工业环境之传感器障碍检测自适应方法概述.docVIP

　　工业环境之传感器障碍检测自适应方法概述 第一章绪论 1.1课题研究目的和意义 石油被称为现代工业的血液，对于整个国民经济的发展有着重要的作用[12]，随着经济的快速发展，石油的需求量越来越大。对石油开采过程中的安全性和可靠性要求更高。采油系统是由大量的传感器组成的，这些传感器的性能在很大程度上影响着整个系统的运行状态。一直以来，对传感器的故障检测都是靠人工巡回检查来完成的，依据传统的观察和听声音等简单的手段来判断传感器是否正常。而由于外界环境变化等因素造成传感器故障的情况一般很难检测出来，所以，经常出现各种误报情况。这样，既不能保证故障检测的准确性和检修的及时性，也不能确定是否彻底将故障全部查出。因此，通过对传感器输出的数据进行研究、分析，可以做到对传感器运行状态的监测，对整个油田采油系统的运行状况和采油效率都起到很大的作用。一个传感器输出的数据是反映被测对象在某一时刻某个物理量的数值，实时测量的时间序列数据则可以反映该物理量随时间的变化情况。这些大量的动态数据含有关于系统和被测对象的大量的丰富信息，隐含着许多规律和知识，人们可以利用先进的智能信息处理技术和方法，分析和处理传感器信息，从而更好的做到对系统性能的监测。传感器故障检测做的工作就是要及时的发现故障，避免由于生产系统中的噪声或者其他干扰产生的波动造成误报的情况，如果确定是传感器发生了故障需要确定故障点，并且对故障传感器进行隔离，找到发生故障的传感器[13-14]。 .. 1.2故障检测技术发展现状 现阶段，对传感器的故障检测技术主要是利用微处理器对传感器输出数据进行处理分析，判断出传感器本身的运行状态。在处理信息的过程中主要是对样本特征的提取和残差的构造，由于运行过程中存在外界干扰就会产生残差，在具有残差的情况下再进行传感器的故障检测就会产生误报。为了解决有残差存在的情况下的故障检测，大致可以采取两种办法：一是规定一个合理的数据输出范围，通过判断是否超过这个范围来检测故障；二是利用智能算法来产生残差，得到更准确的残差信号。用第一种方法可以降低故障误报的问题，但同时也会存在故障漏报的情况，例如某传感器正常输出值在 0 到 2 之间周期循环，当传感器输出值全部为 1 时没有超过设定的阈值，实际上却发生了故障，利用第一种检测方法是检测不出来故障的。因此，本文从建立更准确的残差的角度来检测传感器是否发生故障。在现代自动控制系统中，传感器是系统中主要的元器件，传感器输出的数据更是对系统正常运行状况监控的有力依据和标准，其输出的数据直接影响到系统是否能够正常运行，由于传感器的工作环境较为复杂，常常受到高温、高压等外界环境的影响，很容易发生故障，引起输出信号失真，而发生故障后如果仍将传感器的输出作为正常控制指标用于控制整个系统的运行，那么就会影响到系统生产质量的下降和系统运行的不畅通，降低系统的生产效率，严重的可能会导致人员的伤亡和财产的损失。因此，保证传感器的正常运行是确保整个控制系统正常工作的前提和保障。 . 第二章 油田传感器故障隔离方法 2.1 故障隔离方法概述 在油田采油系统中，需要用各种传感器来监视从而控制生产过程中的各个参数，使采油生产处于正常状态或最佳状态。但采油系统中传感器数量庞大且工作环境恶劣，导致传感器故障频发。目前检测与诊断的方法多数是针对传感器自身与其相关的冗余信息建立静态或动态模型，通过已知信息建立的模型输出的改变判断故障。其中，基于故障观测器生成残差，通过残差的处理判断故障的方法，近几年在传感器与执行器的故障隔离中有了较快的发展和广泛的研究[36-37]。该方法首先要针对系统的数学模型来生成残差，而石油化工等复杂工业系统的生产数学模型很难得到，从而制约着现有方法的应用。故障隔离多通过贡献图、故障重构等方法来完成，但当生产数据具有波动震荡性及部分变量的强相关性时会导致采用贡献图、故障重构等方法进行故障隔离会造成误判率增加等问题[38]。故障检测和隔离方法主要是要解决噪声和模型不确定性问题，很多方法致力于在处理这些不确定性时尽可能的减小故障检测和隔离方法的弱点。但是，在有噪声存在时，在检测和隔离过程中想要减小噪声对检测过程的影响存在一个理论限制。为了解决这个问题，本文提出一个利用残差向量的方法来进行故障识别，量化这个限制条件。首先利用一个几何的方法提出本文所要应用的传感器故障检测方法，利用残差空间中的残差向量来进行故障隔离，这个残差空间是由 PCA 模型产生的。最后通过仿真实验验证了该方法的有效性。 2.2 PCA 的基本原理及监控模型 在对工业过程的监控研究过程中，学者们考虑到工业过程规模大、变量多、数据量大、无法确定数学模型等特点，提出了基于信息融合、信号处理、机器学习和多元统计等方法，其中许多检测方法应用在不同的实际生产过程中都取得了良好的效果。