-
题名DCS控制器中先导式泄压阀异常泄漏信号检测
- 1
-
-
作者
左晓丽
-
机构
国家管网集团工程技术创新有限公司
-
出处
《化工自动化及仪表》
CAS
2024年第5期796-804,共9页
-
基金
国家石油天然气管网集团有限公司科学研究与技术开发项目(批准号:DTXNY202202)资助的课题。
-
文摘
在DCS控制器中,由于工作环境复杂,先导式泄压阀的泄漏往往呈渐进过程,其影响的电压信号表现为细微而持续的变化,传统方法基于静态或简单统计特征进行判断,难以捕捉因泄漏引起的微小动态变化,导致早期泄漏的漏检或误报。因此,提出一种针对DCS控制器中先导式泄压阀异常泄漏信号检测的新方法,对先导式泄压阀信号进行预处理消除噪声和干扰;应用变分模态分解(VMD)技术将预处理后的电压信号分解成多个本征模态函数(IMF)分量,揭示信号中不同频率段的特征,从而更容易捕捉泄漏引起的微小动态变化;从每个IMF分量中提取关键特征参数,并采用距离区分技术进行筛选,以确保所选特征对异常泄漏具有高敏感性和高区分度。设计并构建全卷积神经网络模型,将筛选出的特征参数输入该模型进行训练和学习,计算出该信号特征对应的异常泄漏概率,进而判断泄压阀是否存在异常泄漏,实现异常泄漏信号检测。实验结果表明:所提方法对电压信号分解准确率高,先导式泄压阀异常泄漏信号检测精度高。
-
关键词
先导式泄压阀
异常泄漏检测
变分模态分解
全卷积神经网络模型
电压信号分解
特征选择
-
Keywords
pilot operated pressure relief valve
abnormal leakage detection
VMD decomposition
fully convolutional neural network model
signal decomposition
feature selection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
