PCA理念之混合化工程序故障诊查系统研究.docVIP

　　PCA理念之混合化工程序故障诊查系统研究 1 绪论 1.1故障诊断方法的概述 基于知识的故障诊断方法通常分为基于定性模型的方法和基于症状的方法[4]。其中基于定型模型的方法包括：基于故障树的方法、基于符号有向图的方法、基于定性仿真的方法等；基于症状的故障诊断方法又包括：模糊推理方法、专家系统方法、神经网络的方法、范例推理的方法、支持向量机的方法、灰色推理的方法等。其中，专家系统诊断利用了专家积累的生产过程中的丰富实践经验，能模仿专家进行分析问题和解决问题，近年来在工业上有很广泛的应用；但专家系统的缺陷是，专家知识库不完备，对新故障无能为力。神经网络方法具有记忆功能，能进行自我完善；缺陷是对建模质量要求高，且诊断结果不能自解释。基于故障树的方法的优点是灵活性好、直观性强、通用性好；缺点是建立故障树繁琐、数据收集困难。基于符号有向图的方法的优点是，完备性高、诊断结果信息丰富；缺点是虚假信息太多，容易误导操作人员。 (2)基于解析模型的故障诊断方法 基于解析模型的故障诊断方法，首先重构过程系统的参数和状态，然后与之相对应的可测信息进行比较，从而产生残差，对残差进行分析和处理而实现故障诊断的技术[5]。所产生的残差应该与过程的正常运行状态无关，但一旦有故障发生，就能从残差所反映的信息中检测和识别出故障，即：过程在正常状态时，残差等于零或近似为零；而当过程出现故障时，残差应显著偏离零点[6]。通常情况下，基于解析模型的故障诊断技术分为两个阶段，残差产生(Residual Generation)和残差评价(Residual Evaluation)。由于残差产生有不同的形式，基于解析的过程故障诊断方法可分为参数估计方法、等价空间方法和状态估计方法[7]。其中，状态估计法在有精确数学模型的前提下，对于线性系统诊断精确度非常高；但缺点是对于非线性系统诊断效果不理想。参数估计方法经过改进能够对非线性系统进行故障诊断；但缺点是需要精确数学模型，对模型要求非常高。 (3)基于信号处理模型的方法 基于信号处理的方法，通常直接利用采集而来的数据（包括实时数据和历史数据），完全按照数学的方法进行分析，从而判断过程中是否有故障发生[8]。由于实际生产过程中故障往往会导致过程中信息的变化，例如：温度、流量、液位、压力等，因此可以通过利用信号处理模型的方法直接分析可测信号，提取特征信号，进行故障检测和故障识别，进而完成故障诊断，以达到确保生产过程安全稳定的目的[9]。基于信号处理模型的方法主要包括：小波变换法、主元分析法、分形法等。其中，主元分析法是目前故障诊断技术中的一个重要方法，该方法特别适合对大型的复杂的系统进行故障诊断。主元分析方法具有诊断速度快，不需要复杂建模等优点；但主元分析方法的故障识别能力不强，需要与其它方法结合提高其故障识别能力。 1.1.2 故障诊断方法的研究内容 故障诊断技术[10]是一门研究领域涉及到多门学科的综合性技术，包括数理统计、信息处理、现代控制理论、可靠性理论、模式识别、模糊集理论、人工智能等学科理论。故障诊断属于系统工程[11]范畴，它的研究内容包括故障分析、故障建模、故障检测、故障推断和故障处理六个方面。 (1)故障分析 要进行故障诊断，首先要做的工作是必须对故障与带故障的设备、系统、过程都有深入分析和细致研究。明确可能会产生故障的环节和故障传播途径，了解典型故障的形式、故障的表现方式、典型故障特征以及故障频度或发生概率等，结合系统的工艺流程了解故障产生的机理、故障关联性和故障危害性[12]。 (2)故障建模分析 模型是现代分析技术的一个基本方法，对复杂系统的故障诊断同样具有重要应用价值[13]。为了定量定性地故障诊断，建立故障模型和带故障对象的模型是十分重要的。现代故障诊断技术，特别是下文将提到的各种基于解析冗余的故障检测与诊断技术都离不开准确科学的故障模型。 (3)故障检测 通常而言，故障检测是指，判断并指明系统是否有故障发生，即：针对于某个正在运行的系统或正在进行生产的设备，检测其当前状态是否超出预定或技术规范规定的正常安全工作状态[14]。显然，故障检测是故障诊断的第一要任务。 (4) 故障推断 故障推断是指，通过足够多的传感器（测量设备）得到所有应该得到的、从发生故障之前到当前故障之时全部时间内与系统有关系的信息，对故障位置、故障类型、故障强度和危害程度等进行深入分析和合理推断[15]。故障推断部分是故障诊断技术研究的主体工程。 (5) 故障处理 通常对于具体的系统工程活动而言，分析出故障产生的原因、位置等故障信息后，进一步需要考虑的问题是故障的处理方法[16]。一般来讲，典型的故障处理方法有三类，包括顺应处理、容错处理与故障修复[17]。具体如何选用故障处理方法，与研究对象、故障类型以及危害程度等多方面的因素