石化过程中基于定性ＳＤＧ的故障混合诊断方法技术

本发明专利技术涉及一种石化过程中基于定性ＳＤＧ的故障混合诊断方法，提取工艺流程的关键节点在故障状态下的特征数据，存入专家知识库；结合ＰＣＡ、模糊逻辑和主元分析，得到基于ＳＤＧ的故障诊断的混合算法，对于建立的ＳＤＧ模型，自动推理进行ＨＡＺＯＰ，把分析结果以故障症兆、故障原因、传播路径和不利后果以及处理措施以专家知识的形式存在故障知识库中。混合专家知识系统主要由专家系统和ＨＡＺＯＰ分析结果构成。解决故障诊断技术在故障检测与诊断的速度、诊断完备性与准确性、诊断分辨率以及鲁棒性等方面的问题。

【技术实现步骤摘要】

本专利技术涉及石化过程中的故障诊断方法，特别涉及一种基于定性SDG的混合模糊 逻辑和主元分析的故障诊断方法。
技术介绍
石油化工生产过程由于传感器漂移、设备失效、工艺波动或操作错误等原因，导致 生产运行中经常出现异常工况状态，轻则影响产品质量、生产调度计划，重则会出现生产事 故，造成人员伤亡和巨大的经济损失。如何从海量的生产数据中挖掘出有效的信息，及时识别出存在的异常工况，找出 导致异常工况产生的原因，预测该异常工况发展下去可能产生的后果，提出相应的措施，进 行有效的异常工况管理，避免产生严重后果，是确保企业安全运行的重要环节。上述过程的核心技术是对过程的故障诊断。目前可以用于工业系统故障识别和诊 断的方法主要分为两大类，一类是基于模型的方法，另一类是基于历史数据的方法。基于模 型的故障诊断方法又可分为定量模型法和定性模型法。定量模型法需要准确测试过程的动态特性，由于很难获取过程对象的精确定量动 态模型，此方法实用性受到限制，而基于定性数学模型的故障诊断方法得到重视和发展。 基于定性数学模型的故障识别和诊断方法中，图论方法是最有实用价值的一种，其中符号 定向图(SDG，Signed Directed Graph)方法前景十分看好。基于历史数据的故障诊断方法必须依据对过程系统已知的先验知识，此类方法不 能离开历史数据，对新出现的故障没有识别能力。基于历史数据的故障诊断方法又可分为 定量方法和定性方法。定性方法中应用最广的是基于规则的专家系统，又称为浅层知识专 家系统。基于历史数据的故障诊断定量方法又分统计学方法和非统计学方法两大类。两类 方法都是对实时数据的抽样进行特征提取的方法。统计学方法包括主元分析法(PCA)、部分 最小二乘法(PLS)等。基于历史数据的故障诊断定量方法的非统计学方法即常用的神经网 络法。目前，基于半定量的方法得到重视和发展。所谓半定量是结合随机理论、模糊集理 论、加权方法等，在定性故障诊断方法中加入定量信息，使定量方法和定性方法优势互补， 例如模糊SDG方法、SDG-PCA方法、SDG-PLS方法等。对比上述的故障诊断方法，由于定量模型法基于精确数学模型，所以具有比较好 的早期感知能力和分辨率，但是它对噪音和虚假信号的鲁棒性很差，而且复杂系统的精确 模型很难得到，当工艺流程改变时，适应能力也很差。统计分类法和神经网络法易于使用， 对噪音的鲁棒性也较好，然而对于新故障或未知故障的诊断无能为力。以美国和日本相关 研究表明能在石化过程中真正实用的方法大概也莫过于基于规则的专家系统、PCA方法和 SDG方法。由于故障识别与诊断面对的是多变的、复杂的过程系统，目前，尚没有一种方法能普遍适用于各种工业的多种故障诊断的需要。因此将数种实用的方法并行或者相互融合取 长补短是可行的发展方向。针对石化过程的特点，本专利技术以复杂系统的数据处理和故障诊 断为研究目标，提出了适合石化工业的故障监测与诊断的关键算法
技术实现思路
本专利技术为了解决上述技术问题，提供一种石化过程中基于定性SDG的故障混合诊 断方法，通过提出一套基于定性SDG的、融合多种定量故障诊断技术的实用故障诊断方法， 解决故障诊断技术在故障检测与诊断的速度、诊断完备性与准确性、诊断分辨率以及鲁棒 性等方面的问题；结合SDG-HAZ0P技术，对所采用的模型与算法进行静态和动态检验，确保 故障诊断模型与算法的准确性与完备性，并将HAZOP分析结果作为专家知识库，用于在线 故障诊断。所述故障混合诊断方法建立了一个三层的层次诊断模型1)第一层是专家系统模块将所述专家系统模块与生产过程中的实际流程相连接，采集来自生产现场的实时 数据，提取工艺流程的关键节点在故障状态下的特征数据，存入专家知识库。实时监测时， 如果这些节点的状态刚好落进知识库定义好的状态，那就得到结论目前已进入某种故障 状态，原因和后果即可确定。这样异常工况管理系统可直接得到被监测工艺的非正常工况 结论。此时软件系统不用进入后边的推理算法，大幅减少了系统的推理时间。2)第二层是综合诊断模块利用SDG方法进行故障诊断，诊断结果完备性高，但是由于定性推理的多义性导 致分辨率较低。结合PCA、模糊逻辑和主元分析，得到基于SDG的故障诊断的混合算法，进入 混合算法后，首先以PCA方法对实时数据进行监测，当监测到过程发生异常波动时，则利用 各种方法求得偏离点以供SDG进行推理1)利用PCA对实时数据计算，得到各点的残差方 法以求得偏离点；2)实时数据根据SDG模型的动态阈值，求得达到一定偏离的点。随后，运 用SDG算法进行故障推理，得到相容通路，即故障传播路径，先后送入采用模糊逻辑的SDG 推理引擎进行故障诊断，根据各传播路径的相容度和灵敏度信息进行排序，结合混和专家 知识库系统，得到故障的原因、后果以及处理措施等；对于建立的SDG模型，自动推理进行ΗΑΖ0Ρ，采用关键变量“拉偏”，搜索故障传播 路径，把分析结果以故障症兆、故障原因、传播路径和不利后果以及处理措施以专家知识的 形式存在故障知识库中。在实际情形中，以SDG故障诊断的结果中故障路径做为关键词去 知识库中搜索处理方案，可以大大节省运算时间，提高运算速度。这样，以SDG方法为基础，融合多种诊断方法，相互配合补充，发挥各自的优点，形 成了基于SDG的故障诊断混合算法，提高了诊断效率。3)第三层是混合专家知识系统该混合专家知识系统主要由专家系统和HAZOP分析结果构成。在第二层的综合诊断模块中，采集到的现场数据首先送到PCA算法模块，用于诊 断整个装置或单元的工艺状态是否正常，随后先后送入SDG推理引擎进行故障诊断，此时 的SDG节点和通路的阈值采用模糊逻辑算法，将SDG模型中的节点和支路状态模糊化。所述PCA算法模块，包括以下步骤b. 二次分布型隶属函数将阈值考虑为一条曲线，则上限阈值的隶属度函数Pi(X)由式(3)表示，下限阈 值的隶属度函数Pi(X)由式(4)表示，其中，B和A表示原上下限的位置，a.以PCA方法对实时数据进行监测，米集实时数据，建立主元模型；b.计算残差；c.建立 PCA-SDG 模型；d.对于已经赋值的SDG模型进行双向推理，得到故障传播路径。基于模糊逻辑的SDG故障诊断的一般算法a. SDG节点的模糊包括阈值上下限的模糊，采集DCS上现场仪表的高高报、高报、 低报、低低报数据，根据试验得到SDG中各节点的阈值缩放因子，以所述数据为基础，乘以 阈值缩放因子，将报警限的范围放大或缩小一定的倍数，从而得到适用于SDG推理的模糊 阈值；b. SDG节点的模糊还包括实时测量值对阈值的模糊，通过引入隶属度表示，在某一 时刻，获得SDG模型中各节点的实际测量值，并计算得到其相对于模糊阈值的隶属度；c.将系统因果变量间的稳态增益定义为SDG支路的灵敏度，由人工设定。d.从某一发生偏离的节点出发，进行前向推理和反向推理，找出所有相容通路，把 每一条相容通路中各节点的隶属度和各支路的灵敏度分别相乘，得出整条相容通路的相容 度和灵敏度；e.考虑相容通路的节点数目不同的影响，把每条相容通路的相容度根据节点数取 几何平均值，灵敏度根据支路数取几何平均值；f.综合考虑相容通路的相容度和灵敏度大小，进行优先级排队，并自动解释造成 当前报本文档来自技高网...

