（系统工程专业论文）定性趋势分析在故障诊断中的应用研究.pdf

学位论文数据集 中图分类号 邗2 7 7 学科分类号 s 如s o 矽 论文编号 t o d | d b 曩o s o i 密级 学位授予单位代码 1 0 0 1 0 学位授予单位名称 北京化工大学 作者姓名 弓长加； 学号 切夸m s 口l 获学位专业名称 禾测龟 获学位专业代码 。子d 弓 课题来源 围蒙瓣砸吹自 研究方向 多彳罩彖花i 力蠢锻 论文题目 定叶x 础穗锄在，触锈渤中韵葱闭研裳j 一 ， 。7 l 关键词 起i x 走铡r q t a l ：韪摈提致：铂摸溯，i j 苏稳蝓匏临2 一 一 ， 论文答辩日期 枷7 、 论文类型 座用弓却乳 7 i 学位论文评阅及答辩委员会情况 姓名职称工作单位学科专长 指导教师 兢妃廒缮舭东化2 太谬过褶糊1 云复 评阅人i 垃鑫 童 憾轴倾悖讹钠鞫营被细倾向工 评阅人2 刘寺粥玉撒事l 乜否钟2 大咯心铀糊拂辙 评阅人3 弦功童j易协提： 匕沁犬考龄秘访立 评阅人4 评阋人5 答辩委员蝴 裂鳞雨三诚粥融糊闷1 闷过视黼俸支 答辩委员1 套拥娟蟊陬扳未匕执。2 拼 长竹删私粥 答辩委员2 她各南2d 碡翰俐蜊朔甚柱禾仫骺 答辩委员3 玩嗣专聊鼬阪幅，妇7 艚过韶禾施能衰 答辩委员4 答辩委员5 注：一论文类型：1 基础研究2 应用研究3 开发研究4 其它 二中图分类号在中国图书资料分类法查询 三学科分类号在中华人民共和国国家标准( c b t1 3 7 4 5 - 9 ) 学科分类与代码中 查询 四论文编号由单位代码和年份及学号的后四位组成 摘要 定性趋势分析在故障诊断中的应用研究 摘要 过程监测和快速故障检测与诊断对于过程操作的有效管理非常重要， 而定性趋势分析( q u a l i t a t i v et r e n da n a l y s i s ，q t a ) 是故障检测与诊断的一 种重要的技术。趋势分析是状态监测和故障诊断的重要一环，趋势能够反 映重要参数的运行状态，发展速度和趋势，确定故障的出发时刻，预测早 期故障的发生，为故障的早期判定提供一个有效的手段。用计算机对传感 器数据的瞬态演化进行建模，定性趋势分析( q t a ) 的基本思想是把已测 的信号作为一种趋势序列( 这种趋势序列是基于基元的) ，定义三种基元： 不变，上升，下降) ，用这三个基元组合成七种与时间有关的形状来描述 过程的趋势：a 不变，b 上升，c 下降，d 正步，e 负步，f 上升下降瞬 变，g 下降上升瞬变。本文系统介绍用于过程故障诊断的定性趋势分析 ( q u a l i t a t i v et r e n da n a l y s i s ，q t a ) 两个重要算法：趋势提取算法和趋势 识别算法。本文用最小二乘法，实时地从数据中捕获并识别数据的趋势。 为了使得趋势提取算法和趋势识别算法有更大的适应性，采用了分级阈值 的办法来动态地获得趋势提取和识别过程中所需要的阈值。获得过程的趋 势后，用一种趋势匹配的策略构架来诊断故障。在研究实例中应用定性趋 势分析，并针对趋势分析故障匹配分辨率不高的不足，引入了定量的信息， 从而提高故障匹配分辨率。对于过程工业的故障诊断，定性趋势分析的优 点是能够简洁、快速地诊断故障。 i 关键词：定性趋势分析( q t a ) ；趋势提取；趋势识别；故障检测与诊断 a p p l i e dr e s e a r c ho f q u a l i t a t i v e t r e n d a n a iy s i si np r o c e s sf a u l 月d i a g n o s i s a b s t r a c t p r o c e s sm o n i t o r i n ga n dq u i c kf a u l td e t e c t i o na n dd i a g n o s i sa r ev e r y i m p o r t a n tf o re f f e c t i v em a n a g e m e n to fp r o c e s so p e r a t i o n sm a n a g e m e n t ，a n d q u a l i t a t i v et r e n da n a l y s i si so n eo ft h ei m p o r t a n t t e c h n i q u e so f f a u l t d e t e c t i o na n dd i a g n o s i s t r e n da n a l y s i si sv e r yi m p o r t a n tf o rf a u l td e t e c t i o n a n dd i a g n o s i s ，t r e n dc a nr e f l e c tt h er u n n i n gs t a t e s ，t h ed e v e l o p m e n t s p e e da n d t r e n do ft h ei m p o r t a n tp a r a m e t e r s ，m a k es u r et h es t a r t i n gt i m eo ft h ef a u l t ， p r e d i c t t h e e a r l y o c c u r r e n c eo ft h ef a u l t q u a l i t a t i v e p r o c e s s f i e n d r e p r e s e n t a t i o ni sau s e f u la p p r o a c ht om o d e lt e m p o r a le v o l u t i o no fs e n s o rd a t a b yc o m p u t e r , t r e n db a s eo nt h e t h r e e p r i m i t i v e s ： s t e a d y , i n c r e a s i n g ， d e c r e a s i n g ，u s i n gt h e s es e v e ns h a p e sc o m b i n e db yt h r e ep r i m i t i v e s t o d e s c r i b et h ep r o c e s st r e n d