淺談化工過程故障診斷的現狀研究

楊 航

（荊楚理工學院，湖北荊門 448000）

淺談化工過程故障診斷的現狀研究

楊 航

（荊楚理工學院，湖北荊門 448000）

當今社會，無論是社會經濟還是科學技術都發展的非常迅速，現代化生產在這樣的一個大環境下，開始朝著大型集中化發展，在生產的過程中其系統的智能化水平也越來越高。但是，近幾年在化工生產過程中發生故障的情況也越來越頻繁，所以在這樣的情況下，分析了化工過程中的一些故障診斷的方法。

化工過程；故障診斷；診斷方法

化工業的生產過程屬于非線性系統，對于其內部的故障原由和可測的過程變量它們之間存在著一種關系，而且這種關系比較復雜，如果利用當個程序來進行診斷的話，其診斷的結果是沒有辦法達到系統可靠性、實時性的要求，所以為了確保故障診斷的準確性，一般是利用多個子系統來共同合作完成的。這些不同的系統誰開發的什么時間開發的用什么語言進行開發的都不知道，所以其知識所呈現出來的表達方式就具有了多樣性。

1 化工過程故障診斷的重要性

當今社會，無論是社會經濟還是科學技術都發展的非常迅速，現代化生產在這樣的一個大環境下，開始朝著大型集中化發展，在生產的過程中其系統的智能化水平也是越來越高。在現代化生產中越來越多的人開始應用計算機技術，這樣就減少了成本的投資，提高其工作效率，以及讓其在市場上的競爭力也增強了，這樣一來，為國家和企業在帶來經濟利益的同時還帶來了社會效益[1]。但是，其系統結構也相對以前來說更復雜，在生產過程中產生的故障也增加，如果在生產的過程中有一處地方發生了問題不能進行工作，那樣就很有可能會發生鏈式反應，這樣一來就會導致其整個過程都會停止工作，使生產效率極大降低，破壞了生態環境，同時也會給國家以及企業帶來不可挽回的巨大損失，而且化工涉及到范圍十分的廣，衣食住行、國名經濟等幾乎均有涉及，這就體現了化工生產過程需要正常運轉的重要性，因為一旦發生問題，其產生的后果太過嚴重。

在這樣的情況下，故障診斷技術應運而生。故障診斷的含義就是說通過測量設備觀測收集到的一些數據、結構知識、過程產生異常情況的征兆以及系統動力學模型和系統故障之間存在的聯系，對生產過程中的系統的工作狀態進行判斷以及分析，以便查清楚故障所產生的位置、時間以及模式，確保整個生產過程可以一直處于一種安全的工作狀態中。

2 化工過程故障診斷的發展現狀

2.1 模糊診斷發展現狀

這種方法是不需要去構建一個非常詳細的數學模型，主要是對模糊規則以及隸屬函數進行運用，然后再去進行模糊推理就可以來完成故障診斷。

對于比較復雜的系統進行診斷的話，首先要做的就是要去對隸屬函數以及模糊規則進行一個正確的建立，但是這個過程是比較困難的，通常需要的時間會非常久。而對于更大的隸屬函數以及模糊規則進行集合的話，很難理清不同規則之間的關系[2]。而且對于系統來說，它通常會具有耦合性以及復雜性，由頻域、時域的特征空間到故障模式空間之間存在的映射關系通常都會有著非常強的一種非線性，而且就隸屬函數而言，此時它的形狀并不是規則的，所以在這樣的情況下，就只能夠使用規范的形狀來進行代替，比如說三角形、直線等一些形狀，但是這樣診斷出來的結果往往就會存在一些誤差。

