專利名稱：石化過程中基于定性sdg的故障混合診斷方法
技術(shù)領(lǐng)域：
本發(fā)明涉及石化過程中的故障診斷方法，特別涉及一種基于定性SDG的混合模糊 邏輯和主元分析的故障診斷方法。
背景技術(shù)：
石油化工生產(chǎn)過程由于傳感器漂移、設(shè)備失效、工藝波動(dòng)或操作錯(cuò)誤等原因，導(dǎo)致 生產(chǎn)運(yùn)行中經(jīng)常出現(xiàn)異常工況狀態(tài)，輕則影響產(chǎn)品質(zhì)量、生產(chǎn)調(diào)度計(jì)劃，重則會出現(xiàn)生產(chǎn)事 故，造成人員傷亡和巨大的經(jīng)濟(jì)損失。如何從海量的生產(chǎn)數(shù)據(jù)中挖掘出有效的信息，及時(shí)識別出存在的異常工況，找出 導(dǎo)致異常工況產(chǎn)生的原因，預(yù)測該異常工況發(fā)展下去可能產(chǎn)生的后果，提出相應(yīng)的措施，進(jìn) 行有效的異常工況管理，避免產(chǎn)生嚴(yán)重后果，是確保企業(yè)安全運(yùn)行的重要環(huán)節(jié)。上述過程的核心技術(shù)是對過程的故障診斷。目前可以用于工業(yè)系統(tǒng)故障識別和診 斷的方法主要分為兩大類，一類是基于模型的方法，另一類是基于歷史數(shù)據(jù)的方法。基于模 型的故障診斷方法又可分為定量模型法和定性模型法。定量模型法需要準(zhǔn)確測試過程的動(dòng)態(tài)特性，由于很難獲取過程對象的精確定量動(dòng) 態(tài)模型，此方法實(shí)用性受到限制，而基于定性數(shù)學(xué)模型的故障診斷方法得到重視和發(fā)展。 基于定性數(shù)學(xué)模型的故障識別和診斷方法中，圖論方法是最有實(shí)用價(jià)值的一種，其中符號 定向圖(SDG，Signed Directed Graph)方法前景十分看好?；跉v史數(shù)據(jù)的故障診斷方法必須依據(jù)對過程系統(tǒng)已知的先驗(yàn)知識，此類方法不 能離開歷史數(shù)據(jù)，對新出現(xiàn)的故障沒有識別能力?；跉v史數(shù)據(jù)的故障診斷方法又可分為 定量方法和定性方法。定性方法中應(yīng)用最廣的是基于規(guī)則的專家系統(tǒng)，又稱為淺層知識專 家系統(tǒng)?；跉v史數(shù)據(jù)的故障診斷定量方法又分統(tǒng)計(jì)學(xué)方法和非統(tǒng)計(jì)學(xué)方法兩大類。兩類 方法都是對實(shí)時(shí)數(shù)據(jù)的抽樣進(jìn)行特征提取的方法。統(tǒng)計(jì)學(xué)方法包括主元分析法(PCA)、部分 最小二乘法(PLS)等?；跉v史數(shù)據(jù)的故障診斷定量方法的非統(tǒng)計(jì)學(xué)方法即常用的神經(jīng)網(wǎng) 絡(luò)法。目前，基于半定量的方法得到重視和發(fā)展。所謂半定量是結(jié)合隨機(jī)理論、模糊集理 論、加權(quán)方法等，在定性故障診斷方法中加入定量信息，使定量方法和定性方法優(yōu)勢互補(bǔ)， 例如模糊SDG方法、SDG-PCA方法、SDG-PLS方法等。對比上述的故障診斷方法，由于定量模型法基于精確數(shù)學(xué)模型，所以具有比較好 的早期感知能力和分辨率，但是它對噪音和虛假信號的魯棒性很差，而且復(fù)雜系統(tǒng)的精確 模型很難得到，當(dāng)工藝流程改變時(shí)，適應(yīng)能力也很差。統(tǒng)計(jì)分類法和神經(jīng)網(wǎng)絡(luò)法易于使用， 對噪音的魯棒性也較好，然而對于新故障或未知故障的診斷無能為力。