科研之友
微信
新浪微博
Facebook
分享链接
摘要
故障预测技术有力地保证了生产过程的平稳有序和人员安全。但在实际操作过程中，过程数据的定性与定量信息并存，模型较为复杂。此外，在生产过程中，利用在线收集的数据进行故障预测时存在时序延迟问题。本文建立、验证并应用了一种基于时间动态因果图（TDCD）的故障预测模型。在模型建立过程中，提出了参数的延迟时间间隔学习算法，即移动搜索最大MIC算法，充分考虑了时序方面的延迟问题。在推理过程中，加入趋势分析和延时信息排序，优化推理过程，减少因延迟时间造成的故障误报率。使用某浮选过程因果图网络进行算法验证。最后，将所提出的策略应用于湿法冶金浸出过程，并与单值/多值不确定动态因果图进行对比，表明故障预测策略的先进性和有效性。
- 单位
