楊 航

（荊楚理工學(xué)院，湖北荊門 448000）

淺談化工過程故障診斷的現(xiàn)狀研究

楊 航

（荊楚理工學(xué)院，湖北荊門 448000）

當(dāng)今社會，無論是社會經(jīng)濟(jì)還是科學(xué)技術(shù)都發(fā)展的非常迅速，現(xiàn)代化生產(chǎn)在這樣的一個(gè)大環(huán)境下，開始朝著大型集中化發(fā)展，在生產(chǎn)的過程中其系統(tǒng)的智能化水平也越來越高。但是，近幾年在化工生產(chǎn)過程中發(fā)生故障的情況也越來越頻繁，所以在這樣的情況下，分析了化工過程中的一些故障診斷的方法。

化工過程；故障診斷；診斷方法

化工業(yè)的生產(chǎn)過程屬于非線性系統(tǒng)，對于其內(nèi)部的故障原由和可測的過程變量它們之間存在著一種關(guān)系，而且這種關(guān)系比較復(fù)雜，如果利用當(dāng)個(gè)程序來進(jìn)行診斷的話，其診斷的結(jié)果是沒有辦法達(dá)到系統(tǒng)可靠性、實(shí)時(shí)性的要求，所以為了確保故障診斷的準(zhǔn)確性，一般是利用多個(gè)子系統(tǒng)來共同合作完成的。這些不同的系統(tǒng)誰開發(fā)的什么時(shí)間開發(fā)的用什么語言進(jìn)行開發(fā)的都不知道，所以其知識所呈現(xiàn)出來的表達(dá)方式就具有了多樣性。

1 化工過程故障診斷的重要性

當(dāng)今社會，無論是社會經(jīng)濟(jì)還是科學(xué)技術(shù)都發(fā)展的非常迅速，現(xiàn)代化生產(chǎn)在這樣的一個(gè)大環(huán)境下，開始朝著大型集中化發(fā)展，在生產(chǎn)的過程中其系統(tǒng)的智能化水平也是越來越高。在現(xiàn)代化生產(chǎn)中越來越多的人開始應(yīng)用計(jì)算機(jī)技術(shù)，這樣就減少了成本的投資，提高其工作效率，以及讓其在市場上的競爭力也增強(qiáng)了，這樣一來，為國家和企業(yè)在帶來經(jīng)濟(jì)利益的同時(shí)還帶來了社會效益[1]。但是，其系統(tǒng)結(jié)構(gòu)也相對以前來說更復(fù)雜，在生產(chǎn)過程中產(chǎn)生的故障也增加，如果在生產(chǎn)的過程中有一處地方發(fā)生了問題不能進(jìn)行工作，那樣就很有可能會發(fā)生鏈?zhǔn)椒磻?yīng)，這樣一來就會導(dǎo)致其整個(gè)過程都會停止工作，使生產(chǎn)效率極大降低，破壞了生態(tài)環(huán)境，同時(shí)也會給國家以及企業(yè)帶來不可挽回的巨大損失，而且化工涉及到范圍十分的廣，衣食住行、國名經(jīng)濟(jì)等幾乎均有涉及，這就體現(xiàn)了化工生產(chǎn)過程需要正常運(yùn)轉(zhuǎn)的重要性，因?yàn)橐坏┌l(fā)生問題，其產(chǎn)生的后果太過嚴(yán)重。

在這樣的情況下，故障診斷技術(shù)應(yīng)運(yùn)而生。故障診斷的含義就是說通過測量設(shè)備觀測收集到的一些數(shù)據(jù)、結(jié)構(gòu)知識、過程產(chǎn)生異常情況的征兆以及系統(tǒng)動力學(xué)模型和系統(tǒng)故障之間存在的聯(lián)系，對生產(chǎn)過程中的系統(tǒng)的工作狀態(tài)進(jìn)行判斷以及分析，以便查清楚故障所產(chǎn)生的位置、時(shí)間以及模式，確保整個(gè)生產(chǎn)過程可以一直處于一種安全的工作狀態(tài)中。

2 化工過程故障診斷的發(fā)展現(xiàn)狀

2.1 模糊診斷發(fā)展現(xiàn)狀

這種方法是不需要去構(gòu)建一個(gè)非常詳細(xì)的數(shù)學(xué)模型，主要是對模糊規(guī)則以及隸屬函數(shù)進(jìn)行運(yùn)用，然后再去進(jìn)行模糊推理就可以來完成故障診斷。

