基于分層策略與模糊五級SDG的故障定位方法.pdf

1、隨著科學技術(shù)的不斷進步，化工過程的復(fù)雜性不斷提升，向著大規(guī)模、自動化的趨勢發(fā)展。化工生產(chǎn)的原料易燃易爆，生產(chǎn)環(huán)境一般處于極端條件，因此故障會造成很大的危害。如何快速高效地推理并確定故障源已經(jīng)成為了化工安全領(lǐng)域的研究熱點。符號有向圖(SDG)由于具有良好的信息完備性，不需要精確的數(shù)學模型即可快速地描繪出故障的傳播過程，以及反映不同工作狀態(tài)下變量間的相互作用關(guān)系等優(yōu)點，被廣泛應(yīng)用于工業(yè)的故障診斷與故障定位。
　　傳統(tǒng)SDG包含的定性信

2、息無法描述故障的嚴重程度，在進行復(fù)雜系統(tǒng)推理時需要大量時間，對于多個候選故障源無法進一步分辨?，F(xiàn)有的SDG診斷方法大多從某一角度對傳統(tǒng)SDG進行改進，會導(dǎo)致一些問題的出現(xiàn)，如對SDG模型進行信息擴充后，系統(tǒng)的診斷效率降低;忽略了故障動態(tài)信息，無法精確的定位故障源等。為了解決這些問題，本文提出了一種綜合故障診斷方法，從模型、結(jié)構(gòu)、推理三個方面對SDG模型進行了改進。
　　傳統(tǒng)SDG模型中，模型定量信息不足，故障的分辨率較差。變量節(jié)點

3、只有三種狀態(tài)，包含的故障信息較少。節(jié)點狀態(tài)是根據(jù)閾值建立的，而閾值的設(shè)定是判斷系統(tǒng)是否故障的重要標準。傳統(tǒng)SDG模型的建立依托了單一閾值的設(shè)定，節(jié)點只描述了故障是否發(fā)生，并沒有反映出故障的嚴重程度。同時由于測量過程中噪聲的存在，清晰值無法準確的描述故障信息，這就需要用更為完備的方法來描述系統(tǒng)變量。為了彌補SDG模型分辨率低及定量信息不足的缺點，本文將三級狀態(tài)擴展為五級狀態(tài)，同時引入了模糊集合理論，得到了一種模糊五級SDG模型。
　

4、　擴充模型信息會增大系統(tǒng)結(jié)構(gòu)的復(fù)雜性，提高了搜索的難度。將SDG模型按照分層策略進行層次化處理，能夠簡化模型的結(jié)構(gòu)。另外，分層后的SDG模型中，故障只能由高層向低層傳播，從而能夠快速得到候選故障源，減少了搜索空間。
　　故障的搜索通常采用回溯搜索，但由于診斷信息不足，無法進一步搜索故障源。本文從推理角度引入了故障定位算法，通過公共點的設(shè)定，將故障源定位問題轉(zhuǎn)化為相容通路優(yōu)先級的排序問題，同時引入了故障放大倍數(shù)、故障支持度和故障速度