导航：安全管理网>> 安全论文>> 化工安全论文>>正文

基于支持向量的高耸化工塔设备故障位置识别方法

文档作者：李娜文档来源：中海油能源发展装备技术有限公司		更新日期： 2026年05月13日	点击数：
下载地址：点击这里	文件大小： 765.50 KB 共4页	文档格式： PDF	下载点数： 1 点（VIP免费）

全屏查看

内容预览 [文件共4页]

本文件共4页，如需编辑使用，请下载。

注：预览效果可能会出现部分文字乱码（如口口口）、内容显示不全等问题，下载是正常的。

	文件大小：765.50 KB 共4页文件格式：PDF 下载点数：1 点（VIP会员免费）

上一篇：节能降耗技术在化工工艺中的应用探讨

文本预览

仅提取页面文字内容，供快速阅读使用。

基于支持向量的高耸化工塔设备故障位置识别方法
李　娜
（中海油能源发展装备技术有限公司，天津３００４５２）
摘　要：　针对当前高耸化工塔设备故障位置识别方法的设备运行数据分析能力较差，导致高耸化工塔设
备故障位置识别精度不佳的问题，提出基于支持向量的高耸化工塔设备故障位置识别方法。应用统计学分
析方法，构建设备运行数据支持向量机诊断模型，对原始高耸化工塔设备数据进行统计和分析，选用ＶＣ方
法对数据分析结果进行评价，并应用此数据构建高耸化工塔有限元模型，获取设备故障历史数据，计算故障
特征参数，结合化工塔模型，实现故障位置识别诊断，构建应用测试环节。测试结果表明：此方法的数据分
析环节得到了完善与优化，进一步提升了故障数据的识别能力与设备故障位置的定位能力。
关键词：　特征提取　故障定位　机器视觉　支持向量机　高耸化工塔　设备识别
文章编号：　１６７４－１０９９　（２０２２）０６－００１４－０４　　中图分类号：　ＴＮ９１１７３　　文献标志码：　Ａ
收稿日期：２０２２－１１－０８。
作者简介：李娜，女，１９８３年出生，２００６年毕业于吉林财经大
学国际经济与贸易专业，工程师，主要从事信息技术研究工
作。
　　塔器是石油化工以及冶炼行业中的重要生产
设备之一，高耸化工塔则是一种高度和宽度都比
较大的设备［１－２］。在实际工作中，高耸化工塔除
了需要承受较大的自重，还会受到外界荷载的影
响，导致化工塔的节点等部位出现疲劳与损伤，危
害塔体结构的安全性与稳定性。因此，为防止高
耸化工塔出现大幅度晃动与设备异常，降低化工
塔异常对化工加工过程的影响，需要及时对化工
塔设备故障进行诊断与位置判定。
传统的高耸化工塔设备故障位置识别技术起
源于上世纪，主要利用采集运行数据并进行数据
分析的方式确定设备故障位置。在过去的研究
中，在化工塔中安装了部分设备以获取化工塔的
运行数据，既可节约人力、物力成本，更可以获取
实时运行数据。但当前的高耸化工塔设备故障位
置识别方法无法对这部分数据进行细致的分析，
导致故障位置识别精度相对较差，影响了化工塔
的日常维修进度［３－４］。为此，文章提出了一种基
于支持向量的高耸化工塔设备故障位置识别方
法。
１　构建支持向量机诊断模型
在此将支持向量机作为核心技术，对高耸化
工塔设备故障进行诊断与定位。为进一步提升此
技术的应用效果，在支持向量机的构建过程中，增
加统计学分析方法，使用其对数据进行泛化处理，
并逐渐将其转化为一个二次规划问题，对数据样
本进行挖掘处理［５］。根据高耸化工塔运行数据
特征，应用支持向量机构建线性分类模型对数据
进行分类。支持向量机基础结构如图１所示。
图１　支持向量机基础结构
　　将采集到的高耸化工塔运行数据整理为数据
