導航：安全管理網>> 安全論文>> 化工安全論文>>正文

基于支持向量的高聳化工塔設備故障位置識別方法

文檔作者：李娜文檔來源：中海油能源發展裝備技術有限公司		更新日期： 2026年05月13日	點擊數：
下載地址：點擊這里	文件大小： 765.50 KB 共4頁	文檔格式： PDF	下載點數： 1 點（VIP免費）

全屏查看

內容預覽 [文件共4頁]

本文件共4頁，如需編輯使用，請下載。

注：預覽效果可能會出現部分文字亂碼（如口口口）、內容顯示不全等問題，下載是正常的。

	文件大小：765.50 KB 共4頁文件格式：PDF 下載點數：1 點（VIP會員免費）

上一篇：節能降耗技術在化工工藝中的應用探討

文本預覽

僅提取頁面文字內容，供快速閱讀使用。

基于支持向量的高聳化工塔設備故障位置識別方法
李　娜
（中海油能源發展裝備技術有限公司，天津３００４５２）
摘　要：　針對當前高聳化工塔設備故障位置識別方法的設備運行數據分析能力較差，導致高聳化工塔設
備故障位置識別精度不佳的問題，提出基于支持向量的高聳化工塔設備故障位置識別方法。應用統計學分
析方法，構建設備運行數據支持向量機診斷模型，對原始高聳化工塔設備數據進行統計和分析，選用ＶＣ方
法對數據分析結果進行評價，并應用此數據構建高聳化工塔有限元模型，獲取設備故障歷史數據，計算故障
特征參數，結合化工塔模型，實現故障位置識別診斷，構建應用測試環節。測試結果表明：此方法的數據分
析環節得到了完善與優化，進一步提升了故障數據的識別能力與設備故障位置的定位能力。
關鍵詞：　特征提取　故障定位　機器視覺　支持向量機　高聳化工塔　設備識別
文章編號：　１６７４－１０９９　（２０２２）０６－００１４－０４　　中圖分類號：　ＴＮ９１１７３　　文獻標志碼：　Ａ
收稿日期：２０２２－１１－０８。
作者簡介：李娜，女，１９８３年出生，２００６年畢業于吉林財經大
學國際經濟與貿易專業，工程師，主要從事信息技術研究工
作。
　　塔器是石油化工以及冶煉行業中的重要生產
設備之一，高聳化工塔則是一種高度和寬度都比
較大的設備［１－２］。在實際工作中，高聳化工塔除
了需要承受較大的自重，還會受到外界荷載的影
響，導致化工塔的節點等部位出現疲勞與損傷，危
害塔體結構的安全性與穩定性。因此，為防止高
聳化工塔出現大幅度晃動與設備異常，降低化工
塔異常對化工加工過程的影響，需要及時對化工
塔設備故障進行診斷與位置判定。
傳統的高聳化工塔設備故障位置識別技術起
源于上世紀，主要利用采集運行數據并進行數據
分析的方式確定設備故障位置。在過去的研究
中，在化工塔中安裝了部分設備以獲取化工塔的
運行數據，既可節約人力、物力成本，更可以獲取
實時運行數據。但當前的高聳化工塔設備故障位
置識別方法無法對這部分數據進行細致的分析，
導致故障位置識別精度相對較差，影響了化工塔
的日常維修進度［３－４］。為此，文章提出了一種基
于支持向量的高聳化工塔設備故障位置識別方
法。
１　構建支持向量機診斷模型
在此將支持向量機作為核心技術，對高聳化
工塔設備故障進行診斷與定位。為進一步提升此
技術的應用效果，在支持向量機的構建過程中，增
加統計學分析方法，使用其對數據進行泛化處理，
并逐漸將其轉化為一個二次規劃問題，對數據樣
本進行挖掘處理［５］。根據高聳化工塔運行數據
特征，應用支持向量機構建線性分類模型對數據
進行分類。支持向量機基礎結構如圖１所示。
圖１　支持向量機基礎結構
　　將采集到的高聳化工塔運行數據整理為數據
樣本集合的形式。應用支持向量機分類思想尋找
故障位置數據與非故障位置數據點分離的超平
面，并在此超平面構建二維坐標系，使用此坐標系
對數據進行分類，獲得數據點到達最佳數據分類
平面的距離。應用計算結果，得到數據點到達最
佳數據分類平面的距離最大值，等效處理后求解
距離最小值半徑，得到優化結果，并對其進行求
·１４·
　　石油化工技術與經濟
Ｔｅｃｈｎｏｌｏｇｙ＆ＥｃｏｎｏｍｉｃｓｉｎＰｅｔｒｏｃｈｅｍｉｃａｌｓ　　　　　　　　　第３８卷　第６期　
２０２２ 年１２ 月
解，得到最終的數據分類診斷結果。為提升計算
效果，需要增加拉格朗日的對偶函數，并設定相應
的約束條件，將其作為診斷過程中的支持向量，完
成數據分類。
２　高聳化工塔設備故障位置識別方法設計
此次研究中，高聳化工塔設備故障位置識別
流程設定如圖２所示。
圖２　高聳化工塔設備故障位置識別流程
