（控制理论与控制工程专业论文）基于多变量统计技术的味精发酵过程故障诊断方法的研究.pdf

东北大学硕士论文 摘要 基于多变量统计技术的味精发酵过程故障诊断方法的研究 摘要 本文是以“沈阳味精厂味精发酵过程优化控制系统”为背景而展开的研究工 作，着重于味精发酵过程的建模与故障诊断的研究。首先，本文介绍了故障诊断 技术的基本原理和方法分类，比较详细概述了基于多元统计分析方法的故障诊断 技术的应用现状和数学工具；此外，讨论了味精发酵过程的机理，结合沈阳味精 厂的实际情况，选择了基于模糊规则和发酵机理相结合的模型结构进行了建模与 仿真研究，并应用数理统计方法进行了检验，从而说明了本文提出的味精发酵模 型预测值与实际值相一致；最后，本文着重研究了基于主元分析方法的味精发酵 过程故障诊断，应用文中建立的味精发酵模型的在线仿真实例表明，基于多变量 统计方法的故障诊断技术可以有效的监控味精发酵过程。因此，本文提出的基于 多变量统计技术的味精发酵过程故障诊断方法对于进一步研究生物发酵过程的优 化控制具有重要的意义。 关键词：味精发酵过程，故障诊断，多变量统计技术，过程建模 。 东北大学硕士论文 r e s e a r c ho nf a u l td i a g n o s i sm e t h o do fg o u r m e tf e r m e n t a t i o n b a s e do nm u l t i v a r i a t es t a t i s t i c a lt e c h n o l o g y a b s t r a c t t h er e s e a r c ho ft h i sp a p e ri sb a s e do i l t h eo p t i m a lc o n t r o ls y s t e mo fg o u r m e t f e r m e n t a t i o ni ns h e ny a n gg o u r m e tp o w d e rp l a n t a n df o c u s e so nt h em o d e l i n ga n d f a u l td i a g n o s i so ft h eg o u r m e tf e r m e n t a t i o n f i r s t l y , t h ep a p e rd e s c r i b e st h eb a s i c p r i n c i p l ea n dm e a s u r ec l a s s i f yo ff a u l td i a g n o s i s ，p a r t i c u l a r l ys u m m a r i z e st h ea p p l ys t a t e a n dm a t ht o o lo fr e s e a r c ho nf a u l td i a g n o s i sb a s e do nm u l t i v a r i a t es t a t i s t i c a lp r o c e s s t e c h n o l o g y s e c o n d l y , t h ep a p e rd e s c r i b e st h et h e o r i e sa n df e a t u r e so ff e r m e n t a t i o n p r o c e s s ，a c c o r d i n gt ot h ep r a c t i c a ls i t u a t i o no fs h e ny a n gg o u r m e tp o w d e rp l a n t ， d i s c u s s e st h ef a c t o r sa f f e c t i n gt h ep r o d u c t i o na n ds e l e c t st h em o d e ls t r u c t u r eb a s e do n f u z z yr u l e sa n df e r m e n t a t i o nt h e o r yt h e nd e s c r i b e st h es i m u l a t i o no ft h em o d e l t h e m o d e ls t r u c t u r e sp r o v et ob er e a s o n a b l eb ys t a t i s t i cm e t h o d ，s op r o g n o s t i c a t ev a l u e so f t h em o d e l sa r ec o n s i s t e n tw i t hr e a lv a l u e s a tl a s t ，t h ep a p e rr e s e a r c h e si nd e t a i l f a u l t d i a g n o s i so fg o u r m e tf e r m e n t a t i o nb a s e do nm u l t i v a r i a t