基于提升小波和溯因推理网络实时故障诊断

刘田田,,,

（辽宁石油化工大学信息与控制工程学院,辽宁 抚顺 113001）

基于提升小波和溯因推理网络实时故障诊断

刘田田,刘晓琴,孙海军,邸超

（辽宁石油化工大学信息与控制工程学院,辽宁 抚顺 113001）

对于复杂故障，溯因推理网络(abductive reasoning network,ARN)与相同结构的神经网络相比，具有优越的诊断准确性和更简单的结构。对于非线性多故障的化工系统故障，采用溯因推理网络对故障进行分类，能有效实现实时故障诊断，提高诊断精度。通过T-E过程（Tennessee-Eastman）仿真，结果表明所提出的方法优于小波神经网络方法。

故障诊断；实时；提升小波；溯因推理网络

0 引言

实时故障诊断与监控在保障工业生产过程的正常运行与产品质量中，有非常重要作用。在化工生产过程中，过程监控方法将过程操作经验、工艺知识、历史故障记录等利用起来，对故障诊断方法的实时性大有裨益。化工生产过程复杂、变量多，是典型的非线性系统，可测过程变量和故障原因之间的关系复杂，单一故障诊断方法都具有一定的局限性。为了提高故障诊断方法的性能，将多个单一故障诊断方法相结合的集合型故障诊断方法成为研究热点，提出多种非实时故障诊断方法集合型方法[2-8]。

1 基于小波和溯因推理方法的故障诊断策略

1.1 提升小波信号处理方案

提升小波由三部分组成:分解(split)、预测(predict)和更新(update)

（1）分解:将输入信号cj分裂成为2个互不相交的子集cj+1和dj+1, cj+1和dj+1的相关性愈强，分裂的效果愈好，通常是将一个序列分为偶数序列和奇数序列,即

（2）预测:利用数据间的相关性，采用一个与数据集无关的预测算子P，可用cj+1去预测dj+1，产生的差值即小波系数d[n]，此差值反映了两者的逼近程度。如果预测是合理的,则差值数据集所包含的信息是原始子集dj+1要少得多。预测过程的表达式为

提升小波方法有：1）选择合适小波基函数，对有噪声信号进行提升小波变换，利用提升方案构造出合适的小波分解和重构滤波器；2）确定合适的处理提升小波系数的阈值。对分解的提升小波系数进行阈值处理，得到估计提升小波系数；3）将经阈值处理过的提升小波系数进行提升小波重构，得到恢复的原始信号估计值。

1.2 溯因推理网络故障分类

溯因推理网络是一个分层网络，由简单低阶多项式构成多层节点函数，用来模拟高度非线性故障诊断问题。溯因推理网络是一个带有前馈函数节点的分层网络，结构如图2所示。参数、数量、类型和函数节点的连接权值源自于训练数据。图2中ARN由七个类型节点构成，三阶多项式分别含有一次、二次、三次多项式，即表示分别含有一个、两个或三个输入。三重节点的代数形式如式（1）。

其中 代表训练参数， 代表输入变量。值得注意的是，二次、三次多项式有交叉，允许节点输入变量之间的相互作用。

流感有时会恶化成重症，甚至威胁生命，因此要尽可能地提前接种疫苗。流感疫苗需要每年接种。6个月以上的儿童和成人均可接种。孕妇在怀孕的第4个月起，可以考虑接种流感疫苗；对于处于流感并发症风险中的孕妇，不管其怀孕处于什么阶段，推荐使用本疫苗。哺乳期妈妈也可以接种。

其它部分的内容如下所示。

正规化子把原始输入变量转换成零均值方差，使用标准差正态化。

输出包括前面的所有输出层的线性权值之和。

单位化指把网络的输出序列转换成与之对应的输出值的均值和方差，用来训练网络。

4）线元素

通过最小预测方差（PSE）模型标准，ARN会自动确定最佳网络结构、节点类型、参数和连接权值。

对于训练数据，PSE表示模型的预测误差平方，FSE表示拟合方差，OP表示过度拟合处罚，C表示由使用者指定的复杂处罚乘数，K表示模型的参数总和或模型复杂性的隐含值，N代表训练数据的数量，是一个先验估计模型的误差方差。PSE最小的网络是最好的网络结构，因为FSE随着模型中每个额外参数K而减少但总是非负，可获得最小值，而OP线性增加参数数量。

根据PSE标准，节省原则的保留有利于提高准确性（低FSE）和减化复杂性（OP小）。每一种类型的多项式按顺序被评估和排序，得到所有合适的输入组合，而单独合成每一层直到最优结构或停止规则(层指定的最大数量)。ARN确定最佳网络结构以减少PSE，这样避免手工干预网络结构。

1.3 溯因推理网络算法

利用提升小波对采样数据进行实时去噪，以提高分类器的分类精度，而后将去噪的数据通过实时算法训练溯因推理网络，输出故障类型，步骤如下。

（1）将原始数据进行提升小波处理；（2）保留提升分解后的低频系数，丢弃噪声分量，实现对原始数据消噪；（3）确定三层溯因推理网络结构，设定参数；（4）输出诊断结果。

2 仿真研究

TE(Tennessee Eastman)过程是一个化工过程的真实模拟，1993年，有由Downs和Benchmark根据伊斯曼化学公司的实际工艺流程作少许修改提出来的。

整个系统各部分之间耦合严重，高度非线性，且开环不稳定。T-E过程共有20种扰动，其中15种扰动是已知扰动。

采集TE过程的1008个数据样本作为故障特征信息输入诊断系统,过程有52个变量，网络的输入节点I=52,系统有21个故障状态类型，网络的输出节点J=21。依据经取验，LW-ARN的C值取1.0，W-BP隐含层节点H=25。

3 结论

本文提出了将提升小波与溯因推理网络相结合的实时故障诊断方法，该方法能对复杂非线性化工过程故障进行实时诊断。TE过程故障诊断的实验结果表明，与小波神经网络算法相比，该方法具有更快的诊断速度和更高的准确率，对处理复杂多故障系统具有较好的适应性。

[1]谷雷，杨青，王大志.基于小波分析与概率神经网络的化工过程故障诊断[J].工业仪表与自动化装置，2008(03)：8-11.

[2]戴一阳，赵劲松，陈丙珍.化工过程混合故障诊断系统的应用[J].化工学报，2010(02):342-246.

[3]陈剑雪.ACO-BP算法在化工过程故障诊断中的应用[J].化工自动化及仪表，2012(07):872-875.

[4]许亮,李秀喜,郭子明,钱宇.化工过程实时故障诊断专家系统的研究与开发[J].计算机工程与应用，2007(08):245-248.

[5]郑小霞，钱锋.模糊神经网络推理的实时故障诊断专家系统[J].计算机工程与应用，2006(03):226-229.

[6]周燕等.基于DeltaV的实时故障诊断系统应用与研究[J].东南大学学报，2006(01):164-167.

国家青年自然科学基金：直流母线上无辅助开关的谐振直流环节软开关逆变器的研究（51207069）.

刘晓琴（1975-），女，辽宁辽阳人，硕士，副教授,研究方向：故障诊断。