2.2 神經網絡診斷發展現狀

神經網絡這種診斷方法主要是對人腦里面的神經系統進行模擬，這種診斷方法是比較新型有前景的。在獲取知識這方面，神經網絡知識是不用經過相關工程師進行整理、總結。只需要哪那些由領域專家解決過的一些實例來對神經網絡進行訓練就可以[3]。神經網絡對于知識的獲取相比較專家系統而言，在這方面是比較有優勢的，它不僅可以保證質量還可以提高效率。在對知識進行表示的方式法中，神經網絡運用的隱示表示這樣的一種方法。神經網絡在獲取知識的同時，其產生出來的知識會根據網絡的權值以及結構來進行表示，而且會對其中的一個問題的各方面知識展現在同一個網絡中，表現出來的通用性也比較強，有助于實現知識的并行聯想推理以及對其的自動獲取。

對于神經網絡知識進行推理的這樣一個過程是根據神經元之間產生的一個相互作用來完成的。處于同一層的網絡其推理也是處于并行狀態的，對于不同層之間的推理則就是串行的。因為同一個層里面所具有的神經元的數量遠遠多于層數，所以對于神經網絡的推理來說，如果其是并行的，速度就會比較快[4]。在神經網絡中，對于輸入與學習樣本有一點差離的情況是被允許出現的，只要輸入模式跟某一個樣本它的輸入模式比較接近就可以，這樣產生輸出的模式也就是比較接近的，這樣的特性使得神經網絡有了一定的聯想記憶能力。這種故障診斷的方法在很多領域都開始進行應用了，比如核反應堆、化工設備等一些領域均有應用并且都獲得了不錯的效果。

雖然這種診斷方法在很多領域已經應用并且都獲得不錯的效果，但是其還是存在一些不足的，主要體現在沒有將很多不同領域的專家長期積累形成的很多經驗進行比較充分的應用，知識在其中應用了一些故障診斷很明確的實例，而且在用這種方法進行診斷的術后需要具備充足的學習樣本，這樣才會保證其診斷結果的準確性。

3 化工過程故障診斷的分類及方法

3.1 基于解析模型的故障診斷方法

3.1.1 狀態估計診斷

因為被控對象處于的狀態可以反映出系統所處的一種狀態，通過估計出來的系統狀態、并且要將合適的模型與之結合在一起才能夠對于系統去做一個故障診斷。運用狀態估計這樣的診斷方法首先需要完成的是對被控對象狀態進行重構，通過和可測變量進行對比然后發現殘差序列，然后再根據這些去構造模型并進行檢驗，從而檢測出故障[5]。

3.1.2 一致性檢驗診斷

這種方法是將正常模型與系統實際模型這兩中模型進行檢驗，如果兩者一致的話就不會發生故障，如果不一致，就表示會有故障發生。

3.1.3 參數估計診斷

這種診斷法建立的基礎是輸出及輸入參數模型和過程參數產生的一些聯系，然后根據輸出輸入序列來對模型參數序列進行估計，根據模型參數序列來對過程變化量序列進行確定，最后統計出這些序列的特性來推算故障會不會產生，如果檢測出來的結果是一定會發生故障的話，那么就要對故障進行分析、估計以及決策。

3.2 基于模式識別的故障診斷方法

因為故障診斷的原理主要就是對被診斷運行過程中產生的不同狀態信息與已經存在的指標信息進行一個綜合處理，然后會得到故障狀況以及過程運行狀況的一個綜合評價。那么如果在故障發生之前對可能會產生的一些故障模式進行一定的分類，這樣就把故障診斷問題轉變成了系統現有運行狀態該放置到哪一類上面的問題。這樣就可以將對故障進行診斷專業的工作看成是對模式進行識別及分類的工作[6]。

3.3 基于數學模型的故障診斷方法

這種診斷方法的基礎是比較合理的一些數學模型。它的優點是可以把過程監控系統與過程物理認識有機的結合在一起，當可以運用的數學模型是非常詳細的時候，這種診斷方法還是比較科學有效的。任何一個根據數學模型而衍生出來的診斷方法第一步都是要去建立與故障相關的一個殘差，然后通過對這樣的一個殘差來進行評估分析來完場故障診斷工作，這種診斷方法一般會用在那些信息比較紛繁復雜的系統當中。但是要是在一些大系統中來運用這種診斷方法的話是由一定難度的，主要是因為基于數學模型產生的這種診斷方法它需要一個非常詳細的模型來作為基礎。所以即便是知道了大系統中內部很多的禍合交叉的關系也是很難用這種方法的，因為要想獲得其一個詳細的模型是非常昂貴的。