es t a t i s t i c a lt e c h n o l o g y , t h e o n l i n ea p p l i c a t i o no fm o d e l so fg o u r m e tf e r m e n t a t i o nm a k ei tc l e a rt h a tf a u l td i a g n o s i s b a s e do nm u l t i v a r i a t es t a t i s t i c a lt e c h n o l o g ym a ys u p e r v i s e g o u r m e tf e r m e n t a t i o n p r o c e s si ne f f e c t h e n c er e s e a r c ho nf a u l td i a g n o s i so fg o u r m e tf e r m e n t a t i o nb a s e do n m u l t i v a r i a t es t a t i s t i c a lt e c h n o l o g yi si m p o r t a n tf o rt h ef u r t h e rr e s e a r c ho nf e r m e n t a t i o n p r o c e s so p t i m a lc o n t r 0 1 k e y w o r d s ：g o u r m e tf e r m e n t a t i o np r o c e s s ，f a u l td i a g n o s i s ，m u l t i v a r i a t es t a t i s t i c a l t e c h n o l o g y , p r o c e s sm o d e l i n g i i i 东北大学硕士论文 第一章绪论 1 1 引言 第一章绪论 现代科学技术日新月异，现代过程工业也逐渐向大型化、复杂化、连续化和 自动化方向发展。随之人们对过程工业提出了优质高产、低耗、低污染的更高要 求，同时对安全生产也提出更严格的要求。在实际工厂中，工人很难由采集到的 大量数据中了解到系统运行的确切状态，在故障发生的前期不能及时知道，并采 取相应的措施，避免故障的发生。在诸如石油炼制、化工、电力、钢铁、冶金等 行业的连续生产过程中，它们的生产过程往往处于高温、高压等极端恶劣的条件 下，因疏忽检测或其他不可抗拒的自然因素会导致生产过程产生异常，从而导致 生产中断甚至爆炸、泄露毒气等危险事故的发生。一旦出现生产故障不仅会给工 厂带来不小的经济损失，而且严重威胁着人身安全。 近几十年来，随着过程控制技术的迅速发展，现代工厂的自动化集成度有了 大幅的提高，利用集散控制系统以及先进控制技术，过去许多靠操作工实现的常 规控制过程现在都可以在工业计算机的控制下自动进行，但是，一旦工厂中发生 异常事件，控制系统只能发出警报信号，作出相应的处理目前大部分依然是操作 工的职责，然而，因为现代工厂异常事件种类繁多、过程的规模庞大而复杂、信 息量巨大等各种原因，操作工往往难以在故障发生时迅速作出准确的判断。据估 计，仅在石化工业由于此类因素产生的损失在1 9 9 5 年就达2 0 0 亿美元 ”。国内外 许多资料表明，开展生产过程的监控与故障诊断技术的经济效应是明显的。因此 生产过程的故障检测与诊断问题引起了越来越多的关注，已经成为国际自动控制 届的热点研究方向之一【2 】。通过监测生产过程的运行状态，不断检测过程的变化和 故障信息，故障产生后，迅速定位故障源，采取措施隔离并消除故障，可以防止 灾难性事故的发生，减少产品质量的波动，同时提高了产品的市场竞争力。 1 2 故障诊断的基本概念与原理 所谓故障，是指系统中至少有一个重要变量或特性出现了较大的偏差，偏离 了正常范围3 1 。从广义上来看，故障可以理解为系统的任何异常现象，使系统表现 出所不期望的特性钔。出现故障时系统的性能明显低于正常水平，难以完成其预期 的功能。所谓故障诊断，是指由计算机利用系统解析冗余，完成工况分析，对生 产是否正常、什么原因引起故障、故障的程度有多大等问题进行分析、判断，得 1 东北大学硕士论文 第一辛绪论 出结论的过程 5 西 。它是在一定的检测策略的指导下实施对被诊断系统的自动检测。 通过检测获取诊断对象的故障模式，提取故障特征，在此基础上，根据预定的推 理原则，对故障信息做出综合评价，并向系统的操纵者或控制者提示所要采取的 措施。利用解析冗余的故障诊断技术是2 0 世纪7 0 年代初，首先在美国发展起来的。 解析冗余代替了硬件冗余，并通过系统的自组织使得系统闭环稳定，通过比较观 测器的输出而得到系统的故障信息。故障诊断的过程实际上就是寻找故障原因的 过程，包括状态检测、故障原因分析及劣化趋势预测等内容，它为确诊故障点、 及早采取维修、防护等补救措施提供了科学的决策依据口】。 故障诊断技术是门综合性的技术，它的开发涉及到多门学科，如现代控制 理论、可靠性设计、数理统计、模糊集理论、信号处理、模式识别和人工智能等。 