以美國和日本相關(guān) 研究表明能在石化過程中真正實(shí)用的方法大概也莫過于基于規(guī)則的專家系統(tǒng)、PCA方法和 SDG方法。由于故障識別與診斷面對的是多變的、復(fù)雜的過程系統(tǒng)，目前，尚沒有一種方法能普遍適用于各種工業(yè)的多種故障診斷的需要。因此將數(shù)種實(shí)用的方法并行或者相互融合取 長補(bǔ)短是可行的發(fā)展方向。針對石化過程的特點(diǎn)，本發(fā)明以復(fù)雜系統(tǒng)的數(shù)據(jù)處理和故障診 斷為研究目標(biāo)，提出了適合石化工業(yè)的故障監(jiān)測與診斷的關(guān)鍵算法

發(fā)明內(nèi)容
本發(fā)明為了解決上述技術(shù)問題，提供一種石化過程中基于定性SDG的故障混合診 斷方法，通過提出一套基于定性SDG的、融合多種定量故障診斷技術(shù)的實(shí)用故障診斷方法， 解決故障診斷技術(shù)在故障檢測與診斷的速度、診斷完備性與準(zhǔn)確性、診斷分辨率以及魯棒 性等方面的問題；結(jié)合SDG-HAZ0P技術(shù)，對所采用的模型與算法進(jìn)行靜態(tài)和動(dòng)態(tài)檢驗(yàn)，確保 故障診斷模型與算法的準(zhǔn)確性與完備性，并將HAZOP分析結(jié)果作為專家知識庫，用于在線 故障診斷。所述故障混合診斷方法建立了一個(gè)三層的層次診斷模型1)第一層是專家系統(tǒng)模塊將所述專家系統(tǒng)模塊與生產(chǎn)過程中的實(shí)際流程相連接，采集來自生產(chǎn)現(xiàn)場的實(shí)時(shí) 數(shù)據(jù)，提取工藝流程的關(guān)鍵節(jié)點(diǎn)在故障狀態(tài)下的特征數(shù)據(jù)，存入專家知識庫。實(shí)時(shí)監(jiān)測時(shí)， 如果這些節(jié)點(diǎn)的狀態(tài)剛好落進(jìn)知識庫定義好的狀態(tài)，那就得到結(jié)論目前已進(jìn)入某種故障 狀態(tài)，原因和后果即可確定。這樣異常工況管理系統(tǒng)可直接得到被監(jiān)測工藝的非正常工況 結(jié)論。此時(shí)軟件系統(tǒng)不用進(jìn)入后邊的推理算法，大幅減少了系統(tǒng)的推理時(shí)間。2)第二層是綜合診斷模塊利用SDG方法進(jìn)行故障診斷，診斷結(jié)果完備性高，但是由于定性推理的多義性導(dǎo) 致分辨率較低。結(jié)合PCA、模糊邏輯和主元分析，得到基于SDG的故障診斷的混合算法，進(jìn)入 混合算法后，首先以PCA方法對實(shí)時(shí)數(shù)據(jù)進(jìn)行監(jiān)測，當(dāng)監(jiān)測到過程發(fā)生異常波動(dòng)時(shí)，則利用 各種方法求得偏離點(diǎn)以供SDG進(jìn)行推理1)利用PCA對實(shí)時(shí)數(shù)據(jù)計(jì)算，得到各點(diǎn)的殘差方 法以求得偏離點(diǎn)；2)實(shí)時(shí)數(shù)據(jù)根據(jù)SDG模型的動(dòng)態(tài)閾值，求得達(dá)到一定偏離的點(diǎn)。隨后，運(yùn) 用SDG算法進(jìn)行故障推理，得到相容通路，即故障傳播路徑，先后送入采用模糊邏輯的SDG 推理引擎進(jìn)行故障診斷，根據(jù)各傳播路徑的相容度和靈敏度信息進(jìn)行排序，結(jié)合混和專家 知識庫系統(tǒng)，得到故障的原因、后果以及處理措施等；對于建立的SDG模型，自動(dòng)推理進(jìn)行ΗΑΖ0Ρ，采用關(guān)鍵變量“拉偏”，搜索故障傳播 路徑，把分析結(jié)果以故障癥兆、故障原因、傳播路徑和不利后果以及處理措施以專家知識的 形式存在故障知識庫中。