刊“石油學報(石油加工)”的文章《智能優(yōu)化算法及人工神經(jīng)網(wǎng)絡(luò)在催化裂化模型分析中的應(yīng)用進展》 被評為該期刊“近10年(2013—2023年)高影響力論文”;發(fā)表在 "Big Data Mining and Analytics "(SCI 一區(qū))的論文Artificial Intelligence Methods Applied to Catalytic Cracking, 被美國科學促進會(AAAS)的官網(wǎng) EurekAlert! 進行了深度報道(https://www.eurekalert.org/news-releases/986624)。
審核編輯 黃宇
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4717瀏覽量
99996 -
人工智能算法
+關(guān)注
關(guān)注
0文章
61瀏覽量
5179
發(fā)布評論請先 登錄
相關(guān)推薦
評論