　　此次研究將嚴格按照圖２所示的識別流程完
成設備故障位置的識別過程，實現設備故障的診
斷與定位。
２１　原始高聳化工塔設備數據的統計和分析
使用統計學習方法對采集到的設備運行樣本
進行分析，將數據分析異常風險降到最低水平。
通過文獻研究發現，當數據樣本的數量達到極值
時，數據分析結果與實際結果一致。在設計數據分
析約束條件時，根據統計學相關理論，可使用特定
的計算方法確定數據分析結果的質量。對比多種
數據評估方法后，選用ＶＣ（ＭｉｃｒｏｓｏｆｔＶｉｓｕａｌＣ＋＋）
方法［６－７］對數據分析結果的一致性與分析效率進
行分析。
在高聳化工塔設備數據采集的過程中，使用
有限元分析方法將化工塔結構分散化，并構建相
應的數據采集結果修正模型。在此模型構建的過
程中，需要考慮將結構位移以及塔體實際凹凸結
構作為數據采集結果的初始缺失，根據數據修復
原理對這部分數據進行復原處理，以此保證外界
因素以及化工塔自身結構不會對數據采集結
果的可信度以及精度造成影響。將修正完成
后的數據應用到有限元模型中，構建出化工塔
運行數據模型，將其作為后續故障定位的基
礎。
２２　故障位置識別診斷
在上文設定內容的基礎上，使用支持向量機
對設備運行數據進行分析，獲取設備異常運行數
據。將獲取到的異常運行數據代入有限元分析模
型中，對設備故障位置進行初次判定，得到設備的
位置區間；與此同時，對大量的化工塔設備故障進
行分析，將其劃分為疲勞、壓痕、裂紋以及劃傷等
多個類別［８］；然后獲取歷史數據，計算不同故障
的出現概率，研究支持向量機的數據分析結果，實
現設備故障位置的診斷。在此研究中雖然應用了
支持向量機進行數據分析，依舊無法保證故障定
位的可靠性。為此，在支持向量技術的基礎上，通
過設備故障特征參數得到化工塔的有效識別結
果。通過此向量特征，將高維度的故障特征向量
投影到化工塔有限元分析模型中，得到故障位置
向量，并找到設備故障發生的精準位置，提升故障
識別結果的可靠性。最后，對文中設定內容進行
融合整理。至此，基于支持向量的高聳化工塔設
備故障位置識別方法設計完成。
３　應用測試及效果分析
此次研究中提出一種基于支撐向量的高聳化
工塔設備故障位置識別方法，構建應用測試環節
對此方法的故障定位效果進行分析。
３１　測試準備
為保證此次測試不會對真實的高聳化工塔日
常運行造成影響，在測試時隨機選取多個化工塔
作為測試對象，獲取部分歷史數據作為測試基礎。
與此同時，將化工塔設備故障數據識別精度以及
故障位置定位精度作為測試指標，確定文中方法
的應用效果。在測試過程中，選擇基礎方法、機器
視覺方法與文中方法進行對比，以此確定不同方
法的故障診斷能力。將獲取到的設備運行數據劃
分為１０組，此部分數據來源于５臺不同位置的設
備，其中設備３與設備４為故障設備，分別安裝在
化工塔的頂端位置與底端位置。設備安裝位置如
圖３所示。
　第６期（２０２２）　　　　　　　　李娜基于支持向量的高聳化工塔設備故障位置識別方法 ·１５·
圖３　目標化工塔結構示意
　　采集此化工塔數據作為測試樣本，具體設備
數據樣本組劃分結果如表１所示。
表１　化工塔設備數據樣本劃分結果
樣本組序號數據樣本數量／條故障數據來源故障數據量／條
ＹＢ－０１ １００２５ 設備４ １０１５
ＹＢ－０２ ２２０１５ 設備３ ２０１５
ＹＢ－０３ ３０１５２ 設備４ ２２０３
ＹＢ－０４ １０６１４ 設備３、設備４ １５４７
ＹＢ－０５ ５１４６２ 設備３ ２２３１
ＹＢ－０６ ６２１５４ 設備３ ５１２４
ＹＢ－０７ ７９４０８ 設備４ ２２０１
ＹＢ－０８ １３５４２ 設備３ ６１５６
ＹＢ－０９ ２０４１５ 設備３、設備４ １０１５
ＹＢ－１０ ４４９２０ 設備３ ２１５５
　　將上述數據作為此次測試中的數據基礎，應
用文中方法以及其他兩種方法對設備故障數據進
行識別，并根據識別結果確定故障位置，分析不同
故障識別方法應用后的差異。
３２　化工塔設備故障數據識別精度測試分析
為了驗證化工塔設備故障數據識別精度，獲
取不同方法下化工塔設備故障數據識別精度（見
表２）。
對表２中的數據進行分析后發現，３種識別
方法的故障數據識別精度存在較大的區別。文中
方法在對設備異常數據進行分析識別時，原始數據
量以及異常數據量的規模不會對文中方法的識別
精度造成影響，說明此方法的數據分析與區分能力
相對較強。與文中方法相比，其他兩種方法的數據
分析能力相對較為薄弱，基礎方法的異常數據識別