在實(shí)際情形中，以SDG故障診斷的結(jié)果中故障路徑做為關(guān)鍵詞去 知識庫中搜索處理方案，可以大大節(jié)省運(yùn)算時(shí)間，提高運(yùn)算速度。這樣，以SDG方法為基礎(chǔ)，融合多種診斷方法，相互配合補(bǔ)充，發(fā)揮各自的優(yōu)點(diǎn)，形 成了基于SDG的故障診斷混合算法，提高了診斷效率。3)第三層是混合專家知識系統(tǒng)該混合專家知識系統(tǒng)主要由專家系統(tǒng)和HAZOP分析結(jié)果構(gòu)成。在第二層的綜合診斷模塊中，采集到的現(xiàn)場數(shù)據(jù)首先送到PCA算法模塊，用于診 斷整個(gè)裝置或單元的工藝狀態(tài)是否正常，隨后先后送入SDG推理引擎進(jìn)行故障診斷，此時(shí) 的SDG節(jié)點(diǎn)和通路的閾值采用模糊邏輯算法，將SDG模型中的節(jié)點(diǎn)和支路狀態(tài)模糊化。所述PCA算法模塊，包括以下步驟
b. 二次分布型隸屬函數(shù)將閾值考慮為一條曲線，則上限閾值的隸屬度函數(shù)Pi(X)由式(3)表示，下限閾 值的隸屬度函數(shù)Pi(X)由式(4)表示，其中，B和A表示原上下限的位置，a.以PCA方法對實(shí)時(shí)數(shù)據(jù)進(jìn)行監(jiān)測，米集實(shí)時(shí)數(shù)據(jù)，建立主元模型；b.計(jì)算殘差；c.建立 PCA-SDG 模型；d.對于已經(jīng)賦值的SDG模型進(jìn)行雙向推理，得到故障傳播路徑?；谀：壿嫷腟DG故障診斷的一般算法a. SDG節(jié)點(diǎn)的模糊包括閾值上下限的模糊，采集DCS上現(xiàn)場儀表的高高報(bào)、高報(bào)、 低報(bào)、低低報(bào)數(shù)據(jù)，根據(jù)試驗(yàn)得到SDG中各節(jié)點(diǎn)的閾值縮放因子，以所述數(shù)據(jù)為基礎(chǔ)，乘以 閾值縮放因子，將報(bào)警限的范圍放大或縮小一定的倍數(shù)，從而得到適用于SDG推理的模糊 閾值；b. SDG節(jié)點(diǎn)的模糊還包括實(shí)時(shí)測量值對閾值的模糊，通過引入隸屬度表示，在某一 時(shí)刻，獲得SDG模型中各節(jié)點(diǎn)的實(shí)際測量值，并計(jì)算得到其相對于模糊閾值的隸屬度；c.將系統(tǒng)因果變量間的穩(wěn)態(tài)增益定義為SDG支路的靈敏度，由人工設(shè)定。d.從某一發(fā)生偏離的節(jié)點(diǎn)出發(fā)，進(jìn)行前向推理和反向推理，找出所有相容通路，把 每一條相容通路中各節(jié)點(diǎn)的隸屬度和各支路的靈敏度分別相乘，得出整條相容通路的相容 度和靈敏度；e.考慮相容通路的節(jié)點(diǎn)數(shù)目不同的影響，把每條相容通路的相容度根據(jù)節(jié)點(diǎn)數(shù)取 幾何平均值，靈敏度根據(jù)支路數(shù)取幾何平均值；f.綜合考慮相容通路的相容度和靈敏度大小，進(jìn)行優(yōu)先級排隊(duì)，并自動(dòng)解釋造成 當(dāng)前報(bào)警的原因和危險(xiǎn)傳播路徑；g.每隔一個(gè)選定的時(shí)間間隔重復(fù)以上步驟a_f，以便實(shí)時(shí)跟蹤現(xiàn)場故障情況。所述隸屬度的函數(shù)取值算法有如下兩種a.三角型隸屬函數(shù)將閾值考慮為一條三角，在原上下限B和A的位置拓寬一段偏離，偏離的絕對值設(shè) 為D，上限閾值的隸屬度函數(shù)μ i (X)由式⑴表示，下限閾值的隸屬度函數(shù)μ i (X)由式⑵ 表不，
權(quán)利要求