化工过程故障诊断的任务，由低级到高级，可以分为如下四个方面的内容： 图1 1 故障诊断过程示意图 f i g 1 1t h es k e t c hm a po f f a u l td i a g n o s i sp r o c e s s 故障检测：当所关心的系统输出偏离了预期的目标范围，或者影响系统输出 的过程参数，过程状态或者特征量发生变化并超出预定的范围时，诊断系统应能 及时检测出来。但通常任何故障检测系统都不可能完全正确地检测出控制系统的 各种故障，因此提高故障的正确检测率，降低故障的漏报率和误报率一直是故障 检测领域的前沿课题。 故障分离：从所检测到的特征信号中提取征兆，即信号处理与特征变换，根 据检测到的故障信息，寻找故障源，确定故障类型及大小。故障源可能是元件， 组件，也可以是子系统。这一过程主要依靠数学工具，目前的技术已经扩展到小 波变换、主元分析、自适应共振理论、神经元网络等【8 】。 故障评价：将故障对系统性能指标、功能的影响等作出判断和估计，给出故 障等级。其中故障估计阶段，在弄清故障性质的同时，计算出故障的程度、大小 及故障发生的时间等参数。 故障决策：根据故障检测的信息和故障评价的等级来进行故障定位，做出故 2 查韭查堂壁主堕查苎二主竺丝 障诊断决策，针对不同的工况，对系统作出报警、修改操作或控制，甚至停机进 行维修等决定，避免故障扩大。这部分主要方法有数学分析、控制理论、系统辨 识、人工智能和模式识别等。 评价一个故障诊断系统的性能指标主要有：故障检测的及时性；早期故障检 测的灵敏度；故障的漏报率和误报率；故障定位和故障评价的准确性；故障检测 与诊断系统的鲁棒性，图1 1 是一个完整的故障诊断系统示意图。 1 3 故障诊断方法的分类 e m f r a n k 教授认为故障诊断方法可以分为三类：基于解析模型的方法、基于 信号处理的方法、基于知识的方法【9 。多数故障诊断的综述文章都集中在某一类方 法里进行讨论研究，最近v e n k a t a s u b r a m a n i a nv 等人对这三类方法作了个比较全 面的整理【1 0 】。他们也提出了自己的故障诊断分类方法，但基本上与f r a n k 的分类是 相同的，只是在几种方法的归属上有所差异。 一般来说，当可以建立比较准确的被控过程数学模型时，基于解析模型的方 法是首选的。当可以得到被控过程的输入输出信号，但很难建立被控对象的解析 数学模型时，可以采用基于信号处理的方法。其中小波变换方法是近年来发展起 来的一种很有前途的方法。当很难建立被控对象的定量数学模型时，可以采用基 于知识的方法。其中基于定性模型的方法近年来在欧洲受到高度重视，得到了迅 速发展。 1 3 1 基于解析模型的方法 所谓基于解析模型的故障诊断，就是通过将被诊断对象的可测信息和由模型 表达的系统先验信息进行比较，从而产生残差，并对残差进行分析和处理而实现 故障诊断的技术【l ”。所谓残差，就是与被诊断系统的正常运行状态无关的、由其 输入输出信息构成的线性或非线性函数。在没有故障时，残差等于零或近似为零， 而当系统中出现了故障时，残差应显著偏离零点。为便于实现故障的分离，残差 应当属于下面两者之一： ( 1 ) 结构化残差( s t r u c t u r e d r e s i d u a l ) ：对应于每个故障，残差都有不同的部分 与之对应，当诊断对象发生故障时，这些特定部分就由零变为非零。 ( 2 ) 固定方向性残差( f i x e dd i r e c t i o nr e s i d u a l ) ：对应于每个故障，残差向量都 具有不同的方向与之相对应。 根据残差产生形式的不同，基于解析模型的故障诊断方法又可以分为状态估 3 查! ! 垄堂堕主垒圭 价方法、等价空间方法和参数估计方法。 状态估价方法 第一章绪论 基本思想是利用系统的解析模型和可测信息，设计检测滤波器( 观测器) ，重构 系统某一可测变量，然后由滤波器的输出与真实系统的输出构造残差，在对残差 进行分析处理，以实现系统的故障诊断 12 】。在能够获得系统的精确数学模型的情 况下，状态估价方法是最直接有效的方法，然而在实践中这一条往往很难满足， 所以目前对于状态估价方法的研究主要集中在提高检测系统对于建模误差、扰动、 噪声等未知输入的鲁棒性及系统对于早期故障的灵敏度。通常来说，这两个指标 是互相矛盾的，只能在二者之间根据具体的设计要求进行折衷。 目前的状态估价方法用于故障诊断的研究主要集中于线性系统，对于非线性 系统的研究成果还比较少，但实际系统绝大多数都是非线性系统。目前处理非线 性系统可以分为两类，一类方法是将非线性系统在一个或几个工作点附近线性化， 用一个线性模型集表示系统，建模误差当作未知输入，应用未知输入解耦方法设 计残差，使之不受建模误差的影响。另一类方法是基于非线性模型的方法，如基 于非线性观测器的方法和基于非线性参数估计的方法，这些方法往往都是针对某 种特定的非线性系统。 等价空间方法 等价空间方法的基本思想就是通过系统的输入、输t g ( 或部分输出) 的实际值检 验被诊断对象数学关系的等价性( 即一致性) ，从而达到检测和分离故障的目的。基 于系统的动态方程产生具有方向性残差的方法，用动态等价方程产生残差序列， 再利用等价方程中参数留下的自由度进行重新设计，使得残差序列对故障具有特 定的方向性，因此更有利于故障的分离。