|
|
|
|
شناسایی آنلاین ناهنجاری عملکردی در تجهیزات دوار با استفاده از هوش مصنوعی (مورد مطالعه: پتروشیمی کاویان)
|
|
|
|
|
|
|
|
نویسنده
|
شمس حسین ,قاسمزاده ابراهیم ,یاری مهران
|
|
منبع
|
هجدهمين كنفرانس ملي تخصصي پايش وضعيت و عيب يابي - 1403 - دوره : 18 - هجدهمین کنفرانس ملی تخصصی پایش وضعیت و عیب یابی - کد همایش: 03240-99558 - صفحه:0 -0
|
|
چکیده
|
تشخیص ناهنجاری بهصورت آنلاین در صنایع نفت و گاز از اهمیت ویژهای برخوردار است، چرا که این فرایند به پایداری تولید و جلوگیری از خرابی تجهیزات دوار یا شناسایی مشکلات در فرایندهای تولید کمک میکند. در این مقاله، از ترکیبی از الگوریتمهای تشخیص ناهنجاری در سریهای زمانی چندمتغیره بدون نظارت، با بهرهگیری از یادگیری عمیق و روشهای سنتی مبتنی بر شناسایی الگوهای ناهنجاری بر اساس تراکم و فاصله استفاده شده است. با پیادهسازی زیرساخت پایش وضعیت آنلاین سامانه pmit، رفتار تجهیزات منتخب در پتروشیمی کاویان با استفاده از سنسورهای نصبشده شناسایی شد و به کمک الگوریتمهای یادگیری ماشین مورد بررسی قرار گرفته گرفت.
|
|
کلیدواژه
|
شناسایی ناهنجاری، آنالیز ارتعاشات، پایش وضعیت برخط، lstm-vae، تجمیع امتیاز ناهنجاری
|
|
آدرس
|
, iran, , iran, , iran
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|