1.一種石化過程中基于定性SDG的故障混合診斷方法，在中控室配置服務(wù)器，所述服 務(wù)器與生產(chǎn)過程中的實(shí)際流程通過局域網(wǎng)相連，采集來自生產(chǎn)現(xiàn)場的實(shí)時(shí)數(shù)據(jù)，并通過公 共網(wǎng)絡(luò)與客戶端相連接，該方法建立了一個(gè)三層的層次診斷模型1)第一層是專家系統(tǒng)模塊提取工藝流程的關(guān)鍵節(jié)點(diǎn)在故障狀態(tài)下的特征數(shù)據(jù)，存入專家知識庫；實(shí)時(shí)監(jiān)測時(shí)，如 果關(guān)鍵節(jié)點(diǎn)的狀態(tài)在專家知識庫定義好的狀態(tài)中，則能夠得出結(jié)論已經(jīng)進(jìn)入某種故障狀 態(tài)，原因和后果即可確定；2)第二層是綜合診斷模塊結(jié)合PCA、模糊邏輯和主元分析，得到基于SDG的故障診斷的混合算法，進(jìn)入混合算法 后，首先以PCA方法對實(shí)時(shí)數(shù)據(jù)進(jìn)行監(jiān)測，當(dāng)監(jiān)測到異常波動(dòng)時(shí)，求出偏離點(diǎn)以供SDG進(jìn)行 故障推理；隨后，運(yùn)用SDG算法進(jìn)行故障推理，得到相容通路，即故障傳播路徑，隨后先后送入采 用模糊邏輯的SDG推理引擎進(jìn)行故障診斷，結(jié)合混和專家知識庫系統(tǒng)，得到故障的原因、后 果以及處理措施；對于建立的SDG模型，自動(dòng)推理進(jìn)行ΗΑΖ0Ρ，搜索故障傳播路徑，把分析結(jié)果以故障癥 兆、故障原因、傳播路徑和不利后果以及處理措施以專家知識的形式存在故障知識庫中；3)第三層是混合專家知識系統(tǒng)該混合專家知識系統(tǒng)主要由專家系統(tǒng)和HAZOP分析結(jié)果構(gòu)成。
2.如權(quán)利要求1所述的故障混合診斷方法，其特征在于，采集到的現(xiàn)場數(shù)據(jù)首先送到 PCA算法模塊，用于診斷整個(gè)裝置或單元的工藝狀態(tài)是否正常，隨后先后送入SDG推理引擎 進(jìn)行故障診斷，此時(shí)的SDG節(jié)點(diǎn)和通路的閾值采用模糊邏輯算法，將SDG模型中的節(jié)點(diǎn)和支 路狀態(tài)模糊化。
3.如權(quán)利要求2所述的故障混合診斷方法，其特征在于，所述PCA算法模塊，包括以下步驟a.以PCA方法對實(shí)時(shí)數(shù)據(jù)進(jìn)行監(jiān)測，采集實(shí)時(shí)數(shù)據(jù)，建立主元模型；b.計(jì)算殘差；c.建立PCA-SDG模型；d.對于已經(jīng)賦值的SDG模型進(jìn)行雙向推理，得到故障傳播路徑。
4.如權(quán)利要求2所述的故障混合診斷方法，其特征在于，a.SDG節(jié)點(diǎn)的模糊包括閾值上下限的模糊，采集DCS上現(xiàn)場儀表的高高報(bào)、高報(bào)、低報(bào)、 低低報(bào)數(shù)據(jù)，根據(jù)試驗(yàn)得到SDG中各節(jié)點(diǎn)的閾值縮放因子，以所述數(shù)據(jù)為基礎(chǔ)，乘以閾值縮 放因子，將報(bào)警限的范圍放大或縮小一定的倍數(shù)，從而得到適用于SDG推理的模糊閾值；b.SDG節(jié)點(diǎn)的模糊還包括實(shí)時(shí)測量值對閾值的模糊，通過引入隸屬度表示，在某一時(shí) 刻，獲得SDG模型中各節(jié)點(diǎn)的實(shí)際測量值，并計(jì)算得到其相對于模糊閾值的隸屬度；c.將系統(tǒng)因果變量間的穩(wěn)態(tài)增益定義為SDG支路的靈敏度，由人工設(shè)定。d.