i - 1 w a n g 1 3 l 提出广义残差产生器的方案， 通过一些变换从原系统中消去未知输入项，利用新的等价系统的输入输出描述构 造等价方程，产生基本残差。用动态加权阵变换基本残差，增加设计的自由度， 满足故障检测与分离的要求。通常的等价空间法只能用于线性系统的故障检测与 分离，不能用于故障幅值的估计。c h e l a 等在等价空间法的基础上采用逆系统的方 法，对残差序列进行处理，在一定条件下可以直接估计出故障的幅值。 参数估计方法 参数估计方法根据模型参数及相应的物理参数的变化来检测和分离故障。其 基本思想是许多被诊断对象的故障可以看作是其过程系数的变化，而这些过程系 数的变化又往往导致系统参数的变化。因此，可以根据系统参数及相应的过程系 d 。 查! ! 叁生堕主堕圭苎二主壁垒 数变化来检测和诊断故障。基于系统参数估计的故障诊断方法主要有滤波器方法 和最小二乘方法。与状态估价的方法相比，参数估计法更有利于故障的分离。将 参数估计方法和其它基于解析模型的方法相结合，可以获得更好的故障检测与分 离性能。周东华给出一种非线性系统参数偏差型故障的检测与诊断算法，由扩展 卡尔曼滤波器得到残差序列，用残差加权平方和算法快速检测故障，再采用强跟 踪滤波器，得到系统状态和非线性时变参数的联合估计。i s e r m a r m 给出了一种先 利用连续时间的等级空间方法快速检测故障，然后再根据等价残差估计某个线性 参数的变化的方法，从而回避参数估计算法对持续激励的要求【l4 1 。对于存在慢时 变参数的系统，是等价方程的系数对估计出的参数变化值具有自适应能力，可以 提高故障检测的j | 生能。g a r c i a 提出首先构造故障检测观测器，快速检测故障并进行 故障预分离，再基于包含可能故障的简化模型作参数估计，进一步分离故障，此 方法减少了待估计参数的个数从而降低了参数估计方法对输入激励的要求，并且 可以分离在系统状态空间中有相同方向的故障。 基于数学模型的故障诊断方法的研究状况可以归纳为：主要研究成果在于残 差的产生方法方面，对于残差评价的研究仍是不足；鲁棒故障诊断问题，对于模 型失配和外部扰动抑制的研究，也只是初步的；此外对于故障的可检测性、可重 构性、可识别性以及可分离性的理论分析也并不完善，只限于某些特殊的方法， 且难以同时对这四个性质都进行严格的理论分析。 1 3 2 基于知识的方法 在工程实践中，对象的精确数学模型通常是无法得到的，这大大限制了解析 方法的使用范围。而基于知识的方法不需要对象的精确数学模型，因此具有很大 的生命力。它的发展大致经历了两个阶段1 5 ：基于浅知识( 人类专家的经验知识) 的第一代故障诊新专家系统和基于深知识( 诊断对象的模型知i e ) 的第二代故障诊 断专家系统。近期出现的混合结构的专家系统，是将上述两种方法结合使用，互 补不足，相得益彰。 基于知识的方法主要可以分为基于症状的方法和基于定性模型的方法两类。 其中，给予症状的方法包括神经网络法、模糊推理法、模式识别法、故障树方法 和专家系统方法等。 神经网络法 人工神经网络由于具有模拟任何连续非线性函数的能力和从样本学习的能 力，因而在故障诊断中得到了广泛的重视。人工神经网络用于故障诊断主要有四 5 查! ! 垄芏堡主堕墨至= 兰丝熊 数变化来检测和诊断故障。基于系统参数估计的故障诊断方法主要有滤波器方法 和最小二乘方法。与状态估价的方法相比，参数估计法更有利于故障的分离。将 参数估计方法和其它基于解析模型的方法相结合，可以获得更好的故障检测与分 离性能。周东华给出一种非线性系统参数偏差型故障的检测与诊断算法，由扩展 卡尔曼滤波器得到残差序列，用残差加权平方和算法快速检测故障，再采用强跟 踪滤波器，得到系统状态和非线性时变参数的联合估计。i s e r m a n n 给出了一种先 利用连续时间的等级空间方法一陕速检测故障，然后再根据等价残差估计某个线性 参数的变化的方法，从而回避参数估计算法对持续激励的要求【1 4 】。对于存在慢时 变参数的系统，是等价方程的系数对估计出的参数变化值具有自适应能力，可以 提高故障检测的性能。g a r c i a 提出首先构造故障检测观测器，快速检测故障并进行 故障预分离，再基于包含可能故障的简化模型作参数估计，进一步分离故障，此 方法减少了待估计参数的个数从而降低了参数估计方法对输入激励的要求，并且 可以分离在系统状态空间中有相同方向的故障。 基于数学模型的故障诊断方法的研究状况可以归纳为：主要研究成果在于残 差的产生方法方面，对于残差评价的研究仍是不足；鲁棒故障诊断问题，对于模 型失配和外部扰动抑制的研究，也只是初步的；此外对于故障的可检测性、可重 构性、可识别性以及可分离性的理论分析也并不完善，只限于某些特殊的方法， 且难以同时对这四个性质都进行严格的理论分析。 1 3 2 基于知识的方法 在工程实践巾，对象的精确数学模型通常是无法得到的，这大大限制了解析 方法的使用范围。而基于知识的方法不需要对象的精确数学模型，因此具有很大 的生命力。它的发展大致经历了两个阶段瞰 ：基于浅知识( 人类专家的经验知识) 的第一代故障诊断专家系统和基于深知识( 诊断对象的模型知识) 的第二代故障诊 断专家系统。