基于数据融和的制氢设备故障诊断和监控系统

成 回 中

(云南省大气探测技术保障中心， 云南 昆明 650034)

0 引 言

氢气是一种易燃、易爆物，因此电解水制氢从制氢到充气的全过程都具有明显的危险性，研究人员在制氢设备的关键部位都采取了不同的安全防范措施，并且在不断提高这些防范措施的可靠性和先进性[1-5]。本系统利用最先进的电子设备和控制理论，把原来制氢系统中的模拟监控仪表更换为稳定可靠的数字监控仪表，将分散的点式监控更换为集成式智能监控，将现场声光报警增强为现场、远程多形式报警，将单个传感器数据检测扩展为多个传感器数据融和分析，对可能出现的超阈值趋势或故障进行诊断和预警。从而进一步确保了制氢设备和工作人员的安全，同时明显减轻了现场工作人员的劳动强度。经2年的实际应用，该系统具有显著地实用性、可靠性和先进性。

1 系统硬件平台

制氢设备故障智能诊断监控系统采用目前最先进的工业控制技术设计的一种由下位机和上位机组成的多功能工业生产控制系统[6-8]。该系统的下位机结合工业级芯片AT91SAM9G45和开源的嵌入式Linux系统进行设计，不仅可以实现工业生产环境中数据的采集、传输与显示，还拥有短信报警、远程视频监控和电力线远程传输等功能;基于PC实现的上位机主要功能是对下位机传输的数据进行存储、智能化处理与图形化显示，同时可对下位机的参数进行设置。在对下位机传输的数据进行智能化处理方面，重点实现了制氢设备故障的多融和智能诊断，使系统不仅能够在单个传感器数据超过上限数值时实时报警，而且能够根据多个传感器数据进行融和处理，实现制氢设备故障智能诊断预警。本系统硬件设计的理念是：先进性；可靠性；可扩展性；性能价格比高。

制氢设备故障智能诊断监控系统硬件结构示意图如图1所示。其中制氢压力传感器检测制氢设备在制氢过程中产生的实时压力，以防止设备过压发生爆炸；充气压力传感器检测给用户器具充气时的压力，以便制氢设备在需要时开始工作，维持储氢罐的压力在正常范围内；槽体温度传感器检测制氢电解槽中的实时温度，以保证制氢电解槽的温度在正常值；泄氢浓度传感器检测制氢、存储氢设备车间中空气所含氢气的浓度，以反映制氢设备是否有泄氢现象；直流电压传感器检测制氢设备的动力电源是否在允许范围内，以保障制氢设备能正常工作。

图1 制氢设备故障智能诊断监控系统硬件结构示意图

本系统根据制氢设备的特殊生产环境，在常规工业控制基础上有以下几个增改部分。

(1) 电力线网络传输技术。在工业制氢现场，因为含有爆炸气体,通常下位机与上位机之间是通过有线网络进行连接的，而不采用无线网络[6-7]。这样，在现场和监控室之间需铺设专用的网线。在一些特殊建筑车间不易后期增铺电缆，而采用电力线网络传输技术，便可利用现有的电网，将网络信号调制成电力信号进行传输，可以实现高达200 Mb/s或500 Mb/s的传输速率，大大减少了铺设网线的成本，而且灵活性更高，便于本系统的推广应用。

(2) GSM/GPRS远程短消息报警技术。本系统选择具有防静电功能的工业级短信猫，要求提供串口RS232标准接口，支持PDU和TXT短信格式，具有中文短信收发、英文短信收发以及无线上网功能。

(3) 远程视频监控技术。视频监控是制氢设备监测终端的新扩展内容，系统通过高清摄像头采集现场图像信息，用户通过手机或者具有浏览器的移动设备连接下位机的网络视频服务程序，就可实时监控制氢工业现场的状况[8]。该设备充分利用摄像机的硬件压缩功能，尽量减少CPU运算时间，保证了图像传输的实时性，是嵌入式设备视频监控的一种可行解决方案。

2 智能诊断监控方法

多数据融和制氢设备故障智能诊断监控系统采用VB作为软件开发环境，数据库采用Microsoft Office Access 2007，以图形化的形式实现对下位机采集数据的实时显示、存储和智能分析处理，并为下位机设置参数[9-11]。本系统软件设计的理念是智能化；人性化；标准化。