從某一發(fā)生偏離的節(jié)點(diǎn)出發(fā)，進(jìn)行前向推理和反向推理，找出所有相容通路，把每一 條相容通路中各節(jié)點(diǎn)的隸屬度和各支路的靈敏度分別相乘，得出整條相容通路的相容度和 靈敏度；e.考慮相容通路的節(jié)點(diǎn)數(shù)目不同的影響，把每條相容通路的相容度根據(jù)節(jié)點(diǎn)數(shù)取幾何平均值，靈敏度根據(jù)支路數(shù)取幾何平均值；f.綜合考慮相容通路的相容度和靈敏度大小，進(jìn)行優(yōu)先級排隊(duì)，并自動(dòng)解釋造成當(dāng)前 報(bào)警的原因和危險(xiǎn)傳播路徑；g.每隔一個(gè)選定的時(shí)間間隔重復(fù)以上步驟a-f，以便實(shí)時(shí)跟蹤現(xiàn)場故障情況。
5.如權(quán)利要求4所述的故障混合診斷方法，其特征在于，所述隸屬度的函數(shù)取值算法 有如下兩種a.三角型隸屬函數(shù)將閾值考慮為一條三角，在原上下限B和A的位置拓寬一段偏離，偏離的絕對值設(shè)為 D，上限閾值的隸屬度函數(shù)Pi(X)由式⑴表示，下限閾值的隸屬度函數(shù)Pi(X)由式(2)表示，b. 二次分布型隸屬函數(shù)將閾值考慮為一條曲線，則上限閾值的隸屬度函數(shù)Pi(X)由式(3)表示，下限閾值的 隸屬度函數(shù)Pi(X)由式(4)表示，其中，B和A表示原上下限的位置，M O)=Mx) =0B-A B-A1 1B-Ax<AA<x<A + B 2A + B32x> B x<AA<x<<x<BA + B 2A + B4/VB-A02x> B<x<B將隸屬度值的絕對值作為節(jié)點(diǎn)相容程度。
6.如權(quán)利要求4所述的故障混合診斷方法，其特征在于，SDG模型的支路狀態(tài)模糊通過 支路的靈敏度實(shí)現(xiàn)，對于SDG模型中的每一個(gè)因果支路，其靈敏度定義為μΒΑ(ΔΒ/ΔΑ) = ·(ΔΒ/ΔΑ)(5)其中，ΔΒ——后果節(jié)點(diǎn)的相對偏離； ΔΑ——原因節(jié)點(diǎn)的相對偏離；
7.如權(quán)利要求1-5任一所述的故障混合診斷方法，其特征在于，采用SDG-HAZOP對SDG 的模型與算法進(jìn)行靜態(tài)和動(dòng)態(tài)檢驗(yàn)。
8.如權(quán)利要求1-5任一所述的故障混合診斷方法，其特征在于，所述混合專家系統(tǒng)包 括以通用人工智能軟件Clips為內(nèi)核的專家系統(tǒng)以及以HAZOP分析結(jié)果為基礎(chǔ)的專家知識庫。
全文摘要
本發(fā)明涉及一種石化過程中基于定性SDG的故障混合診斷方法，提取工藝流程的關(guān)鍵節(jié)點(diǎn)在故障狀態(tài)下的特征數(shù)據(jù)，存入專家知識庫；結(jié)合PCA、模糊邏輯和主元分析，得到基于SDG的故障診斷的混合算法，對于建立的SDG模型，自動(dòng)推理進(jìn)行HAZOP，把分析結(jié)果以故障癥兆、故障原因、傳播路徑和不利后果以及處理措施以專家知識的形式存在故障知識庫中?；旌蠈＜抑R系統(tǒng)主要由專家系統(tǒng)和HAZOP分析結(jié)果構(gòu)成。解決故障診斷技術(shù)在故障檢測與診斷的速度、診斷完備性與準(zhǔn)確性、診斷分辨率以及魯棒性等方面的問題。
文檔編號G05B23/00GK102004486SQ20101029193
公開日2011年4月6日 申請日期2010年9月26日 優(yōu)先權(quán)日2010年9月26日
發(fā)明者姜巍巍, 姜春明, 張衛(wèi)華, 李傳坤, 牟善軍, 王春利 申請人:中國石油化工股份有限公司, 中國石油化工股份有限公司青島安全工程研究院