近期出现的混合结构的专家系统，是将上述两种方法结合使用，互 补不足，相得益彰。 基于知识的方法丰要可以分为基于症状的方法和基于定性模型的方法两类。 其中，给予症状的方法包括神经网络法、模糊推理法、模式识别法、故障树方法 和专家系统方法等。 神经网络法 人工神经网络由于具有模拟任何连续非线性函数的能力和从样本学习的能 力因而在故障诊断中得到了。泛的重视。人工神经网络用于故障诊断主要有四 力因而在故障诊断中得到了广泛的重视。人工神经网络用于故障诊断主要有四 盔! ! 垄主堕主丝圭苎二主壁堡 种方式：1 ) 用神经元网络产生残差；2 ) 用神经元网络评价残差；3 ) 用神经元网 络作一步诊断；4 ) 用神经元网络作自适应误差补偿。在知识获取上，神经网络的 知识不需要由知识工程师整理、总结领域专家的知识，只需要用领域专家解决问 题的实例或范例来训练神经网络。神经网络系统的知识获取与专家系统相比，既 具有更高的时间效率，又能保证更好的质量。 神经网络采用隐式的知识表示，它在知识获取的同时，自动产生的知识有网 络的结构与权值表示，并将某一问题的若干知识表示在同一网络中，通用性强， 便于实现知识的自动获取和并行联想推理。 神经网络的知识推理是通过神经元之间的相互作用实现的。网络在同一层的 推理是并行的，不同层的推理是串行的【l “。由于同层内神经元的数目远大于层数， 因此，从总体上来说，神经网络的推理是并行的，具有速度快的特点。在神经网 络中，允许输入偏离学习样本，只要输入模式接近于某样本的输入模式，则输 出也会接近学习样本的输出模式，这种性质是神经网络具有联想记忆功能。神经 网络在许多领域的故障诊断系统中已开始应用，如在化工设备、核反应堆、汽轮 机或旋转机械和电动机等领域都取得较好的效果。 神经网络的不足之处在于未能充分利用许多特定领域中专家累积起来的宝贵 经验，只能利用一些明显的故障诊断实例，而且需要有足够的学习样本，才能保 证诊断的可靠性。由于神经网络从故障实例中学到的知识只是一些分布权重，而 不是类似领域专家逻辑思维的产生式规则，因此诊断推理过程不能够解释，缺乏 透明度。 模糊推理方法 基于模糊逻辑的方法不需要建立精确的数学模型，适当使用隶属函数和模糊 规则，进行模糊推理就可以实现模糊诊断的智能化。基于模糊推理的故障诊断方 法主要有：1 ) 基于模糊模型的残差评价方法；2 ) 基于自适应模糊阈值的残差评价 方法；3 ) 基于模型聚类的残差评价方法；4 ) 基于模糊逻辑的残差评价方法；5 ) 基 于模糊模式识别的故障诊断方法。模糊方法适用于测量值较少且无法获得精确模 型的系统。 对于复杂的诊断系统，要建立正确的模糊规则和隶属函数是非常困难的，而 且需要花费很长的时间。对于更大的模糊规则和隶属函数集合而言，难以找出规 则与规则间的关系，也就是说规则有“组合爆炸”现象发生。另外由于系统的复 杂性、耦合性、频域特征空间至故障模式空间的映射关系往往存在着较强的非线 性，此时隶属函数形状不规则，只能利用规范的隶属函数形状来加以处理，如用 6 东北大学硕士论文 第一章绪论 三角形、梯形或直线等规则形状来组合予以近似代替，也就使得非线性系统的诊 断结果不够理想。 故障树方法 故障树方法首先进行故障分析，将系统的故障作为上端事件( 树的根节点) ，用 逻辑符号( 与、或、非) 将上端事件和成为该事件直接原因的下部事件( 中间事件) 连 接起来，再对这些中间进行分析，直至基本事件( 最基本的事件) ，然后进行故障树 综合，求出作为上端事件充要条件产生的基本原因集合。计算上端事件的发生概 率，对原因事件的重要性进行评价，提出改进措施。由于故障树技术可以明确表 示事件与系统故障之间的逻辑关系，定量求出复杂系统的故障概率和其它可靠性 参数，该方法已在化工过程的反应器、加热炉等装置上得到应用。 专家系统方法 专家系统诊断利用了专家积累的丰富实践经验，能模仿专家分析问题和解决 问题的思路，而且能够解释自己的推理过程，解释结论是如何获得的，无论是在 理论上还是在工程中应用都很广泛。 专家系统是人工智能的一种技术，它通常由三个部分组成：1 ) 数据库：它是 专家系统的主要的数据结构，存贮与求解问题有关的已知的或导出的数据：2 ) 知 识库：它存贮与求解问题有关的特殊知识；3 ) 推理机：它的任务是选择最合适的 控制或推理步骤，从而实现问题的求解过程。专家系统能够不依赖于数学模型， 以模拟专家思维的方式，进行过去只有专家才能宪成的高级任务。 专家系统自1 9 8 2 年起，开始在核反应堆系统、电力系统的故障诊断中得到初 步的应用，随后，人们开始研讨将专家系统应用于化工过程的故障诊断，并取得 了初步的研究成果。故障诊断专家系统可以适用于由于化工过程机理复杂而不易 建立数学模型和有多故障源的场合，它可以为用户提供咨询作用【” 。由于专家系 统为用户提供了灵活的人机交互功能，易于修改它的知识库，因而可作为故障诊 断的工具在多类化工过程中应用。 然而专家系统也有不易克服的缺陷，如获取知识的“瓶颈”问题。一方面由 于专家知识有一定局限性，另一方面由于专家知识规则化表述有相当大的难度， 两者造成了诊断知识库的不完备，表现为当遇到一个没有相关规则与之对应的新 故障现象时，系统显得无能为力。专家系统的知识表示是一种显式表示，一般为 “如果，则”的形式，而有些问题很难用这种形式表示。