動(dòng)態(tài)概率SDG模型及復(fù)雜化工過程故障診斷方法研究.pdf

1、隨著石油化工過程大型化和自動(dòng)化的發(fā)展，故障診斷一直是石化生產(chǎn)過程中的一個(gè)重要課題，在過往十幾年受到了許多學(xué)者和石化企業(yè)的關(guān)注?；诟怕史?hào)定向圖(Probabilistic Signed DirectedGraph，PSDG)的故障診斷方法是一種對(duì)傳統(tǒng)符號(hào)定向圖(SignedDirected Graph，SDG)故障診斷方法的繼承和改進(jìn)，它不僅為復(fù)雜系統(tǒng)提供了潛在的因果關(guān)系表達(dá)和故障傳播路徑解釋，且適應(yīng)性強(qiáng)、完備性好，同時(shí)通過變定向邊的

2、定性關(guān)系為定量概率關(guān)系，進(jìn)一步實(shí)現(xiàn)了對(duì)冗余解和虛假解的區(qū)分。然而，基于PSDG的故障診斷方法存在模型精度不高、靜態(tài)概率值不能反映過程故障的時(shí)效性、正反饋回路內(nèi)故障診斷可靠性不高等問題。針對(duì)以上問題，論文通過分析故障傳播的時(shí)間關(guān)系，提出了一種動(dòng)態(tài)概率SDG(DynamicProbabilistic Signed Directed Graph，DPSDG)模型，并在此基礎(chǔ)上開展了SDG故障建模和基于DPSDG模型的單源、多源故障診斷方法研究

3、。論文的主要研究內(nèi)容如下:
　　(1)針對(duì)現(xiàn)有基于數(shù)據(jù)驅(qū)動(dòng)的SDG建模方法不能解決數(shù)據(jù)采樣時(shí)間不一致和非同步化的問題，提出了一種基于改進(jìn)時(shí)滯分析的SDG建模方法。此方法首先依據(jù)動(dòng)態(tài)時(shí)間規(guī)整（Dynamic TimeWarping,DTW）技術(shù)，平移時(shí)間序列并尋找最優(yōu)錯(cuò)位對(duì)應(yīng)組合，確定變量的相關(guān)性和時(shí)滯時(shí)間。然后基于所確定的時(shí)滯時(shí)間，給出了一套完整的復(fù)雜過程定向因果關(guān)系建模流程，實(shí)現(xiàn)變量的相關(guān)關(guān)系向因果關(guān)系的轉(zhuǎn)換。
　　(2)

4、針對(duì)現(xiàn)有PSDG模型不能反映過程故障傳播時(shí)效性的問題，提出了一種針對(duì)復(fù)雜化工過程的故障解釋模型——?jiǎng)討B(tài)概率SDG(DPSDG)模型。該模型在保證已建SDG模型結(jié)構(gòu)不變的基礎(chǔ)上，引入定向邊條件概率表示故障在節(jié)點(diǎn)中的傳播強(qiáng)度。其中，定向邊的條件概率定義為因節(jié)點(diǎn)狀態(tài)值和故障傳播時(shí)滯時(shí)間兩個(gè)條件下引起果節(jié)點(diǎn)狀態(tài)值的概率，并且采用離線訓(xùn)練和在線選擇兩步進(jìn)行估計(jì)。相比PSDG模型，所建DPSDG模型具有時(shí)效性的優(yōu)點(diǎn)，實(shí)現(xiàn)了故障的統(tǒng)一深層次描述，為之

5、后的單源和多源故障診斷研究打下基礎(chǔ)。
　　(3)針對(duì)現(xiàn)有PSDG故障診斷方法不能隔離正反饋回路內(nèi)部故障的問題，提出了一種基于DPSDG模型的單源故障診斷方法。該方法在推導(dǎo)串聯(lián)連接結(jié)構(gòu)和匯合連接結(jié)構(gòu)的概率計(jì)算公式基礎(chǔ)上，以故障癥狀作為后驗(yàn)條件，提出一種新的后驗(yàn)概率計(jì)算方法求取每個(gè)候選故障原因的后驗(yàn)概率值，并按照概率值大小對(duì)候選故障原因進(jìn)行排序，以概率排序?yàn)橐罁?jù)進(jìn)一步區(qū)分故障源，保證了單源故障診斷的完備性。
　　(4)針對(duì)過程中

6、真實(shí)存在而研究較少的多源故障問題，結(jié)合已有DPSDG模型，提出了一種基于貝葉斯理論的多源故障診斷方法。既然DPSDG模型描述了每條定向邊的傳播概率，就可以利用后驗(yàn)概率值極大化的方法處理多源故障。這種方法以可解釋性準(zhǔn)則和可靠性準(zhǔn)則為基礎(chǔ)，其中，可解釋性準(zhǔn)則要求每個(gè)異常癥狀和故障原因具有可達(dá)關(guān)系，是優(yōu)化的約束條件;可靠性準(zhǔn)則要求異常癥狀條件下故障原因組合具有最大的后驗(yàn)概率，是優(yōu)化的目標(biāo)函數(shù)。最后，采用遺傳算法對(duì)多約束目標(biāo)函數(shù)求解獲得多源故障