浅谈化工过程故障诊断的现状研究

杨 航

（荆楚理工学院，湖北荆门 448000）

浅谈化工过程故障诊断的现状研究

杨 航

（荆楚理工学院，湖北荆门 448000）

当今社会，无论是社会经济还是科学技术都发展的非常迅速，现代化生产在这样的一个大环境下，开始朝着大型集中化发展，在生产的过程中其系统的智能化水平也越来越高。但是，近几年在化工生产过程中发生故障的情况也越来越频繁，所以在这样的情况下，分析了化工过程中的一些故障诊断的方法。

化工过程；故障诊断；诊断方法

化工业的生产过程属于非线性系统，对于其内部的故障原由和可测的过程变量它们之间存在着一种关系，而且这种关系比较复杂，如果利用当个程序来进行诊断的话，其诊断的结果是没有办法达到系统可靠性、实时性的要求，所以为了确保故障诊断的准确性，一般是利用多个子系统来共同合作完成的。这些不同的系统谁开发的什么时间开发的用什么语言进行开发的都不知道，所以其知识所呈现出来的表达方式就具有了多样性。

1 化工过程故障诊断的重要性

当今社会，无论是社会经济还是科学技术都发展的非常迅速，现代化生产在这样的一个大环境下，开始朝着大型集中化发展，在生产的过程中其系统的智能化水平也是越来越高。在现代化生产中越来越多的人开始应用计算机技术，这样就减少了成本的投资，提高其工作效率，以及让其在市场上的竞争力也增强了，这样一来，为国家和企业在带来经济利益的同时还带来了社会效益[1]。但是，其系统结构也相对以前来说更复杂，在生产过程中产生的故障也增加，如果在生产的过程中有一处地方发生了问题不能进行工作，那样就很有可能会发生链式反应，这样一来就会导致其整个过程都会停止工作，使生产效率极大降低，破坏了生态环境，同时也会给国家以及企业带来不可挽回的巨大损失，而且化工涉及到范围十分的广，衣食住行、国名经济等几乎均有涉及，这就体现了化工生产过程需要正常运转的重要性，因为一旦发生问题，其产生的后果太过严重。

在这样的情况下，故障诊断技术应运而生。故障诊断的含义就是说通过测量设备观测收集到的一些数据、结构知识、过程产生异常情况的征兆以及系统动力学模型和系统故障之间存在的联系，对生产过程中的系统的工作状态进行判断以及分析，以便查清楚故障所产生的位置、时间以及模式，确保整个生产过程可以一直处于一种安全的工作状态中。

2 化工过程故障诊断的发展现状

2.1 模糊诊断发展现状

这种方法是不需要去构建一个非常详细的数学模型，主要是对模糊规则以及隶属函数进行运用，然后再去进行模糊推理就可以来完成故障诊断。

对于比较复杂的系统进行诊断的话，首先要做的就是要去对隶属函数以及模糊规则进行一个正确的建立，但是这个过程是比较困难的，通常需要的时间会非常久。而对于更大的隶属函数以及模糊规则进行集合的话，很难理清不同规则之间的关系[2]。而且对于系统来说，它通常会具有耦合性以及复杂性，由频域、时域的特征空间到故障模式空间之间存在的映射关系通常都会有着非常强的一种非线性，而且就隶属函数而言，此时它的形状并不是规则的，所以在这样的情况下，就只能够使用规范的形状来进行代替，比如说三角形、直线等一些形状，但是这样诊断出来的结果往往就会存在一些误差。

2.2 神经网络诊断发展现状

神经网络这种诊断方法主要是对人脑里面的神经系统进行模拟，这种诊断方法是比较新型有前景的。在获取知识这方面，神经网络知识是不用经过相关工程师进行整理、总结。只需要哪那些由领域专家解决过的一些实例来对神经网络进行训练就可以[3]。神经网络对于知识的获取相比较专家系统而言，在这方面是比较有优势的，它不仅可以保证质量还可以提高效率。在对知识进行表示的方式法中，神经网络运用的隐示表示这样的一种方法。神经网络在获取知识的同时，其产生出来的知识会根据网络的权值以及结构来进行表示，而且会对其中的一个问题的各方面知识展现在同一个网络中，表现出来的通用性也比较强，有助于实现知识的并行联想推理以及对其的自动获取。

对于神经网络知识进行推理的这样一个过程是根据神经元之间产生的一个相互作用来完成的。处于同一层的网络其推理也是处于并行状态的，对于不同层之间的推理则就是串行的。因为同一个层里面所具有的神经元的数量远远多于层数，所以对于神经网络的推理来说，如果其是并行的，速度就会比较快[4]。在神经网络中，对于输入与学习样本有一点差离的情况是被允许出现的，只要输入模式跟某一个样本它的输入模式比较接近就可以，这样产生输出的模式也就是比较接近的，这样的特性使得神经网络有了一定的联想记忆能力。这种故障诊断的方法在很多领域都开始进行应用了，比如核反应堆、化工设备等一些领域均有应用并且都获得了不错的效果。

虽然这种诊断方法在很多领域已经应用并且都获得不错的效果，但是其还是存在一些不足的，主要体现在没有将很多不同领域的专家长期积累形成的很多经验进行比较充分的应用，知识在其中应用了一些故障诊断很明确的实例，而且在用这种方法进行诊断的术后需要具备充足的学习样本，这样才会保证其诊断结果的准确性。