精度僅達到９２００％，機器視覺方法的數據識別精
度僅達到９１００％。從上述數據分析結果可以確
定，文中方法的數據分析、分類以及診斷能力較強，
對于后續的故障位置識別具有一定的幫助。
表２　化工塔設備故障數據識別精度測試結果％
樣本組序號文中方法基礎方法機器視覺方法
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　化工塔設備故障位置定位精度測試分析
為了驗證化工塔設備故障位置定位精度，獲
取不同方法下化工塔設備故障位置定位精度（見
表３）。
表３　化工塔設備故障位置定位精度測試結果％
樣本組序號文中方法基礎方法機器視覺方法
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
　　對表３中數據進行分析可以得知，文中方法
的故障位置定位精度明顯高于其他兩種方法。在
此指標的測試過程中，文中方法的故障定位精度
相對較高，且當數據中存在兩個故障點時，文中方
法的故障位置定位精度并沒有受到故障點數量的
影響；基礎方法為３種方法中故障位置定位精度
最低的識別方法，此方法沒有對數據分析環節進
行優化，導致故障位置定位精度相對較低；機器視
覺方法在基礎方法的數據分析環節中增加了圖像
·１６·
　　石油化工技術與經濟
Ｔｅｃｈｎｏｌｏｇｙ＆ＥｃｏｎｏｍｉｃｓｉｎＰｅｔｒｏｃｈｅｍｉｃａｌｓ　　　　　　　　　第３８卷　第６期　
２０２２ 年１２ 月
識別技術，進一步提升了故障位置的定位精度。
綜合上述分析結果可以確定，文中方法具有較高
的數據分析能力，并有效提升了化工塔設備故障
位置識別精度。
３４　化工塔設備故障識別應用
隨著化工企業智能化設備的快速發展，化工
塔變得更加智能化。由于化工塔在運行過程中，
開關電源長期處于大電流和高壓的環境下工作，
極易發生故障，依靠傳統的方法已經不能滿足新
形勢下的故障識別要求。因此，要正確認識化工
塔的工作特點及規律，并采取相應的防范對策，以
降低故障發生率，確保裝置的有效運轉。在改善
化工裝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，而且可以減少裝置在操作
中的能源消耗。因此，對化工塔設備故障進行及
時準確的故障診斷對設備本身、工作人員和整個
化工企業的安全都有著至關重要的影響。
４　結語
針對當前高聳化工塔設備故障定位識別方法
應用效果較差的情況，提出了基于支持向量的高
聳化工塔設備故障位置識別方法，并通過應用測
試環節確定了此方法的應用效果。由于此次優化
設計中，采用大量的計算環節對設備運行數據分
析部分進行了優化，因此在日后的研究中需要不
斷應用新技術對計算內容進行完善，避免由于計
算失誤導致故障定位異常的情況發生。
參考文獻
［１］　李國友，才士文，李東朔，等．基于ＭＰＡ優化ＭＫＬ－ＦＳＶＤＤ
模型的聚合釜設備故障診斷［Ｊ］．高技術通訊，２０２２，３２
（４）：３７９－３９１．
［２］　劉子健，賈旭清，張士發，等．基于數據降維和深度學習的化
工故障識別［Ｊ］．控制工程，２０２１，２８（１０）：２００５－２０１１．
［３］　肖懿，羅丹，蔣沁知，等．基于溫度概率密度的變電站高壓設
備故障熱紅外圖像識別方法［Ｊ］．高電壓技術，２０２２，４８
（１）：３０７－３１８．
［４］　何亞東，袁壯，林揚，等．基于極深因子分解機的化工過程故
障診斷方法［Ｊ］．過程工程學報，２０２２，２２（１）：１３５－１４４．
［５］　李軍祥，李春陽，夏麗莎．基于改進ＫＮＰＥ算法的化工過程
故障檢測［Ｊ］．計算機應用研究，２０２１，３８（５）：１４５９－１４６２．
［６］　姚羽曼，羅文嘉，戴一陽．數據驅動方法在化工過程故障診
斷中的研究進展［Ｊ］．化工進展，２０２１，４０（４）：１７５５－１７６４．
［７］　劉慧舟，胡瑾秋，張來斌，等．基于紅外熱成像與ＣＮＮ的壓
裂裝備故障精準識別及預警［Ｊ］．中國石油大學學報（自然
科學版），２０２１，４５（１）：１５８－１６６．
［８］　梁博淵，高駿，劉宏亮，等．基于振動特征估計的氣體絕緣開
關設備故障檢測與定位［Ｊ］．科學技術與工程，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基于支持向量的高聳化工塔設備故障位置識別方法 ·１７·

網友評論 more

化工安全論文最新內容

05-13