本系统图形界面主要包括登录界面、主界面及功能界面三类。登录界面主要是为了设置使用者的权限，目的是让注册用户使用软件。主界面提供了软件的基本功能和重要数据的显示，界面提供各种按钮，按下对应按钮则转向相应的功能界面进行操作。功能界面则实现具体的各种控制功能。

制氢设备故障智能诊断系统的主要数据模型如表1所示。设计数据库时按照这些数据处理的要求进行结构设计和行为设计。

本系统根据制氢设备的特殊生产环境，在对下位机传输的数据进行智能化处理方面，重点实现了制氢设备故障的多融和智能诊断，使系统不仅能够在单个传感器数据超过上限数值时实时声光报警，而且能够根据多个传感器数据进行融和处理，对可能出现的超阈值趋势或故障进行分析，实现制氢设备故障智能诊断并预警。

表1 工业制氢监控系统的主要数据模型

通过对制氢设备实际监测数据的统计分析，我们发现制氢压力pz、充气压力pc、槽体温度tc、泄氢浓度LH和直流电压UW超限报警时的数据并非完全独立的，而是相互影响。比如pz和tc发生明显同步上升时，这意味着制氢电解槽有可能存在某种潜在的故障，这就可以在报警发生前，提示技术人员在适当的时候对制氢电解槽进行一次检修。比如pc和LH具有明显的相关性，LH达到上限值时就会报警，通常pc会有降低现象。如果pc无故明显下降，而LH无任何变化，则需要对泄氢浓度传感器进行一次检查。

如何对这些现象进行有效的分析和处理？显然，一次总的诊断结果应该是对单个诊断信息的融合而做出的决策，对于制氢设备实际获得的是至少2个或2个传感器以上的数据诊断结果，但并不能说它们各自完整、准确地代表了总体的诊断结论，因而还需要对它们进行决策层融合，获得更准确的诊断并预警。从贝叶斯统计学的观点看，各传感器数据的独立诊断信息都可以看作随机变量，这些随机变量并非一定是总体诊断的真值，而只是总体真值的一个随机表现，但都隐含着总体真值的一些信息，是总体真值的局部表现形式[12-15]。因此需要对这些局部诊断信息进行再融合,最终推断出总体诊断信息,给出最佳的制氢设备故障诊断结果。

本系统采用多数据融和方法实现对制氢设备故障智能诊断并预警。

设hi(1≤i≤5)为本系统5个传感器独立诊断所导出的故障基本概率分配函数，此5个传感器独立诊断共同作用下的概率分配函数：

h=h1+h2+…+hm=

(1)

其中：h(K)为K的基本可信度；D表示不同故障之间的测度，D越小，各故障之间的冲突越小，有：

(2)

设对数据表征的现象有m种不同的诊断结论，故障样本库中共有J种故障样本，现象与样本有相似距离为d，m次诊断的率属度矩阵为：

(3)

则基本可信度函数的值可由下式确定：

(4)

基本可信度函数hm(ki)表示“所诊断出的故障是标准故障库中第i个故障”的可信程度。其中:δi为权值，主要由2个的因素确定：① 性能权值因素。对传感器获得的数据所表征的现象与故障结论相对稳定的故障诊断应给以较大的权值。本文经过大量实验分析，对实际制氢环境中的故障现象进行统计，采用故障的平均正确诊断率作为性能权值。② 相关性权值因素。实际制氢环境中各故障特征描述提供的信息是存在相关性的，所以相对独立的故障案例则应给以较大的相关性权值，反之给以较小的权值。比如，5个传感器数据超过上限数值时δi=1，让它们能各自独立报警。

这样，当对多数据融合，有k1,k2⊂Θ，Θ为故障诊断框架，取J个故障库的样本。有：

h(k1)=max{h(ki)},ki⊂Θ,i=1,2，…，J

h(k2)=max{h(ki)},ki⊂Θ,且ki≠k1,

i=1,2，…，J

且：

(5)