在知识的推理上， 传统的专家系统使用串行方式，其推理方法简单、控制策略不灵活，容易出现“匹 配冲突”、“组合爆炸”及“无穷递归”等问题，且推理速度慢、效率低。还有， 东北大学硕士论文 第一章绪论 系统缺乏自学习和自完善能力，现行的故障诊断专家系统在运行过程中不能从诊 断的实例中获得新的知识，并且对一些新奇的故障和系统设计中的一些边缘问题 求解具有很强的脆弱性。系统的求解能力完全局限于知识库中仅有的规则，系统 不能在实例应用中自我完善，知识获取时专家知识具有不一致性、不完全型和不 准确性等。 基于定性模型的方法 基于定性模型的故障诊断方法近年来在欧洲受到了高度重视，得到了迅猛发 展。定性仿真是基于定性模型的故障诊断方法的重要部分，它用表示系统物理参 数的定性变量和表示各参数间相互关系的定性微分方程构成约束模型，描述并模 仿系统的结构，以确定从给定的初始状态出发等到的系统状态。f r a n k t l 8 1 提出了一 种新颖的知识观测器的概念，类似于基于解析模型方法中的状态观测器和k a l m a n 滤波器。知识观测器有四个部分组成：定性模型、差异检测器、候选发生器和诊 断策略，其中定性模型是知识观测器的核心。 定性模型可以确定系统的期望行为，差异检测器通过应用测量变量状态和计 算状态的隶属度函数来确定二者的偏差，候选发生器则通过递归搜索过程挖掘上 述偏差，并将偏差映像到特定的离线指定或在线修正的故障假设中去。基于定性 模型的故障诊断策略可以分为两类：一类是基于故障模型，一类是基于正常模型。 基于定性模型的故障诊断方法比起基于专家系统的方法，大大简化了知识获取的 过程。 1 3 3 基于信号处理的方法 基于信号处理的方法通过利用信号模型，如相关函数、频谱、自回归滑动平 均等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，从而检测故障 的发生。除这些简单分析信号基本特征的方法外，还有一些基于信号处理的故障 诊断方法。 基于信息融合的方法 故障诊断实际上是根据检测量所获得的某些故障表征以及故障源与故障表征 之间的映像关系，找出故障源的过程。为了充分利用检测量所提供的信息，在可 能的情况下，可以对每个检测量采用多种方法进行诊断，这一过程称为局部诊断。 将各种诊断方法所得到的结果加以综合， 融合，对局部全局融合方案的实现， 得到故障诊断的总体结果称为全局诊断 可以采用模糊推理的方法进行决策。 8 东北大学硕士论文 第一章绪论 基于小波变换的方法 小波变换时8 0 年代后期发展起来的应用数学的分支，最初由法国学者 d a u b e e h i e s 和m a l l e t 引入信号处理领域，它是一种时间尺度分析方法，具有多分 辨分析的特点，利用连续小波变换可以检测信号的奇异性。基于小波变换的故障 诊断方法无需对象的数学模型，且对于输入信号的要求较低，计算量也不大，可 以进行在线实时故障检测，灵敏度高，克服噪声能力强，是一种很有应用前景的 故障诊断方法。 基于统计分析模型的方法 单变量统计监测方法是一种最为直观的统计过程监测方法，通过对过程中的 关键变量设定正常的变化范围界限来达到监测过程状态的目的。s h e w h a r t 图 1 9 1 、 c u s u m 2 0 - 2 1 1 图以及e w m a 2 2 图等都是基于这一基本原理。然而工业生产过程中 存在大量高度相关的测量变量，这些变量在每一时刻的采样值都蕴含着生产过程 是否正常、产品质量是否合格等信息。由于变量问的高度相关性，故障或扰动会 导致许多变量采样值的异常，因而仅监视各个独立的过程变量，对于过程监测、 故障检测与诊断并无裨益。以主元分析( p r i n c i p l ec o m p o n e n ta n a l y s i s ) ：n 部分最 小二乘口a r t i a ll e a s ts q u a r e ) 为代表的多元统计方法将生产过程中大量高度相关的 过程变量投影到一个包含原空间绝大多数信息的低维子空间中，从而使得过程监 测、故障检测及诊断等研究工作大为简化。下一节里将详细回顾多元统计故障诊 断的发展情况。 1 4 基于多元统计分析的过程故障诊断技术 1 4 1 统计过程控制的发展与应用现状 二十世纪初，统计科学的发展为统计过程控制技术的出现奠定了基础。美国 贝尔实验室的s h e w h a r t 博士在1 9 2 4 年5 月绘出世界上第一张质量控制图。 1 9 2 9 年，贝尔电话公司的道奇和罗米格 2 4 】发表了论文抽样检查方法，提出用抽 样检查代替全数检查的方法来保证产品的质量。1 9 3 1 年，s h e w h a r t 博士又发表了 他的经典著作工业产品质量的经济控制。第二次世界大战期间，统计过程控制 ( s t a t i s t i c a l p r o c e s s c o n t r o l ，s p c ) 在美国和英国得到广泛应用，当时主要应用在军 工生产领域。s p c 被成功用于军工生产后，实现了在增加产量和降低成本的同时， 明显提高产品质量的目标。二战后英美国家忽略了s p c 技术，而战后的日本由于 经济落后，迫切需要学习英美的先进技术。