样本集合的形式。应用支持向量机分类思想寻找
故障位置数据与非故障位置数据点分离的超平
面，并在此超平面构建二维坐标系，使用此坐标系
对数据进行分类，获得数据点到达最佳数据分类
平面的距离。应用计算结果，得到数据点到达最
佳数据分类平面的距离最大值，等效处理后求解
距离最小值半径，得到优化结果，并对其进行求
·１４·
　　石油化工技术与经济
Ｔｅｃｈｎｏｌｏｇｙ＆ＥｃｏｎｏｍｉｃｓｉｎＰｅｔｒｏｃｈｅｍｉｃａｌｓ　　　　　　　　　第３８卷　第６期　
２０２２ 年１２ 月
解，得到最终的数据分类诊断结果。为提升计算
效果，需要增加拉格朗日的对偶函数，并设定相应
的约束条件，将其作为诊断过程中的支持向量，完
成数据分类。
２　高耸化工塔设备故障位置识别方法设计
此次研究中，高耸化工塔设备故障位置识别
流程设定如图２所示。
图２　高耸化工塔设备故障位置识别流程
　　此次研究将严格按照图２所示的识别流程完
成设备故障位置的识别过程，实现设备故障的诊
断与定位。
２１　原始高耸化工塔设备数据的统计和分析
使用统计学习方法对采集到的设备运行样本
进行分析，将数据分析异常风险降到最低水平。
通过文献研究发现，当数据样本的数量达到极值
时，数据分析结果与实际结果一致。在设计数据分
析约束条件时，根据统计学相关理论，可使用特定
的计算方法确定数据分析结果的质量。对比多种
数据评估方法后，选用ＶＣ（ＭｉｃｒｏｓｏｆｔＶｉｓｕａｌＣ＋＋）
方法［６－７］对数据分析结果的一致性与分析效率进
行分析。
在高耸化工塔设备数据采集的过程中，使用
有限元分析方法将化工塔结构分散化，并构建相
应的数据采集结果修正模型。在此模型构建的过
程中，需要考虑将结构位移以及塔体实际凹凸结
构作为数据采集结果的初始缺失，根据数据修复
原理对这部分数据进行复原处理，以此保证外界
因素以及化工塔自身结构不会对数据采集结
果的可信度以及精度造成影响。将修正完成
后的数据应用到有限元模型中，构建出化工塔
运行数据模型，将其作为后续故障定位的基
础。
２２　故障位置识别诊断
在上文设定内容的基础上，使用支持向量机
对设备运行数据进行分析，获取设备异常运行数
据。将获取到的异常运行数据代入有限元分析模
型中，对设备故障位置进行初次判定，得到设备的
位置区间；与此同时，对大量的化工塔设备故障进
行分析，将其划分为疲劳、压痕、裂纹以及划伤等
多个类别［８］；然后获取历史数据，计算不同故障
的出现概率，研究支持向量机的数据分析结果，实
现设备故障位置的诊断。在此研究中虽然应用了
支持向量机进行数据分析，依旧无法保证故障定
位的可靠性。为此，在支持向量技术的基础上，通
过设备故障特征参数得到化工塔的有效识别结
果。通过此向量特征，将高维度的故障特征向量
投影到化工塔有限元分析模型中，得到故障位置
向量，并找到设备故障发生的精准位置，提升故障
识别结果的可靠性。最后，对文中设定内容进行
融合整理。至此，基于支持向量的高耸化工塔设
备故障位置识别方法设计完成。
３　应用测试及效果分析
此次研究中提出一种基于支撑向量的高耸化
工塔设备故障位置识别方法，构建应用测试环节
对此方法的故障定位效果进行分析。
３１　测试准备
为保证此次测试不会对真实的高耸化工塔日
常运行造成影响，在测试时随机选取多个化工塔
作为测试对象，获取部分历史数据作为测试基础。
与此同时，将化工塔设备故障数据识别精度以及
故障位置定位精度作为测试指标，确定文中方法
的应用效果。在测试过程中，选择基础方法、机器
视觉方法与文中方法进行对比，以此确定不同方