其中：h(Θ)表示不确定性；α1、α2为设定的门限，多数据融合制氢设备故障诊断的结果为h(k1)，并在当天数据分析结论中提出基于h(k1)的预警报告。

3 结 语

本系统主要通过下位机对制氢过程中制氢压力、充氢压力、槽体温度、制氢电压、泄氢浓度5个关键指标数据的实时采集，利用上位机实现对数据的智力处理，一旦发现险情，不仅现场声光报警，并且向相关人员发出手机短信，进行手机视频监看，同时启动保护控制系统，停止制氢。本系统还根据制氢设备的特殊生产环境，实现了制氢设备故障的多数据融和诊断，使系统不仅能够在单个传感器数据超过上限数值时实时声光报警，而且能够根据多个传感器数据进行融和处理，对可能出现的超阈值趋势或故障进行分析和诊断，并及时提出预警，防范故障于起势，进一步提升了制氢设备安全保障的可靠性。

[1] 周东华, 李 钢, 李 元. 数据驱动的工业过程故障诊断技术—基于主元分析与偏最小二乘的方法[M]. 北京: 科学出版社, 2011.

[2] Gill S, Stephen B, Galloway S. Wind turbine condition assessment through power curve Copula modeling[J]. IEEE Transactions on Sustainable Energy, 2012, 3(1): 94-101.

[3] Zhang Hao, Li Yanan, Zhu Huiling. Development for protocol conversion gateway of Profibus and Modbus[C]∥2011 International Conference on Advanced in Control Engineering and Information Science, CEIS 2011:767-771.

[4] 程胜勇,刘暾东.基于MODBUS通讯的信号采集卡的设计[J].现代电子技术,2005,211(20):25-31.

CHENG Shengyong, LIU Dundong. Designof Signal Collection Card Based on MODBUS Communication [J]. Modern Electronic Technique, 2005,211(20):25-31.

[5] Li Yanxia, Zhang Moli, Niu Danmei, Zhang Xiaoling. Design and implementation of embedded system based on Modbus TCP/IP[C]∥Advanced Materials Research and Materials Science and Information Technology II. 2012:667-671.

[6] 薛 弼.基于WinCE的ARM9嵌入式一体化工控机的设计、实现与应用[D]. 上海：上海交通大学,2007.

[7] 华智慧.基于ARM的一体化工控机驱动程序的设计与实施[D]. 上海：上海交通大学，2007.

[8] 谭 帅, 王福利, 常玉清, 等. 基于差分分段 PCA 的多模态过程故障监测[J]. 自动化学报, 2010, 36(11): 1626-1635.

Tan Shuai, Wang Fu-Li, Chang Yu-Qing,etal. Fault detection of multi-mode process using segmented PCA based on differential transform[J]. Acta Automatica Sinica, 2010, 36(11): 1626-1635.

[9] Ye Jihua, Huang Liang, Deng Fangqi,etal. Research and implementation of embedded image transmission system based on GSM[C]∥Proceedings of 2012 7th International Conference on Computer Science and Education.CCSE2012:312-315.

[10] Li Jing, Hao Weidong. Research and design of embedded network video monitoring system based on linux. Proceedings - International Conference on Computer Science and Software Engineering[C]∥CSSE 2008:1310-1313.

[11] 成谢锋,马 勇.基于数据融合的三段式心音身份识别技术[J]，仪器仪表学报，2010, 31(8):1712-1720.

Cheng X F, Ma Y. Three-step identity recognition technology using heart sound based on information fusion[J]. Chinese Journal of Scientific Instrument, 2010,31(8):1712-1720.

[12] Piella G. A general framework for multi-resolution image fusion: from pixels to regions [J]. Information Fusion, 2003, 4(4): 259-280.

[13] 成回中.基于改进CBR的天气雷达故障诊断专家系统的研究[J].现代雷达, 2013.35(5):59-62.

cheng huizhong. Weather Radar Fault Diagnosis Expert System Based on Improved Case - based Reasoning[J]. Modern Radar, 2013,35(5):59-62.

[14] cheng huizhong,Cheng xiefeng.A Radar Fault Diagnosis Expert System Based on Lmproved CBR[J]. Desing and Manufacture in Mechanical Engineering, 2013,432(6):189-191.

[15] 成谢锋，姜 炜，刘子山.一种新的人体运动强度检测方法的研究[J].仪器仪表学报，2013, 34(5) :1153-1159.

Cheng Xiefeng, Jiang Wei, Liu Zishan. Study on a new method of human body exercise intensity detection[J]. Chinese Journal of Scientific Instrument, 2013, 34(5) :1153-1159.