對于比較復(fù)雜的系統(tǒng)進(jìn)行診斷的話，首先要做的就是要去對隸屬函數(shù)以及模糊規(guī)則進(jìn)行一個(gè)正確的建立，但是這個(gè)過程是比較困難的，通常需要的時(shí)間會非常久。而對于更大的隸屬函數(shù)以及模糊規(guī)則進(jìn)行集合的話，很難理清不同規(guī)則之間的關(guān)系[2]。而且對于系統(tǒng)來說，它通常會具有耦合性以及復(fù)雜性，由頻域、時(shí)域的特征空間到故障模式空間之間存在的映射關(guān)系通常都會有著非常強(qiáng)的一種非線性，而且就隸屬函數(shù)而言，此時(shí)它的形狀并不是規(guī)則的，所以在這樣的情況下，就只能夠使用規(guī)范的形狀來進(jìn)行代替，比如說三角形、直線等一些形狀，但是這樣診斷出來的結(jié)果往往就會存在一些誤差。

2.2 神經(jīng)網(wǎng)絡(luò)診斷發(fā)展現(xiàn)狀

神經(jīng)網(wǎng)絡(luò)這種診斷方法主要是對人腦里面的神經(jīng)系統(tǒng)進(jìn)行模擬，這種診斷方法是比較新型有前景的。在獲取知識這方面，神經(jīng)網(wǎng)絡(luò)知識是不用經(jīng)過相關(guān)工程師進(jìn)行整理、總結(jié)。只需要哪那些由領(lǐng)域?qū)＜医鉀Q過的一些實(shí)例來對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練就可以[3]。神經(jīng)網(wǎng)絡(luò)對于知識的獲取相比較專家系統(tǒng)而言，在這方面是比較有優(yōu)勢的，它不僅可以保證質(zhì)量還可以提高效率。在對知識進(jìn)行表示的方式法中，神經(jīng)網(wǎng)絡(luò)運(yùn)用的隱示表示這樣的一種方法。神經(jīng)網(wǎng)絡(luò)在獲取知識的同時(shí)，其產(chǎn)生出來的知識會根據(jù)網(wǎng)絡(luò)的權(quán)值以及結(jié)構(gòu)來進(jìn)行表示，而且會對其中的一個(gè)問題的各方面知識展現(xiàn)在同一個(gè)網(wǎng)絡(luò)中，表現(xiàn)出來的通用性也比較強(qiáng)，有助于實(shí)現(xiàn)知識的并行聯(lián)想推理以及對其的自動獲取。

對于神經(jīng)網(wǎng)絡(luò)知識進(jìn)行推理的這樣一個(gè)過程是根據(jù)神經(jīng)元之間產(chǎn)生的一個(gè)相互作用來完成的。處于同一層的網(wǎng)絡(luò)其推理也是處于并行狀態(tài)的，對于不同層之間的推理則就是串行的。因?yàn)橥粋€(gè)層里面所具有的神經(jīng)元的數(shù)量遠(yuǎn)遠(yuǎn)多于層數(shù)，所以對于神經(jīng)網(wǎng)絡(luò)的推理來說，如果其是并行的，速度就會比較快[4]。在神經(jīng)網(wǎng)絡(luò)中，對于輸入與學(xué)習(xí)樣本有一點(diǎn)差離的情況是被允許出現(xiàn)的，只要輸入模式跟某一個(gè)樣本它的輸入模式比較接近就可以，這樣產(chǎn)生輸出的模式也就是比較接近的，這樣的特性使得神經(jīng)網(wǎng)絡(luò)有了一定的聯(lián)想記憶能力。這種故障診斷的方法在很多領(lǐng)域都開始進(jìn)行應(yīng)用了，比如核反應(yīng)堆、化工設(shè)備等一些領(lǐng)域均有應(yīng)用并且都獲得了不錯(cuò)的效果。

雖然這種診斷方法在很多領(lǐng)域已經(jīng)應(yīng)用并且都獲得不錯(cuò)的效果，但是其還是存在一些不足的，主要體現(xiàn)在沒有將很多不同領(lǐng)域的專家長期積累形成的很多經(jīng)驗(yàn)進(jìn)行比較充分的應(yīng)用，知識在其中應(yīng)用了一些故障診斷很明確的實(shí)例，而且在用這種方法進(jìn)行診斷的術(shù)后需要具備充足的學(xué)習(xí)樣本，這樣才會保證其診斷結(jié)果的準(zhǔn)確性。

