采用改进Transformer的挤压机齿轮箱故障诊断技术研究

石化行业挤压造粒机日趋大型化,其齿轮箱故障将造成非必要停车。对挤压机齿轮箱进行故障监测及诊断可以提高其可靠性。提出一种改进的Transformer挤压机齿轮箱故障诊断方法,对于原始信号输入首先经过多尺度感知层,其中使用三个不同尺度的卷积核提高捕捉局部特征信息的能力,经过多尺度感知层后的信号进入线性嵌入层进行线性映射,并在线性嵌入层添加位置信息矩阵以此解决Transformer丢失位置特征的能力,该算法展现了良好的故障特征提取能力。相较于传统的卷积神经网络诊断精度提高14%,最终达到95.4%的分类精度。

石油石化行业设备域标识解析应用浅谈

工业互联网标识解析体系与互联网领域的域名解析系统(DNS)相似,是工业互联网网络体系构成的重要组成部分之一,被看做支撑工业互联网互联互通的神经枢纽。标识解析的战略意义随着工业互联网体系的不断普及,通过统一的标识为机器、产品等物理资源和算法、工序等虚拟资源设定标识编码作为唯一的身份,并通过公有化的解析系统来根据标识编码查询相关编码网络位置和信息,实现对机器和物品进行唯一性的定位和信息查询,物品编码已逐渐被工业互联网所接纳。

工业互联网应用于石油化工设备域中

随着互联网、大数据、人工智能加快发展,经济发展竞争模式正在发生深刻变革。加快石油化工生产智能化,推动精细化工生产柔性化是每一个石化企业的迫切的任务之一。