s p c 技术的思想与方法在日本得到了 9 查! ! 垄兰塑主丝圭 一一 笠二主鲨堡 广泛应用，使其产品质量明显提高，所生产出的高质量低成本的电子、汽车等产 品迅速占领了世界市场，一跃成为经济强国。 统计过程控制在日本的成功应用又引起了西方国家对这一技术的重新认识。 美国通用电器公司的费根堡姆( a v f e i g e n b a u m ) 和质量专家朱兰( j m j u r a n ) x 提出 了全面质量管理t q m ( t o t a lq u a l i t ym a n a g e m e n t ) 理论，把质量控制推向了新的高 度，它与s q c ( s t a t i s t i c a lq u a l i t yc o n t r o l ，统计质量控制) 一起，被列为质量控制发 展的两个阶段。 统计过程控制今天己得到广泛的工业应用。单变量统计过程控制方法( 如 s h e w h a r t 控制图、累积和图、指数加权平均图) 以及一些质量控制和质量管理方法 f 如t a g u c h i 方法等) 已被工业界广为接受，多变量统计过程控制方法也开始进入工 业应用。m i l l e r 等报告了美国柯达公司应用多变量统计控制的情况，并提出了贡 献图方法。k o s a n v i c h 和p i o v o s o 报告了美国杜邦公司应用多变量统计控制的情 况。w i s e 等告了将多向主元分析、三线性分解平行因素分析应用于美国德克萨斯 仪表公司的半导体蚀刻过程的情况。m a r t i n 告了多变量统计过程控制在欧洲的应 用情况。这些应用基本上是通过多变量统计分析方法来对生产过程进行监控，及 时找出产生不正常情况的原因或故障。通过及时排除这些故障，可以提高过程能 力和产品质量的一致性。 关于多变量统计控制的商业软件也逐渐增多了。进行多变量统计分析的一个 很好的软件包是美国特征向量研究公司( e i g e n v e c t o rr e s e a r c h ) 9 0 年代初期推出的 在m a t l a b 软件下运行的p l s 软件包。英国的m d c 技术公司( m d c t e c h n o l o g y ) m 英国纽卡斯尔大学化工系合作推出了m s p c + 软件包，该软件融入了 纽卡斯尔大学化工系在多变量统计控制方面的一些研究成果。加拿大q u a l i t r a n p r o f e s s i o n a ls e r v i c e si n c 开发的s p c p i + 系列软件。瑞典的u m e t r i c s 公司于最 近推出了s i m c a 4 0 0 0 软件包，该软件包可用于在线多变量统计过程控制。 1 4 2 基于多元统计方法的故障诊断技术的应用及发展 统计过程控制由单变量发展到多变量的研究，目前多元统计过程控制已经能 够较好的为故障诊断技术提供理论依据。人们通过计算机控制系统可以采集和存 储大量的过程变量数据。许多有用的信息往往被掩盖在这些数据中，造成“数据 丰富但信息缺乏”。当一些过程的机理知识难以得到，过程的测量数据将是人们对 过程进行深入了解的重要途径。通过对这些数据进行多变量统计分析，可以实现 对过程的故障诊断。这些方法的本质是利用p c a 或p l s 来减少数据的维数，并建 立一个低维的数据模型，使得过程监控可以在这个低维空间内进行。从过程正常 1 0 东北大学硕士论文 第一章绪论 运行数据中计算出过程正常运行的界限，通过观测模型的平方预测误差并结合贡 献图即可以检测并诊断出故障。 主元分析法和部分最小二乘法是目前基于多元统计过程控制的故障诊断技术 的核心，文献2 5 】综述了主元分析法和部分最小二乘方法在过程分析、控制、故障 监测与诊断中的应用。k r e s t a l 9 9 1 年研究了一些将多变量投影方法用于处理较大规 模过程的过程数据和质量数据的基本方法，随后，n o m i k o s 应用多向主元分析法把 多变量投影方法扩展到间歇过程。d o n g 提出一种非线性主元分析法处理间歇过程 的非线性。m a c g r e g o r p6 提出一种多块p l s 法，它是一种具有层次性的多变量监控 方法，可以更好的定位过程中放障的来源。主元分析的另一个比较有效的变体是 多尺度p c a ，它结合了p c a 和小波分析。总而言之，与基于模型的方法相反，多 变量统计方法不需要精确的系统模型，它可以处理高维相关数据，且发现其中存 在的非正常状态。 1 5 故障诊断技术的研究现状 故障诊断技术是国内外研究的前沿课题，国内外都对其展开了积极的研究， 并且已经产生了巨大的经济效益。从故障诊断技术的各分支技术来看，美国处于 领先地位，该国许多权威机构如美国机械工程师学会( a s m e ) 、美国宇航局等都参 与了这一领域的研究，投入了大量的资金；不少的高校和企业都设立了故障诊断 技术研究中心，他们的技术不仅具有完善的监测功能，而且具有较高的诊断功能， 在军事、化工等方面具有广泛的应用，其他的一些国家故障诊断技术的发展也都 各有特色，如英国在摩擦诊断方面、丹麦在振声诊断方面、日本在钢铁、化工方 面等。