公开(公告)号：CN115860469A

公开(公告)日：2023-03-28

申请号：CN202211536653.2

申请日：2022-12-02

申请人： 沈阳化工大学

发明人： 党鹏飞 ,  孙龙飞 ,  杨铮鑫 ,  龚斌 ,  金志浩

IPC分类号： G06Q10/0635 ,  G06Q50/26

摘要： 一种基于信息熵隶属度的加氢裂化装置风险评估方法，涉及一种加氢裂化装置风险评估方法，本发明方法收集加氢裂化装置发生燃爆或火灾事故的所有可能事件；确定加氢裂化装置的顶事件、中间事件和基本事件；建立加氢裂化装置燃爆或火灾事故的故障树模型；采用专家评议法对故障树模型中基本事件的发生概率进行评估；基于模糊理论计算基本事件发生的模糊可能性得分；基于信息熵隶属度计算基本事件的分配权重；根据故障树模型的逻辑关系，最终得到加氢裂化装置燃爆或火灾事故的发生概率，实现加氢裂化装置风险的量化评估。

公开(公告)号：CN111189638B

公开(公告)日：2021-08-06

申请号：CN201911342148.2

申请日：2019-12-24

申请人： 沈阳化工大学

发明人： 党鹏飞 ,  王明罡 ,  杨铮鑫 ,  鲍宁波

IPC分类号： G01M13/045

摘要： 基于HMM和QPSO优化算法的轴承故障程度辨识方法，涉及滚动轴承故障诊断方法，本发明通过对原始时态的信号作为输入，采用变分模态分解（VMD）的方法对信号进行分解，然后对每一个本征模态分量（IMF）分量中进行奇异值分解，得到奇异值矩阵，利用K‑means聚类方法，将奇异值矩阵分类并编码，最后利用量子粒子群算法（QPSO）进行对隐马尔科夫模型（HMM）的参数优化，得到训练好的HMM，再用同样的方式处理测试信号，然后用训练好的HMM对测试信号进行精确的故障程度辨识。本发明用参数作为隐马尔科夫模型的学习参数，从而对轴承故障程度进行分类，用以故障程度评估，具有重要的工程意义。

公开(公告)号：CN111189638A

公开(公告)日：2020-05-22

申请号：CN201911342148.2

申请日：2019-12-24

申请人： 沈阳化工大学

发明人： 党鹏飞 ,  王明罡 ,  杨铮鑫 ,  鲍宁波

IPC分类号： G01M13/045

摘要： 基于HMM和QPSO优化算法的轴承故障程度辨识方法，涉及滚动轴承故障诊断方法，本发明通过对原始时态的信号作为输入，采用变分模态分解（VMD）的方法对信号进行分解，然后对每一个本征模态分量（IMF）分量中进行奇异值分解，得到奇异值矩阵，利用K-means聚类方法，将奇异值矩阵分类并编码，最后利用量子粒子群算法（QPSO）进行对隐马尔科夫模型（HMM）的参数优化，得到训练好的HMM，再用同样的方式处理测试信号，然后用训练好的HMM对测试信号进行精确的故障程度辨识。本发明用参数作为隐马尔科夫模型的学习参数，从而对轴承故障程度进行分类，用以故障程度评估，具有重要的工程意义。