法的故障诊断能力。将获取到的设备运行数据划
分为１０组，此部分数据来源于５台不同位置的设
备，其中设备３与设备４为故障设备，分别安装在
化工塔的顶端位置与底端位置。设备安装位置如
图３所示。
　第６期（２０２２）　　　　　　　　李娜基于支持向量的高耸化工塔设备故障位置识别方法 ·１５·
图３　目标化工塔结构示意
　　采集此化工塔数据作为测试样本，具体设备
数据样本组划分结果如表１所示。
表１　化工塔设备数据样本划分结果
样本组序号数据样本数量／条故障数据来源故障数据量／条
ＹＢ－０１ １００２５ 设备４ １０１５
ＹＢ－０２ ２２０１５ 设备３ ２０１５
ＹＢ－０３ ３０１５２ 设备４ ２２０３
ＹＢ－０４ １０６１４ 设备３、设备４ １５４７
ＹＢ－０５ ５１４６２ 设备３ ２２３１
ＹＢ－０６ ６２１５４ 设备３ ５１２４
ＹＢ－０７ ７９４０８ 设备４ ２２０１
ＹＢ－０８ １３５４２ 设备３ ６１５６
ＹＢ－０９ ２０４１５ 设备３、设备４ １０１５
ＹＢ－１０ ４４９２０ 设备３ ２１５５
　　将上述数据作为此次测试中的数据基础，应
用文中方法以及其他两种方法对设备故障数据进
行识别，并根据识别结果确定故障位置，分析不同
故障识别方法应用后的差异。
３２　化工塔设备故障数据识别精度测试分析
为了验证化工塔设备故障数据识别精度，获
取不同方法下化工塔设备故障数据识别精度（见
表２）。
对表２中的数据进行分析后发现，３种识别
方法的故障数据识别精度存在较大的区别。文中
方法在对设备异常数据进行分析识别时，原始数据
量以及异常数据量的规模不会对文中方法的识别
精度造成影响，说明此方法的数据分析与区分能力
相对较强。与文中方法相比，其他两种方法的数据
分析能力相对较为薄弱，基础方法的异常数据识别
精度仅达到９２００％，机器视觉方法的数据识别精
度仅达到９１００％。从上述数据分析结果可以确
定，文中方法的数据分析、分类以及诊断能力较强，
对于后续的故障位置识别具有一定的帮助。
表２　化工塔设备故障数据识别精度测试结果％
样本组序号文中方法基础方法机器视觉方法
ＹＢ－０１ ９５７３ ９２３３ ９０９６
ＹＢ－０２ ９５６２ ９２８１ ９０２４
ＹＢ－０３ ９５７１ ９２１５ ９０６４
ＹＢ－０４ ９５３２ ９２９８ ９０７７
ＹＢ－０５ ９５０６ ９２１９ ９０９４
ＹＢ－０６ ９５７８ ９２３２ ９１１５
ＹＢ－０７ ９５４４ ９２０７ ９０６４
ＹＢ－０８ ９５６７ ９２５６ ９０９４
ＹＢ－０９ ９５６２ ９２８３ ９０８７
ＹＢ－１０ ９５１１ ９２５８ ９０６４
３３　化工塔设备故障位置定位精度测试分析
为了验证化工塔设备故障位置定位精度，获
取不同方法下化工塔设备故障位置定位精度（见
表３）。
表３　化工塔设备故障位置定位精度测试结果％
样本组序号文中方法基础方法机器视觉方法
ＹＢ－０１ ９７５５ ８５７７ ９２６９
ＹＢ－０２ ９７１７ ８９８９ ９２６２
ＹＢ－０３ ９７８７ ８９６３ ９２７７
ＹＢ－０４ ９７２７ ８５６９ ９２６８
ＹＢ－０５ ９７６８ ８６９３ ９２５７
ＹＢ－０６ ９７９１ ８８２２ ９２６０
ＹＢ－０７ ９７８８ ８８３６ ９２１３
ＹＢ－０８ ９７５７ ８７６７ ９２２５
ＹＢ－０９ ９７５７ ８７８３ ９２４５
ＹＢ－１０ ９７６１ ８９２８ ９２１４
　　对表３中数据进行分析可以得知，文中方法
的故障位置定位精度明显高于其他两种方法。在
此指标的测试过程中，文中方法的故障定位精度