3 化工過程故障診斷的分類及方法

3.1 基于解析模型的故障診斷方法

3.1.1 狀態(tài)估計(jì)診斷

因?yàn)楸豢貙ο筇幱诘臓顟B(tài)可以反映出系統(tǒng)所處的一種狀態(tài)，通過估計(jì)出來的系統(tǒng)狀態(tài)、并且要將合適的模型與之結(jié)合在一起才能夠?qū)τ谙到y(tǒng)去做一個(gè)故障診斷。運(yùn)用狀態(tài)估計(jì)這樣的診斷方法首先需要完成的是對被控對象狀態(tài)進(jìn)行重構(gòu)，通過和可測變量進(jìn)行對比然后發(fā)現(xiàn)殘差序列，然后再根據(jù)這些去構(gòu)造模型并進(jìn)行檢驗(yàn)，從而檢測出故障[5]。

3.1.2 一致性檢驗(yàn)診斷

這種方法是將正常模型與系統(tǒng)實(shí)際模型這兩中模型進(jìn)行檢驗(yàn)，如果兩者一致的話就不會發(fā)生故障，如果不一致，就表示會有故障發(fā)生。

3.1.3 參數(shù)估計(jì)診斷

這種診斷法建立的基礎(chǔ)是輸出及輸入?yún)?shù)模型和過程參數(shù)產(chǎn)生的一些聯(lián)系，然后根據(jù)輸出輸入序列來對模型參數(shù)序列進(jìn)行估計(jì)，根據(jù)模型參數(shù)序列來對過程變化量序列進(jìn)行確定，最后統(tǒng)計(jì)出這些序列的特性來推算故障會不會產(chǎn)生，如果檢測出來的結(jié)果是一定會發(fā)生故障的話，那么就要對故障進(jìn)行分析、估計(jì)以及決策。

3.2 基于模式識別的故障診斷方法

因?yàn)楣收显\斷的原理主要就是對被診斷運(yùn)行過程中產(chǎn)生的不同狀態(tài)信息與已經(jīng)存在的指標(biāo)信息進(jìn)行一個(gè)綜合處理，然后會得到故障狀況以及過程運(yùn)行狀況的一個(gè)綜合評價(jià)。那么如果在故障發(fā)生之前對可能會產(chǎn)生的一些故障模式進(jìn)行一定的分類，這樣就把故障診斷問題轉(zhuǎn)變成了系統(tǒng)現(xiàn)有運(yùn)行狀態(tài)該放置到哪一類上面的問題。這樣就可以將對故障進(jìn)行診斷專業(yè)的工作看成是對模式進(jìn)行識別及分類的工作[6]。

3.3 基于數(shù)學(xué)模型的故障診斷方法

這種診斷方法的基礎(chǔ)是比較合理的一些數(shù)學(xué)模型。它的優(yōu)點(diǎn)是可以把過程監(jiān)控系統(tǒng)與過程物理認(rèn)識有機(jī)的結(jié)合在一起，當(dāng)可以運(yùn)用的數(shù)學(xué)模型是非常詳細(xì)的時(shí)候，這種診斷方法還是比較科學(xué)有效的。任何一個(gè)根據(jù)數(shù)學(xué)模型而衍生出來的診斷方法第一步都是要去建立與故障相關(guān)的一個(gè)殘差，然后通過對這樣的一個(gè)殘差來進(jìn)行評估分析來完場故障診斷工作，這種診斷方法一般會用在那些信息比較紛繁復(fù)雜的系統(tǒng)當(dāng)中。但是要是在一些大系統(tǒng)中來運(yùn)用這種診斷方法的話是由一定難度的，主要是因?yàn)榛跀?shù)學(xué)模型產(chǎn)生的這種診斷方法它需要一個(gè)非常詳細(xì)的模型來作為基礎(chǔ)。所以即便是知道了大系統(tǒng)中內(nèi)部很多的禍合交叉的關(guān)系也是很難用這種方法的，因?yàn)橐氆@得其一個(gè)詳細(xì)的模型是非常昂貴的。

3.4 基于信號處理的故障診斷方法

3.4.1 kullback信息診斷

運(yùn)用kullback信息準(zhǔn)則來進(jìn)行故障診斷這種方法可以度量系數(shù)的相關(guān)變化，不存在在沒有建模性動態(tài)特征的時(shí)候，把KDI以及閾值來進(jìn)行比較從而產(chǎn)生比較有效的診斷方法[7]。但是如果未建模性這種動態(tài)特性存在的話，那么KDI產(chǎn)生的波動就會特別的大，那么閾值檢測這種方法就是不合適的。