3.4 基于信號處理的故障診斷方法

3.4.1 kullback信息診斷

運用kullback信息準則來進行故障診斷這種方法可以度量系數的相關變化，不存在在沒有建模性動態特征的時候，把KDI以及閾值來進行比較從而產生比較有效的診斷方法[7]。但是如果未建模性這種動態特性存在的話，那么KDI產生的波動就會特別的大，那么閾值檢測這種方法就是不合適的。

3.4.2 小波變換

運用小波變換去對故障進行診斷的這樣的一個方法其第一步就是要對過程中的輸出輸入信號來完成小波變換，然后根據這樣的一種變換來算出輸出輸入信號的每個奇異點，在這樣的基礎上，去掉因為輸入突變而產生的極值點，那么剩下的極值點相對應的就是在過程中產生的一些故障。這種診斷方法是不需要建立數學模型的，而且對于輸入信號這方面的要求也不高，產生的計算量也很少，而且還可以在線監測，克服各種噪聲的能力也是比較好，靈活性高，是一種比較有發展的一種診斷方法。

3.4.3 子空間特征信號分析

運用對于子空間特征信號進行分析這種故障診斷方法的原理就是運用多元信號分析這樣的方法把過程空間分成過程信號子空間和其補空間。因為故障和過程特征信號這兩者之間存在著一定的內在關系，當故障產生的時候，就會導致過程特征信號在其結構以及幅度上產生一定的變化，從而會在監控模型中將和過程正常工作狀態不同的形顯示出來，這樣就可以實現對過程的一種監控。

4 結語

介紹了多種不同的故障方法，但是任何一種方法都并不是十全十美的，總是會存在著一些不足，所以對化工過程這方面的故障診斷研究依然需要更進一步。現在科學技術在越來越快的發展，在這樣的一個情況下，相關人員應該要利用可用的一切有利條件進行研究和分析，尋找到更多更好的故障診斷方法。

[1] 解慶，楊武，趙小強.基于KPCA與LS-SVM的化工過程故障診斷算法研究[J].工業儀表與自動化裝置，2012，（5）：3-7.

[2] 戴一陽，趙勁松，陳丙珍.化工過程混合故障診斷系統的應用[J].化工學報，2010，（2）：342-346.

[3] 任偉，田文德，杜廷召.改進的PCA方法在化工過程故障診斷中的應用研究[J].化工自動化及儀表，2010，（6）：20-23+28.

[4] 楊佳婧，張勤，朱群雄.動態不確定因果圖在化工過程故障診斷中的應用[J].智能系統學報，2014，（2）：154-160.

[5] 趙小強，錢君秀.基于雙核獨立元分析的化工過程故障診斷算法研究[J].上海交通大學學報，2014，（7）：1004-1008.

[6] 趙小強，楊武，薛永飛.可變窗自適應核主元分析的化工過程故障診斷算法[J].東南大學學報（自然科學版），2013，（S1）：93-97.

[7] 陶少輝，李傳坤.化工過程故障原因診斷的變量異常順序法[J].計算機與應用化學，2012，（2）：178-180.

Study on the Present Situation of Fault Diagnosis of Chemical Process

Yang Hang

In today’s society，both the social economy and the science and technology have developed very rapidly.Modernized production in such a large environment has begun to develop towards large-scale centralization.In the process of production，the intelligent level of its system is more and more The higher the higher.However，in recent years in the chemical production process of the situation also occurred more and more frequent，so in this case，people began to pay more and more attention to the chemical process of some of the fault diagnosis method.

chemical process；fault diagnosis；diagnostic method

TP273

A

1003–6490（2017）03–0161–02

2017–02–22

楊航（1995—），男，湖北監利人，本科在讀，主要研究方向化工。