基于符号有向图与趋势分析的故障诊断框架.pdfVIP

6 ComputerEngineeringandApplications计算机工程与应用 基于符号有向图与趋势分析的故障诊断框架 高 东，许 欣，马 昕，张贝克 GAODong，XU Xin，M A Xin，ZHANG Beike 北京化工大学 信息科学与技术学院 自动化系，北京 100029 DepartmartofAutomation，CollegeofInformationScienceandTechnology,BeijingUniversityofChemicalTechnology, Beijing100029，China GAO Dong，XUKin，M AXin，eta1．Signeddirectedgraphandtrendanalysisbasedfram eworkforfaultdiagnosis． ComputerEngineeringandApplications，2014，S0(13)：6-9． Abstract：FortheproblemsoftherealfaultsbeingmissedandpoordiagnosisresolutioninSignedDirectedGraph(SDG) basedfaultdiagnosis，aSDG andqualitativetrendanalysisbasedframeworkhasbeenproposed．Whenfaultsoccur,the qualitativetrendsareextractedtorepresentthestatesofvariables．Andtheninverseinferenceiscarriedouttofindallthe possiblefaultsusingconsistencerules，whicharebasingonqualitativertends．Thediagnosisresolutioncanbeimproved byrankingtheresultsaccordingtoConfidenceIndex(C．I．)．Thecasestudyprovesthatthediagnosisresolutionisimproved anddiagnosiscompletenessissatisfiedusingtheframework．Itcanbeappliedinfaultdiagnosisinchemicalprocess． Keywords：SignedDirectedGraph(SDG)；qualitativetrendanalysis；faultdiagnosis 摘 要 ：针对传统基于符号有向图(SDG)的故障诊断方法可能遗漏真正故障以及分辨率不高的问题 ，提 出了一种 SDG与定性趋势分析相结合的故障诊断框架。故障发生后，通过提取变量的定性趋势来获取变量的状态，并根据基 于定性趋势的相容规则进行反向推理，找到所有可能的故障。对诊断结果按照可信度系数 (ConfidenceIndex，C．I．) 进行排序，提高诊断的分辨率。案例研究表明该框架能够保证诊断结果完备性并有效地提高诊断分辨率，可以应用 到实际化工过程故障诊断中。 关键词：符号有向图；定性趋势分析；故障诊断 文献标志码：A 中图分类号：TP391．9 doi：10．3778j／．issn．1002．8331．1311-0042 1 引言 近年来 ，对于SDG故障诊断方法主要的研究内容 随着科学技术地不断进步 ，尤其是计算机技术地快 包括：如何改进传统SDG的模型，使其能够表达更多的 速发展 ，现代的化工厂 日益大型化 、自动化，随之而来的 定量信息，为诊断提供更多的信息 “，多故障诊断的研 是系统的复杂性、耦合性、不确定性增加，一旦发生故障 究 ，针对控制系统的故障诊断研究 。”，与其他方法相 或者事故，可能会造成非常大的财产损失与人员伤亡， 结合，克服SDG方法不足的研究等 。 这给化工过程故障诊断带来了挑战，提出了更高的要 然而，上述方法中绝大部分采用的SDG模型都是3 求。基于SDG的故障诊断方法由于不需要建立系统对 级(“+”、“一”、“0”)方式来代表节点变量的状态，设置上 象的定量模型，能够揭示故障的传播路径等优点，近些