3.4.2 小波變換

運(yùn)用小波變換去對故障進(jìn)行診斷的這樣的一個(gè)方法其第一步就是要對過程中的輸出輸入信號來完成小波變換，然后根據(jù)這樣的一種變換來算出輸出輸入信號的每個(gè)奇異點(diǎn)，在這樣的基礎(chǔ)上，去掉因?yàn)檩斎胪蛔兌a(chǎn)生的極值點(diǎn)，那么剩下的極值點(diǎn)相對應(yīng)的就是在過程中產(chǎn)生的一些故障。這種診斷方法是不需要建立數(shù)學(xué)模型的，而且對于輸入信號這方面的要求也不高，產(chǎn)生的計(jì)算量也很少，而且還可以在線監(jiān)測，克服各種噪聲的能力也是比較好，靈活性高，是一種比較有發(fā)展的一種診斷方法。

3.4.3 子空間特征信號分析

運(yùn)用對于子空間特征信號進(jìn)行分析這種故障診斷方法的原理就是運(yùn)用多元信號分析這樣的方法把過程空間分成過程信號子空間和其補(bǔ)空間。因?yàn)楣收虾瓦^程特征信號這兩者之間存在著一定的內(nèi)在關(guān)系，當(dāng)故障產(chǎn)生的時(shí)候，就會導(dǎo)致過程特征信號在其結(jié)構(gòu)以及幅度上產(chǎn)生一定的變化，從而會在監(jiān)控模型中將和過程正常工作狀態(tài)不同的形顯示出來，這樣就可以實(shí)現(xiàn)對過程的一種監(jiān)控。

4 結(jié)語

介紹了多種不同的故障方法，但是任何一種方法都并不是十全十美的，總是會存在著一些不足，所以對化工過程這方面的故障診斷研究依然需要更進(jìn)一步?，F(xiàn)在科學(xué)技術(shù)在越來越快的發(fā)展，在這樣的一個(gè)情況下，相關(guān)人員應(yīng)該要利用可用的一切有利條件進(jìn)行研究和分析，尋找到更多更好的故障診斷方法。

[1] 解慶，楊武，趙小強(qiáng).基于KPCA與LS-SVM的化工過程故障診斷算法研究[J].工業(yè)儀表與自動化裝置，2012，（5）：3-7.

[2] 戴一陽，趙勁松，陳丙珍.化工過程混合故障診斷系統(tǒng)的應(yīng)用[J].化工學(xué)報(bào)，2010，（2）：342-346.

[3] 任偉，田文德，杜廷召.改進(jìn)的PCA方法在化工過程故障診斷中的應(yīng)用研究[J].化工自動化及儀表，2010，（6）：20-23+28.

[4] 楊佳婧，張勤，朱群雄.動態(tài)不確定因果圖在化工過程故障診斷中的應(yīng)用[J].智能系統(tǒng)學(xué)報(bào)，2014，（2）：154-160.

[5] 趙小強(qiáng)，錢君秀.基于雙核獨(dú)立元分析的化工過程故障診斷算法研究[J].上海交通大學(xué)學(xué)報(bào)，2014，（7）：1004-1008.

[6] 趙小強(qiáng)，楊武，薛永飛.可變窗自適應(yīng)核主元分析的化工過程故障診斷算法[J].東南大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，（S1）：93-97.

[7] 陶少輝，李傳坤.化工過程故障原因診斷的變量異常順序法[J].計(jì)算機(jī)與應(yīng)用化學(xué)，2012，（2）：178-180.

Study on the Present Situation of Fault Diagnosis of Chemical Process

Yang Hang

In today’s society，both the social economy and the science and technology have developed very rapidly.Modernized production in such a large environment has begun to develop towards large-scale centralization.In the process of production，the intelligent level of its system is more and more The higher the higher.However，in recent years in the chemical production process of the situation also occurred more and more frequent，so in this case，people began to pay more and more attention to the chemical process of some of the fault diagnosis method.

chemical process；fault diagnosis；diagnostic method

TP273

A

1003–6490（2017）03–0161–02

2017–02–22

楊航（1995—），男，湖北監(jiān)利人，本科在讀，主要研究方向化工。