研究成果：Attention-based EarlyWarning Framework for Abnormal Operating Conditions in Fluid Catalytic Cracking Units
作者：湯臣薇，楊帆*，呂建成 等
發(fā)表期刊：Applied Soft Computing

資訊概況

近日，計(jì)算機(jī)科學(xué)領(lǐng)域著名期刊《Applied Soft Computing》（SCI一區(qū)， Top期刊）刊載了四川萬(wàn)物縱橫 楊帆博士與四川大學(xué)合作的最新工業(yè)智能研究成果《基于注意力機(jī)制的催化裂化裝置異常工況預(yù)警（Attention-based EarlyWarning Framework for Abnormal Operating Conditions in Fluid Catalytic Cracking Units》。

論文在線預(yù)覽鏈接：https://www.sciencedirect.com/science/article/abs/pii/S1568494624000498

該論文由楊帆博士與四川大學(xué)呂建成教授團(tuán)隊(duì)合作發(fā)表，論文一作是四川大學(xué)湯臣薇副教授。楊帆博士作為該論文算法的主要設(shè)計(jì)人，是該論文的通訊作者。

論文介紹

催化裂化是最復(fù)雜的化工過(guò)程之一，它是重質(zhì)油在酸性催化劑作用下，在溫度500℃左右，壓力達(dá)到1×105~3×105Pa的條件下發(fā)生的以裂化反應(yīng)為主的一系列化學(xué)反應(yīng)，反應(yīng)主要生成輕質(zhì)油、氣體和焦炭。目前，中國(guó)催化裂化裝置生產(chǎn)的柴油和汽油約占成品柴油和汽油總量的30%和70%左右，催化裂化已經(jīng)成為重油加工的最重要方法之一。

催化裂化裝置非常龐大，在高溫高壓的苛刻條件下運(yùn)行，運(yùn)行過(guò)程中會(huì)使用或產(chǎn)生大量有毒有害、易燃易爆的危險(xiǎn)化學(xué)品，如果出現(xiàn)生產(chǎn)問(wèn)題，將可能引起巨大的安全、環(huán)保事故，造成重大生命財(cái)產(chǎn)損失。實(shí)時(shí)監(jiān)控催化裂化裝置的運(yùn)行狀況，及時(shí)進(jìn)行異常工況預(yù)警，進(jìn)而指導(dǎo)工作人員提前干預(yù)，是安全生產(chǎn)的重要保障手段之一。

由于催化裂化裝置工藝參數(shù)之間的相關(guān)性很強(qiáng)，因此很難對(duì)故障進(jìn)行分析和檢測(cè)。基于深度學(xué)習(xí)的方法在這一問(wèn)題上取得了很好的效果，但大多數(shù)方法都不能解決傳感器數(shù)據(jù)噪聲和異常召回率低的問(wèn)題。該研究論文提出了具有異常模式注意的卷積遞歸神經(jīng)網(wǎng)絡(luò)（APA-CRNN）。
1. APA-CRNN該方法中的自相關(guān)去噪器（SCD）可以降低傳感器數(shù)據(jù)的噪聲。
2. 利用卷積遞歸神經(jīng)網(wǎng)絡(luò)（CRNN）學(xué)習(xí)不同工藝參數(shù)的潛在相關(guān)特性。
3. 為了提高異常情況的召回率，該方法對(duì)歷史異常樣本數(shù)據(jù)進(jìn)行聚類(lèi)，得到不同的異常模式，并通過(guò)異常模式注意（APA）模塊對(duì)CRNN模塊輸出中與異常情況相關(guān)的部分進(jìn)行強(qiáng)化。
4. 實(shí)驗(yàn)結(jié)果表明，該方法能更有效地識(shí)別催化裂化裝置的異常情況，提高工業(yè)過(guò)程的安全性、效率和可持續(xù)性。

拓展：

《Applied Soft Computing》是計(jì)算機(jī)科學(xué)領(lǐng)域的著名期刊，由Elsevier(愛(ài)思唯爾)創(chuàng)刊于2001年，屬JCR 1區(qū)、中國(guó)科學(xué)院SCI分區(qū)TOP期刊，在CiteScore(引用分?jǐn)?shù))排名中，得分14.3，位于計(jì)算機(jī)科學(xué)分類(lèi)的前5%。Applied Soft Computing(應(yīng)用軟計(jì)算) 旨在利用人們對(duì)不精確性和不確定性的容忍，提高問(wèn)題的易處理性和穩(wěn)健性并降低處理成本，以解決現(xiàn)實(shí)生活中的復(fù)雜問(wèn)題。

四川萬(wàn)物縱橫致力于物聯(lián)網(wǎng)智能的研究與應(yīng)用，在工業(yè)智能應(yīng)用領(lǐng)域有較深的研究。首席科學(xué)家楊帆博士在該領(lǐng)域已經(jīng)獲得授權(quán)專(zhuān)利19項(xiàng)，發(fā)表多篇論文（2篇 SCI一區(qū)、2篇 SCI 二區(qū)、3篇EI/中文學(xué)報(bào)、4篇國(guó)家級(jí)行業(yè)會(huì)議論文），其中發(fā)表在國(guó)內(nèi)石化加工權(quán)威期刊“石油學(xué)報(bào)（石油加工）”的文章《智能優(yōu)化算法及人工神經(jīng)網(wǎng)絡(luò)在催化裂化模型分析中的應(yīng)用進(jìn)展》 被評(píng)為該期刊“近10年(2013—2023年)高影響力論文”；發(fā)表在 "Big Data Mining and Analytics "(SCI 一區(qū))的論文Artificial Intelligence Methods Applied to Catalytic Cracking， 被美國(guó)科學(xué)促進(jìn)會(huì)(AAAS)的官網(wǎng) EurekAlert! 進(jìn)行了深度報(bào)道(https://www.eurekalert.org/news-releases/986624)。