【技术保护点】
一种石化过程中基于定性ＳＤＧ的故障混合诊断方法，在中控室配置服务器，所述服务器与生产过程中的实际流程通过局域网相连，采集来自生产现场的实时数据，并通过公共网络与客户端相连接，该方法建立了一个三层的层次诊断模型：１）第一层是专家系统模块提取工艺流程的关键节点在故障状态下的特征数据，存入专家知识库；实时监测时，如果关键节点的状态在专家知识库定义好的状态中，则能够得出结论：已经进入某种故障状态，原因和后果即可确定；２）第二层是综合诊断模块结合ＰＣＡ、模糊逻辑和主元分析，得到基于ＳＤＧ的故障诊断的混合算法，进入混合算法后，首先以ＰＣＡ方法对实时数据进行监测，当监测到异常波动时，求出偏离点以供ＳＤＧ进行故障推理；随后，运用ＳＤＧ算法进行故障推理，得到相容通路，即故障传播路径，随后先后送入采用模糊逻辑的ＳＤＧ推理引擎进行故障诊断，结合混和专家知识库系统，得到故障的原因、后果以及处理措施；对于建立的ＳＤＧ模型，自动推理进行ＨＡＺＯＰ，搜索故障传播路径，把分析结果以故障症兆、故障原因、传播路径和不利后果以及处理措施以专家知识的形式存在故障知识库中；３）第三层是混合专家知识系统该混合专家知识系统主要由专家系统和ＨＡＺＯＰ分析结果构成。...

【技术特征摘要】

【专利技术属性】
技术研发人员：牟善军，张卫华，姜春明，王春利，李传坤，姜巍巍，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司青岛安全工程研究院，
类型：发明
国别省市：11[中国|北京]