相对较高，且当数据中存在两个故障点时，文中方
法的故障位置定位精度并没有受到故障点数量的
影响；基础方法为３种方法中故障位置定位精度
最低的识别方法，此方法没有对数据分析环节进
行优化，导致故障位置定位精度相对较低；机器视
觉方法在基础方法的数据分析环节中增加了图像
·１６·
　　石油化工技术与经济
Ｔｅｃｈｎｏｌｏｇｙ＆ＥｃｏｎｏｍｉｃｓｉｎＰｅｔｒｏｃｈｅｍｉｃａｌｓ　　　　　　　　　第３８卷　第６期　
２０２２ 年１２ 月
识别技术，进一步提升了故障位置的定位精度。
综合上述分析结果可以确定，文中方法具有较高
的数据分析能力，并有效提升了化工塔设备故障
位置识别精度。
３４　化工塔设备故障识别应用
随着化工企业智能化设备的快速发展，化工
塔变得更加智能化。由于化工塔在运行过程中，
开关电源长期处于大电流和高压的环境下工作，
极易发生故障，依靠传统的方法已经不能满足新
形势下的故障识别要求。因此，要正确认识化工
塔的工作特点及规律，并采取相应的防范对策，以
降低故障发生率，确保装置的有效运转。在改善
化工装置使用效果的前提下，不但可以使化工塔
的工作效能得到改善，而且可以减少装置在操作
中的能源消耗。因此，对化工塔设备故障进行及
时准确的故障诊断对设备本身、工作人员和整个
化工企业的安全都有着至关重要的影响。
４　结语
针对当前高耸化工塔设备故障定位识别方法
应用效果较差的情况，提出了基于支持向量的高
耸化工塔设备故障位置识别方法，并通过应用测
试环节确定了此方法的应用效果。由于此次优化
设计中，采用大量的计算环节对设备运行数据分
析部分进行了优化，因此在日后的研究中需要不
断应用新技术对计算内容进行完善，避免由于计
算失误导致故障定位异常的情况发生。
参考文献
［１］　李国友，才士文，李东朔，等．基于ＭＰＡ优化ＭＫＬ－ＦＳＶＤＤ
模型的聚合釜设备故障诊断［Ｊ］．高技术通讯，２０２２，３２
（４）：３７９－３９１．
［２］　刘子健，贾旭清，张士发，等．基于数据降维和深度学习的化
工故障识别［Ｊ］．控制工程，２０２１，２８（１０）：２００５－２０１１．
［３］　肖懿，罗丹，蒋沁知，等．基于温度概率密度的变电站高压设
备故障热红外图像识别方法［Ｊ］．高电压技术，２０２２，４８
（１）：３０７－３１８．
［４］　何亚东，袁壮，林扬，等．基于极深因子分解机的化工过程故
障诊断方法［Ｊ］．过程工程学报，２０２２，２２（１）：１３５－１４４．
［５］　李军祥，李春阳，夏丽莎．基于改进ＫＮＰＥ算法的化工过程
故障检测［Ｊ］．计算机应用研究，２０２１，３８（５）：１４５９－１４６２．
［６］　姚羽曼，罗文嘉，戴一阳．数据驱动方法在化工过程故障诊
断中的研究进展［Ｊ］．化工进展，２０２１，４０（４）：１７５５－１７６４．
［７］　刘慧舟，胡瑾秋，张来斌，等．基于红外热成像与ＣＮＮ的压
裂装备故障精准识别及预警［Ｊ］．中国石油大学学报（自然
科学版），２０２１，４５（１）：１５８－１６６．
［８］　梁博渊，高骏，刘宏亮，等．基于振动特征估计的气体绝缘开
关设备故障检测与定位［Ｊ］．科学技术与工程，２０２０，２０
（３１）：１２８３６－１２８４２．
ＦａｕｌｔＬｏｃａｔｉｏｎＲｅｃｏｇｎｉｔｉｏｎｏｆＴｏｗｅｒｉｎｇＣｈｅｍｉｃａｌ
ＴｏｗｅｒＢａｓｅｄｏｎＳｕｐｐｏｒｔＶｅｃｔｏｒ
ＬｉＮａ
（ＣＮＯＯＣＥｎｅｒｇｙＤｅｖｅｌｏｐｍｅｎｔＥｑｕｉｐｍｅｎｔＴｅｃｈｎｏｌｏｇｙＣｏ．，Ｌｔｄ．，Ｔｉａｎｊｉｎ３００４５２）
ＡＢＳＴＲＡＣＴ
Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍ ｔｈａｔｔｈｅｃｕｒｒｅｎｔｆａｕｌｔｌｏｃａｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｓｆｏｒｔｏｗｅｒｉｎｇｃｈｅｍｉｃａｌｔｏｗｅｒ
ｅｑｕｉｐｍｅｎｔｈａｖｅｐｏｏｒａｂｉｌｉｔｙｔｏａｎａｌｙｚｅｅｑｕｉｐｍｅｎｔｏｐｅｒａｔｉｏｎｄａｔａ，ｗｈｉｃｈｌｅａｄｓｔｏｐｏｏｒａｃｃｕｒａｃｙｏｆｆａｕｌｔｌｏｃａｔｉｏｎ
ｒｅｃｏｇｎｉｔｉｏｎｆｏｒｔｏｗｅｒｉｎｇｃｈｅｍｉｃａｌｔｏｗｅｒｅｑｕｉｐｍｅｎｔ，ａｆａｕｌｔｌｏｃａｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｆｏｒｔｏｗｅｒｉｎｇｃｈｅｍｉｃａｌ
ｔｏｗｅｒｅｑｕｉｐｍｅｎｔｂａｓｅｄｏｎｓｕｐｐｏｒｔｖｅｃｔｏｒｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）ｄｉａｇｎｏｓｉｓｍｏｄｅｌｏｆ
ｅｑｕｉｐｍｅｎｔｏｐｅｒａｔｉｏｎｄａｔａｗａｓｃｏｎｓｔｒｕｃｔｅｄｂｙｕｓｉｎｇｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｍｅｔｈｏｄ．Ｔｈｅｏｒｉｇｉｎａｌｄａｔａｏｆｔｏｗｅｒｉｎｇ
ｃｈｅｍｉｃａｌｔｏｗｅｒｅｑｕｉｐｍｅｎｔａｒｅｓｔａｔｉｓｔｉｃａｌｌｙａｎａｌｙｚｅｄ，ａｎｄｔｈｅＶＣｍｅｔｈｏｄｉｓｓｅｌｅｃｔｅｄｔｏｅｖａｌｕａｔｅｔｈｅｄａｔａａｎａｌｙｓｉｓ
ｒｅｓｕｌｔｓ，ａｎｄｔｈｅｄａｔａｉｓｕｓｅｄｔｏｂｕｉｌｄｔｈｅｆｉｎｉｔｅｅｌｅｍｅｎｔｍｏｄｅｌｏｆｔｈｅｔｏｗｅｒｉｎｇｃｈｅｍｉｃａｌｔｏｗｅｒ，ａｃｑｕｉｒｅ
ｅｑｕｉｐｍｅｎｔｆａｕｌｔｈｉｓｔｏｒｙｄａｔａ，ｃａｌｃｕｌａｔｅｆａｕｌｔｃｈａｒａｃｔｅｒｉｓｔｉｃｐａｒａｍｅｔｅｒｓ，ｒｅａｌｉｚｅｆａｕｌｔｌｏｃａｔｉｏｎｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄ
ｄｉａｇｎｏｓｉｓｃｏｍｂｉｎｅｄｗｉｔｈｃｈｅｍｉｃａｌｔｏｗｅｒｍｏｄｅｌ，ａｎｄｃｏｎｓｔｒｕｃｔａｐｐｌｉｃａｔｉｏｎｔｅｓｔｌｉｎｋ．Ｔｈｅｔｅｓｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ
ｔｈｅｄａｔａａｎａｌｙｓｉｓｌｉｎｋｏｆｔｈｉｓｍｅｔｈｏｄｈａｓｂｅｅｎｉｍｐｒｏｖｅｄａｎｄｏｐｔｉｍｉｚｅｄ，ａｎｄｔｈｅａｂｉｌｉｔｙｆｏｒｉｄｅｎｔｉｆｙｉｎｇｆａｕｌｔｄａｔａ
ａｎｄｌｏｃａｔｉｎｇｅｑｕｉｐｍｅｎｔｆａｕｌｔｌｏｃａｔｉｏｎｈａｓｂｅｅｎｆｕｒｔｈｅｒｉｍｐｒｏｖｅｄ．
Ｋｅｙｗｏｒｄｓ：ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ，ｆａｕｌｔｌｏｃａｔｉｏｎ，ｍａｃｈｉｎｅｖｉｓｉｏｎ，ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ｔｏｗｅｒｉｎｇｃｈｅｍｉｃａｌ
ｔｏｗｅｒ，ｅｑｕｉｐｍｅｎｔｉｄｅｎｔｉｆｉｃａｔｉｏｎ
　第６期（２０２２）　　　　　　　　李娜基于支持向量的高耸化工塔设备故障位置识别方法 ·１７·

网友评论 more

化工安全论文最新内容

05-13