近日,化工学院田文德教授团队利用深度学习、定量风险评估、贝叶斯网络等方法在化工工况风险预测、故障诊断等方面取得突破,并在国际知名学术期刊Chemical Engineering Journal(一区TOP,IF=13.273)上发表了两篇题目分别为“An intelligent quantitative risk assessment method for ammonia synthesis process”和“Optimized principal component analysis and multi-state Bayesian network integrated method for chemical process monitoring and variable state prediction”的文章。
其中,文章“An intelligent quantitative risk assessment method for ammonia synthesis process”针对动态化工过程潜在风险难以预测的情况提出了一种智能的定量风险评估方法(如图1),通过深度学习技术捕捉工艺变量的深层特征,评估工况的风险等级,最终制定控制方案,保证工艺的安全运行。文章“Optimized principal component analysis and multi-state Bayesian network integrated method for chemical process monitoring and variable state prediction”针对化工企业异常工况根原因追溯困难的实际难题,提出了一种先进的过程监控方法(如图2),通过改进PCA以及构建新型多状态贝叶斯网络,做到全面的故障传播路径分析,保障化工企业的安全生产以及异常工况的提早处置。两篇文章均以262net必赢为第一单位,化工学院田文德教授为论文的通讯作者,博士研究生刘子健、硕士研究生柳楠分别为两篇论文的第一作者,实验室老师刘彬、李传坤、崔哲参与指导工作。
智能定量风险评估方法思路框图
OPCA-MBN变量状态预测与工程监控思路框图
以上工作得到了国家自然科学基金和山东省重大科技创新工程项目的支持。
论文链接:https://doi.org/10.1016/j.cej.2021.129893
https://doi.org/10.1016/j.cej.2021.132617