安全事故猛于虎。
        化工企业由于其生产原料及生产产品设计的特殊性、复杂性和多样性，更容易导致安全事故的发生，造成不堪设想的严重后果。每一场事故，每一个冰冷的数字背后都承载着无数家庭的痛苦。因此，实现化工生产线故障预警与诊断具有重要意义。
        本团队以Tennessee Eastman（TE）化工过程为样例，以Python为平台，结合Matlab的建模功能，运用经典的机器学习算法（隐马尔可夫模型，Hide Markov Model）及基于统计原理的信号分离方法（独立成分分析法，Independent Component Analysis）构建复杂化工过程的故障预警与诊断系统。
        本系统主要功能如下：
        1.化工生产线故障预警：监控指标以波形图显现，通过与报警阈值比对，直观呈现生产线健康状况；
        2.高效的故障检测：故障检测率最高可达100%（故障6）；
        3.即时预/报警：监控指标超过预设阈值立刻通过声音、闪光效果进行预/报警；
        4.快速自动故障分类：对TE化工过程的故障实现快速自动分类，准确率可达99.8%（故障7，详见说明书）；
        5.故障预警后处理：针对不同故障，及时显示预设的处理、维修建议，通知维修人员，维修后提交日志，存入数据库。

设计理念：
       1.安全第一——综合运用不同机器学习算法的优点，提高故障检测率与分类准确率，确保安全生产；