多元统计方式视角下田纳西化工程序故障诊断.docVIP

　　多元统计方式视角下田纳西化工程序故障诊断 第1章绪论 1.1课题研究背景及意义 故障检测和故障识别是故障诊断非常关键的两个部分。故障检测的目标就是通过识别工业过程中的异常行为来确保生产工艺能成功的按计划运行，而故障识别目标就是要尽可能的正确识别故障起因，使得操作员能迅速准确地处理和排除故障。考虑到化工、冶金、炼油等流程工业的生产环境往往处于高温高压或其他极端环境，若人为操作不当而疏于监测故障或对故障不得已及时排除，必将造成严重的后果。工业统计显示，70%的工厂事故是由此类人为因素造成的。化工厂里严重的大型事故发生频率比较低，但是小规模的故障却经常发生，危害到人员的生命和健康，也造成了巨额的经济损失。据估计，1995年由于此类原因产生的损失，仅在石化工业就达200亿美元; 2003年，江苏扬农化工集团销基氯苯装置发生爆炸，造成1人死亡，多人受伤；2009年，山西省某煤矿发生一起瓦斯爆炸事故，造成78人遇难。由此可见，现代生产系统运行中的安全性和可靠性已成为我们必须解决的刻不容缓的问题。因此故障诊断技术在生产过程中发挥着越来越重要的作用。对于复杂的化工过程来说，准确详细的数学模型往往很难得到。即使能够得到，这些理论上的等式也只能描述系统中一部分的能量及物料的平衡关系，这限制了基于模型的过程监控方法的应用。随着数据采集能力的提高和集散系统的广泛应用，计算机监控系统记录和存储了大量的生产过程数据和产品质量数据。这些数据隐含了大量的信息，但由于数据空间维数高，变量相关性严重，以及工业生产中广泛存在的扰动等因素，要从观测的数据中直接对过程运行情况的评估，已经超过了操作员或工程师的能力范围，因此造成一种数据丰富，信息匾乏的现象。如何从海量数据中挖掘出有用资源，去掉大量冗余信息，并指导生产实践，是学术界和工业界亟需解决的问题。数据驱动技术是建立在严格的统计研究基础上的，这些统计方法能够把最重要的信息捕获到较低维的空间上，这样可以大大简化和改进过程监控程序，因此，数据驱动技术非常适合用于工业的过程监控。综上，为了确保安全生产运行，提高产量和质量，应让计算机技术和故障诊断技术相结合，开发相应故障诊断系统，使过程运行状况满足给定的性能指标需要对过程的一场状况或故障进行检测和识别。因此，故障诊断成为当今科研人员一个迫切而且必要的研究课题，有着深刻的理论价值和不容忽视的重要性。 1.2故障诊断概述 1.2.1故障诊断的概念 故障诊断是指对既定的生产过程，通过一定的检测策略和方法对诊断对象进行检测，获取诊断对象的故障模式，利用各种分析工具及诊断手段，对系统的特征信号和生产过程的历史信息进行综合分析，判断系统工作状态是否发生故障及故障的程度，并根据系统故障与故障征兆之间的因果关系分析故障原因的全过程[3]。故障诊断技术是一门综合性技术，其研究涉及多门学科，如现代控制理论、可靠性理论、数理统计、模糊集理论、信息处理、模式识别、人工智能等[4]。近年来这些学科的不断发展使故障诊断技术逐渐完善。故障检测和诊断技术是过程监控的核心技术，而所谓的故障就是系统至少有一个参数出现了偏差，使其不能回到原来的运行标准，超出了可接受的范围。当故障发生时，运行状况恶化，系统的性能明显低于正常的水平，而无法完成生产指标，同时可能造成人身伤害。整个故障诊断系统构成了一个闭环控制控制回路，包括故障检测、故障识别、故障诊断和过程恢复[6]，如图1.1所示。 1.2.2故障诊断的基本方法 控制系统故障诊断技术从发展至今已经出现大量的故障诊断算法，也取得了一定研究成果。但总的来说，控制系统故障诊断技术的应用水平还不太高。原因是由于大多数的故障诊断算法都是建立在一定的理想假设情况下：比如故障诊断算法中可能假设系统是线性的、系统没有外部干扰、模型参数是不变的等等。但这些假设在实际中很难满足，所以当这些故障诊断算法应用于实际时就会经常发生故障误报或漏报的现象，很难有实用价值。另外，还有一些算法由于运算量过大，做不到实时的故障检测，所以也不能应用于工程实际。目前，控制系统故障诊断的研究工作还有很多问题有待解决：进一步发展和完善故障诊断理论，成功地将理论成果应用于实践，提高故障诊断机构故障检测和分离的可靠性，缩短检测延时时间和避免误检，提高算法的鲁棒性等[7]。目前，故障诊断方法可以分为基于知识的方法、基于解析模型的方法和基于数据驱动的方法三大类[8]。 第2章田纳西一伊斯曼过程 2.1 TE工艺流程简介 田纳西-伊斯曼过程（Tennessee Eastman)是由J.J.Doark)过程，这个案例很适合于研究过程控制技术。尽管这个案例提出时已经修改了其中的构成、过程和操作条件以保护这个过程的所有权，但这并不影响到它的性能和价值。大量文献引用它作为数据源，来进行控制、优化、过程监控、故障诊断等的