関連する実験動画
Updated: Sep 9, 2025
09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
1.2K
ニューラルネットワークとグラデント増強を用いた精製所のプレヒート・トレイン・ヒート・エクスチェンジャーのデータ駆動型汚染検出
Željka Ujević Andrijić1, Nikola Rimac1
1Department of Measurements and Process Control, Faculty of Chemical Engineering and Technology, University of Zagreb, Savska c. 16/5A, 10000 Zagreb, Croatia.
Sensors (Basel, Switzerland)
|August 28, 2025
まとめ
原油蒸留装置 (CDU) の熱交換器の汚れを検出することは極めて重要です. LSTMおよびXGBモデルを使用したAI駆動の仮想センサーは,精密なリアルタイム汚染モニタリングを提供し,エネルギー効率を向上させ,排出量を削減します.
科学分野:
- 化学工学
- プロセスモニタリング
- 人工知能
背景:
- 精製所の原油蒸留装置 (CDU) の熱交換器の汚れは,エネルギー効率と運用信頼性に重大な影響を及ぼします.
- 汚れを早期に検出することは,性能の低下と経済的損失を防ぐために重要です.
研究 の 目的:
- CDUの予熱列車におけるリアルタイムの汚れ検出のための仮想感知アプローチを開発し,比較する.
- 熱交換器の性能を予測し,汚染を特定する際のデータ駆動 (LSTM,XGB) と半経験的 (ɛ-NTU) モデルの性能を評価する.
主な方法:
- 長期短期記憶 (LSTM) のニューラルネットワークと,データ駆動モデリングのエクストリーム・グラデント・ブースト (XGB) を利用した.
- 比較のために半経験的ベースラインとしてe-NTU方法を用いた.
- ベースライン性能を確立し,汚れを示す偏差を検出するために,クリーンな運用データで訓練されたモデル.
主要な成果:
- LSTMモデルは,汚れ検出のための動的運用傾向を捕捉する上で高い精度を示した.
- XGBモデルは,新しい条件への抽象化に制限がある計算効率の良い代替案を提供した.
- LSTM モデルと XGB モデルは,e-NTU 方法と比較して優れた汚れ検出感度を示しました.
- 単一の汚染された交換器による非効率は CO2の大量排出と経済的損失に関連していました.
結論:
- AI対応のバーチャルセンサーは 産業用熱交換器の 汚染をリアルタイムで監視するための強力なツールです
- これらのツールを導入することで 予測的なメンテナンスを強化し エネルギー効率を高め 石油精製所の環境への影響を軽減できます
