基于机器学习的实时检测和早期预测控制阀摩擦力框架
机器学习
2026-01-21 v1 仪器与探测器
摘要
控制阀摩擦力是一种阻碍阀门顺畅运动的摩擦力，是工业过程系统中常见的故障，导致系统不稳定、设备磨损和更高的维护成本。许多工厂仍以传统阀门运行，缺乏实时监控，使早期预测变得具有挑战性。本研究提出了一个基于机器学习（ML）的框架，用于检测和预测摩擦力，仅依赖常规收集的过程信号：来自控制系统的控制器输出（OP）和工艺变量（PV），如流量。开发了三个深度学习模型进行比较：卷积神经网络（CNN），CNN与支持向量机（CNN-SVM）的混合模型，以及长短期记忆网络（LSTM）。为训练这些模型，应用基于斜率比率分析的数据驱动标注方法处理真实的石油和天然气炼油厂数据集。LSTM模型取得最高准确率，能够提前四个小时预测摩擦力。据作者了解，这是首个从真实行业数据演示基于ML的控制阀摩擦力早期预测的研究。该提出的框架可集成到现有控制系统中，以支持预测性维护，减少停机时间，避免不必要的硬件更换。
引用
@article{arxiv.2601.12362,
title = {Machine Learning-Based Framework for Real Time Detection and Early Prediction of Control Valve Stiction in Industrial Control Systems},
author = {Natthapong Promsricha and Chotirawee Chatpattanasiri and Nuttavut Kerdgongsup and Stavroula Balabani},
journal= {arXiv preprint arXiv:2601.12362},
year = {2026}
}