摘要
本发明公开了一种石化生产装置故障预测和诊断方法,包括以下步骤:采集历史的石化生产装置正常和异常多模态数据,利用拟图像化方法将正常和异常多模态数据转化为具有时序的拟图库;将故障和正常拟图库通过神经网络进行深度学习训练,得到拟图库的正常和故障特征;实时采集石化生产装置的多模态数据,将多模态数据利用拟图像化方法转化为实时图像;将实时图像与正常和故障特征进行对比,根据正常和故障特征对应的正常和故障标识来判断石化生产装置故障。本发明还公开一种石化生产装置故障预测和诊断系统。本发明提供的一种石化生产装置故障预测和诊断方法以及系统,使用先进的人工智能处理技术对数据进行训练,增加其智能,预测和诊断效率高,同时也可以随时通过人工识别。