Früherkennung sicherheitsrelevanter Betriebszustände in Chemieanlagen mit neuronalen Netzen

In diesem Beitrag wird eine Methodik zur Ueberwachung des bestimmungsgemaessen Betriebs verfahrenstechnischer Anlagen unter Verwendung neuronaler Netze vorgestellt. Die waehrend des Betriebs aufgezeichneten Messgroessen sind als zeitabhaengiges Muster interpretierbar, so dass ueber Mustererkennungsverfahren ein Ansatz zur Automatisierung komplexer Bewertungs- und Entscheidungsprozesse gegeben werden kann. Mit einer Versuchsanlage wird bei ausgewaehlten Stoerungen das Prozessverhalten aufgezeichnet, um anschliessend zusammen mit Musterer-kennungsverfahren auf Basis neuronaler Netze eine automatisierte Zustandsbewertung vorzunehmen. Zu Beginn wird vom reinen Semibatch-Prozess ausgegangen, um die Erkenntnisse von Simulation und Experiment auf die kontinuierliche Fahrweise einschliesslich der Anfahrphase zu uebertragen. Die Leistungsfaehigkeit der Methodik auf Basis von neuronalen Netzen zur Identifizierung bestimmungsgemaesser und nichtbestimmungsgemaesser Betriebszustaende wird nachgewie sen. Erzielte Ergebnisse mit dem neuronalen Netz sind nahezu mit den Experten-Vorgaben identisch und bestaetigen somit das Potential neuronaler Netze auf diesem Gebiet