3 化工过程故障诊断的分类及方法

3.1 基于解析模型的故障诊断方法

3.1.1 状态估计诊断

因为被控对象处于的状态可以反映出系统所处的一种状态，通过估计出来的系统状态、并且要将合适的模型与之结合在一起才能够对于系统去做一个故障诊断。运用状态估计这样的诊断方法首先需要完成的是对被控对象状态进行重构，通过和可测变量进行对比然后发现残差序列，然后再根据这些去构造模型并进行检验，从而检测出故障[5]。

3.1.2 一致性检验诊断

这种方法是将正常模型与系统实际模型这两中模型进行检验，如果两者一致的话就不会发生故障，如果不一致，就表示会有故障发生。

3.1.3 参数估计诊断

这种诊断法建立的基础是输出及输入参数模型和过程参数产生的一些联系，然后根据输出输入序列来对模型参数序列进行估计，根据模型参数序列来对过程变化量序列进行确定，最后统计出这些序列的特性来推算故障会不会产生，如果检测出来的结果是一定会发生故障的话，那么就要对故障进行分析、估计以及决策。

3.2 基于模式识别的故障诊断方法

因为故障诊断的原理主要就是对被诊断运行过程中产生的不同状态信息与已经存在的指标信息进行一个综合处理，然后会得到故障状况以及过程运行状况的一个综合评价。那么如果在故障发生之前对可能会产生的一些故障模式进行一定的分类，这样就把故障诊断问题转变成了系统现有运行状态该放置到哪一类上面的问题。这样就可以将对故障进行诊断专业的工作看成是对模式进行识别及分类的工作[6]。

3.3 基于数学模型的故障诊断方法

这种诊断方法的基础是比较合理的一些数学模型。它的优点是可以把过程监控系统与过程物理认识有机的结合在一起，当可以运用的数学模型是非常详细的时候，这种诊断方法还是比较科学有效的。任何一个根据数学模型而衍生出来的诊断方法第一步都是要去建立与故障相关的一个残差，然后通过对这样的一个残差来进行评估分析来完场故障诊断工作，这种诊断方法一般会用在那些信息比较纷繁复杂的系统当中。但是要是在一些大系统中来运用这种诊断方法的话是由一定难度的，主要是因为基于数学模型产生的这种诊断方法它需要一个非常详细的模型来作为基础。所以即便是知道了大系统中内部很多的祸合交叉的关系也是很难用这种方法的，因为要想获得其一个详细的模型是非常昂贵的。

3.4 基于信号处理的故障诊断方法

3.4.1 kullback信息诊断

运用kullback信息准则来进行故障诊断这种方法可以度量系数的相关变化，不存在在没有建模性动态特征的时候，把KDI以及阈值来进行比较从而产生比较有效的诊断方法[7]。但是如果未建模性这种动态特性存在的话，那么KDI产生的波动就会特别的大，那么阈值检测这种方法就是不合适的。

3.4.2 小波变换

运用小波变换去对故障进行诊断的这样的一个方法其第一步就是要对过程中的输出输入信号来完成小波变换，然后根据这样的一种变换来算出输出输入信号的每个奇异点，在这样的基础上，去掉因为输入突变而产生的极值点，那么剩下的极值点相对应的就是在过程中产生的一些故障。这种诊断方法是不需要建立数学模型的，而且对于输入信号这方面的要求也不高，产生的计算量也很少，而且还可以在线监测，克服各种噪声的能力也是比较好，灵活性高，是一种比较有发展的一种诊断方法。

3.4.3 子空间特征信号分析

运用对于子空间特征信号进行分析这种故障诊断方法的原理就是运用多元信号分析这样的方法把过程空间分成过程信号子空间和其补空间。因为故障和过程特征信号这两者之间存在着一定的内在关系，当故障产生的时候，就会导致过程特征信号在其结构以及幅度上产生一定的变化，从而会在监控模型中将和过程正常工作状态不同的形显示出来，这样就可以实现对过程的一种监控。

4 结语

介绍了多种不同的故障方法，但是任何一种方法都并不是十全十美的，总是会存在着一些不足，所以对化工过程这方面的故障诊断研究依然需要更进一步。现在科学技术在越来越快的发展，在这样的一个情况下，相关人员应该要利用可用的一切有利条件进行研究和分析，寻找到更多更好的故障诊断方法。

[1] 解庆，杨武，赵小强.基于KPCA与LS-SVM的化工过程故障诊断算法研究[J].工业仪表与自动化装置，2012，（5）：3-7.

[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，（2）：342-346.

[3] 任伟，田文德，杜廷召.改进的PCA方法在化工过程故障诊断中的应用研究[J].化工自动化及仪表，2010，（6）：20-23+28.

[4] 杨佳婧，张勤，朱群雄.动态不确定因果图在化工过程故障诊断中的应用[J].智能系统学报，2014，（2）：154-160.

[5] 赵小强，钱君秀.基于双核独立元分析的化工过程故障诊断算法研究[J].上海交通大学学报，2014，（7）：1004-1008.

[6] 赵小强，杨武，薛永飞.可变窗自适应核主元分析的化工过程故障诊断算法[J].东南大学学报（自然科学版），2013，（S1）：93-97.

[7] 陶少辉，李传坤.化工过程故障原因诊断的变量异常顺序法[J].计算机与应用化学，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

杨航（1995—），男，湖北监利人，本科在读，主要研究方向化工。