本研究方向主要应用多学科技术手段，对石化智能装备的运行状态进行实时监测、分析和诊断，以确保设备安全、稳定、高效运行。拟从以下三个方向开展：
（1）多源异构时频域融合诊断基础理论研究：通过应用现代传感器技术和信号处理技术，结合机器学习与深度学习等人工智能算法实行多源异构下的信号实时监测和状态分析。针对石化设备在早、中、晚期的各类故障，研究基于无量纲与互无量纲指标的石化装备状态免疫检测方法；针对旋转机械微小故障、复合故障、间歇故障的特征精细提取难问题，研究面向信号特征精细提取与故障检测的方法；针对旋转机械种类多、工况复杂、故障形式多样，数据多源异构等问题，研究基于时频域融合的旋转机械智能故障诊断方法。
（2）知识数据联合驱动的装备故障建模与诊断定位：针对石化装备智能监测以及维修问题，研究故障特征的专家知识规则库建立与知识迁移；针对由设备故障引起的异常工况智能诊断问题，研究基于知识和数据联合驱动的故障深度感知建模与参数辨识方法；针对石化装置故障定位问题，研究基于分布式贝叶斯网络的故障溯源与定位方法。
（3）基于动平衡分析与油液分析的装备状态检测与故障诊断机理研究：针对石化装备不平衡故障的定性分析、定因分析问题,研究基于机理-数据联合驱动的轴承-转子系统动平衡优化方法；针对油液分析存在监测效率低、监测参数单一问题，研究基于装备油液图像全谱分析的深度学习故障检测方法；针对油液分析方法与振动分析方法的融合问题，研究基于振动信号与油液图像多模态数据融合的装备故障诊断方法。
Copyright 石化装备智能安全广东省重点实验室 粤ICP备05008880号
学校主页
最新更新