我国的故障诊断技术发展于七十年代末，经过这些年的积极研究，在故障 诊断技术理论方面我国已接近世界水平。目前，我国在一些特定设备的诊断研究 方面很有特色，形成了一批自己的监测诊断产品。如西安交通大学研制的“大型 旋转机械计算机状态监测系统及放障诊断系统”、华中科技大学开发的“汽轮机工 况监测和诊断系统k b t g m d ”、哈尔滨工业大学的“微计算机化机组状态监视与 故障诊断专家系统”、合肥工业大学的全球范围内的智能网络数控系统等。综合我 国对故障诊断技术的研究与应用现状，其主要集中在化工、电力、冶金等行业。 1 6 本文主要工作 近年来，故障诊断技术得到了较大发展，并正在逐步走向实际应用。但由于 实际系统的复杂性，故障诊断方法不论在理论上还是应用方面尚存在不少问题值 东北大学硕士论文 第一章绪诠 得进一步深入探讨和研究。 本文以“沈阳味精厂味精发酵过程优化控制系统”为研究背景。针对味精发 酵过程监控与故障诊断中存在的一些问题，以统计分析方法为工具，通过多次实 验数据分析与验证，做了较为深入的研究，提出了一些解决方法。为实现味精发 酵过程监测与故障诊断创造了条件。本文主要完成了以下的工作： ( 1 ) 查阅大量国内外文献的基础上，介绍了故障诊断的基本概念以及故障诊断 方法的研究内容、各种方法的分类与发展趋势，特别是对基于多元统计技术的故 障诊断方法的现状和发展进行了较完整的综述。 f 2 1 详细地介绍了统计方法故障诊断的基本数学工具：主元分析法和部分最小 二乘方法。综合概括了主元分析的相关理论和实际运算方法。多元统计分析中的 p c a 方法克服了单变量统计方法处理生产过程的海量数据的不足，并在此基础上 介绍了在多变量统计方法中有着重要地位的主元回归和最小二乘方法，它们可以 用来计算复杂系统的最佳模型参数。 ( 3 ) 讨论了沈阳味精厂味精发酵过程的工艺流程，影响味精发酵过程终产量的 原料配比、重要控制变量，进而依据实际生产数据分析了影响发酵过程产物稳定 提高的几个因素，结合沈阳味精厂的实际情况，建立了实用的味精发酵模型。通 过仿真和假设检验证实了所建模型的有效性。 ( 4 ) 概述了对味精发酵过程中环境参数的控制方法，总结了基于主元分析的多 变量统计过程控制方法在生产过程故障监测与诊断应用中的设计思想，分析了主 要统计量、统计控制图以及数据分析处理的基本方法，并在沈阳味精厂味精发酵 过程中得到了拟在线仿真应用，结果证明基于多元统计方法的过程故障检测与诊 断技术可以作为味精发酵过程的状态监测方法与手段。 r 5 ) 对全文的研究工作所存在的问题进行了总结并对未来可能的改进工作进 行了展望。 “1 2 东北大学硕士论文第二章统计故障诊断的数学工具 第二章统计故障诊断的数学工具 2 1 引言 多元统计分析法能够很好地处理大量相关数据，在目前计算机系统得到普遍 应用的情况下，利用多元统计监测技术能够在较短时间内提供大量的诊断信息， 建模也相对简单。因此在现代控制技术不断进步的今天，在拥有大量生产数据的 情况下，采用多变量统计方法进行生产过程的监控和故障诊断，将有效地提高产 品质量、增加经济效益。多元统计分析方法的研究对象是多变量正态过程【2 7 】，各 变量之间相互关联，当一个或者几个变量的相关统计指标偏离总体一定程度时， 则认为过程失控，即生产过程发生故障。基于多变量统计过程方法的故障诊断技 术不但能够检测过程是否发生故障，还可以查明具体是由哪些工业变量的异常导 致发生故障。多变量统计分析方法的基础是主元分析( p c a ) 和部分最小二乘法 ( p l s ) ，此外还有一些为适应不同场合中应用的需要进行改进的方法，如多向主 元分析法和多块最小二乘法，下面将分别加以介绍。 2 2 主元分析方法 在现代工业过程中，往往需要测量很多过程变量，用以对过程进行监测和控 制。而同一过程中的不同变量间往往存在互相关联的关系，也就是说这些变量不 是互相独立的。比如在精馏塔中，进料组分的变化可以引起各塔板温度、塔顶和 塔底组分等多个变量的变化，这样，摆在过程操作人员面前的画面，是很多过程 变量在同时错综复杂地变化着。在这种情况下，操作人员往往很难对这些变化后 面的真正原因及时地做出正确的判断。这种情况可以被称作“操作人员的信息过 载”。如能将很多相关的过程变量压缩为少数的独立的变量，那么过程操作人员则 有可能从少数几个独立变量的变化中，较容易地找出引起过程变量错综复杂地变 化的真正原因。主元分析法就是解决多变量问题的简便、有效的统计方法，它是 研究如何将多指标问题转化为较少的综合指标问题。综合指标是原来多个指标的 线性组合，虽然这些线性综合指标是不能直接观测得到的，但这些综合指标间互 不相关，又能反映原来多指标的信息。p c a 方法的目标是在力保数据信息丢失最 少的情况下，对高维变量空间进行降维处理。数据压缩降维过程的实质是数据矩 阵x 协方差矩阵的谱分解过程【2 8 】。 主元分析是由p e a r s o n ( 1 9 0 1 ) 最早提出来的。在研究对空间中的一些点进行 1 3 。 东北大学硕士论文 第二章统计故障诊断的数学工具 最佳拟合直线和平面时，他提出了主元分析的方法。1 9 2 3 年，f i s h e r 和m a c k e n z i e 总结出主元分析在系统响应方差分析方面的用途比在系统建模方面的用途要大