t w oi m p o r t a n ta l g o r i t h mo fq u a l i t a t i v et r e n d a n a l y s i s ( q t a ) f o rp r o c e s s f a u l td i a g n o s i si s s y s t e m a t i c a l l yi n t r o d u c e d - - - t r e n de x t r a c t i o na l g o r i t h ma n dt r e n di d e n t i f i c a t i o na l g o r i t h m t om a k et h e a l g o r i t h mh a v eal a r g e ra d a p t a b i l i t y , t h em e t h o do fg r a d i n gt h r e s h o l di s i n t r o d u c e dt oa c h i e v et h et h r e s h o l dd y n a m i c a l l yr e q u i r e di nt r e n de x t r a c t i o n a n di d e n t i f i c a t i o n af r a m e w o r ko ft r e n dm a t c hm e t h o d o l o g yi su s e dt o d i a g n o s i sf a u l ta f t e rc a p t u r i n gt h et r e n d s t h ea d v a n t a g eo fq u a l i t a t i v et r e n d m 北京化t 人学学位论文 a n a l y s i s ( q t a ) d i a g n o s i sf a u l t sc o m p a c t l ya n d q u i c k l yf o rf a u l td i a g n o s i so f p r o c e s si n d u s t r y k e y w o r d s ：q u a l i t a t i v et r e n da n a l y s i s ( q t a ) ；t r e n de x t r a c t i o n ；t r e n d i d e n t i f i c a t i o n ；f a u l td e t e c t i o na n dd i a g n o s i s i v 一 _ p - ，。 符+ 吁说明 a b c d e f g 气l h | c 丸 i i d i s c u s u m 符号说明 不变 上升 下降 正步 负步 上升下降瞬变 下降上升瞬变 累积和的阈值 形状是否连续的阂值 趋势过程变化的快慢的阈值 总的上升( 或者下降) 不连续的上升( 或者下降) 相同斜率的上升( 下降) 累积和 v 北京化t 人学学位论文 v i 6 广 目录 第一章绪论 目录 1 1定性故障诊断技术2 1 2定性趋势分析( q t a ) 4 1 2 1 趋势提取算法4 1 2 2 趋势识别算法5 1 2 3 阈值的设定5 1 3基于定性趋势分析( q t a ) 的故障诊断技术5 1 4研究的意义6 1 5论文内容6 第二章定性趋势分析技术的发展。 2 1简介 2 2定性仿真理论。 2 3定性过程趋势的描述 2 4数据的预处理和定性趋势的提取 2 4 1 数据的预处理 2 4 2 定性趋势的提取 2 5定性趋势的识别 2 6 定性趋势分析在故障诊断中的应用 第三章趋势提取和趋势识别算法 3 1定性趋势分析技术及其相关定义 3 2 在线趋势提取 3 1 1 趋势集合的完备性 3 1 2 数据的在线分割 3 1 3 用最小二乘法拟合数据 3 1 4 趋势提取算法 3 1 5 最小二乘的程序实现 3 3趋势识别 3 2 1 识别趋势问题 3 2 2 把形状转变成半定量的剧情 3 2 3 片段的集合 v 9 9 9 0 1 1 2 4 8 3 3 5 5皤b眨睥5 5 瞎晤 1 1 t 0 u z 2 2 2 2 2 3 3 3 3 3 3 北京化t 人学硕：i ：论文 3 2 4 算法的在线执行 3 4 对原方法的改进以及阂值的设定 3 3 1 对原方法的改进 3 3 2 阈值的设定 3 3 3 改进后的趋势提取和趋势识别算法 3 3 4 趋势识别算法的实现 3 3 5 没有引入噪声的案例研究 3 3 6 引入噪声后的案例研究 3 5结论 第四章基于定性趋势分析的故障诊断应用研究 4 1 简介 4 2趋势信号、相似推理和映射 4 3基于定性趋势分析的故障诊断构架 4 4 案例分析 4 5 引入定量信息的案例 4 6基于定性趋势分析的多故障源故障诊断 4 7结论 4 8定性趋势分析的优点和不足 4 6 1 定性趋势分析的优点 4 6 2 定性趋势分析的不足 第五章结论与展望 5 1结论 5 2研究展望 参考文献 致谢 研究成果及发表的学术论文 作者及导师简介 9 0 0 1 2 4 6 0 2 3 3 4 5 6 8 2 6 6 6 6 9 9 0 1 5 7 9 3 4 4 4 4 4 4 5 5 5 5 5 5 5 5 6 6 6 6 6 6 6 7 7 7 7 7 c o n t e n t s c o n t e n t s c h a p t e rii n t r o d u c t i o n 1 1 1 q u a l i t a t i v ef a u l td i a g n o s i st e c h n o l o g y 2 1 2q u a l i t a t i v et r e n da n a l y s i s ( q t a ) 4 1 2 1 t r e n de x t r a c t i o na l g o r i t h m “4 1 2 2t r e n di d e n t i f i c a t i o na l g o r i t h m 5 1 2 3 s e t t i n gt h et h r e s h o l d 5 1 3 f a u l td i a g n o s i st e c h n o l o g yb a s e do nq u a l i t a t i v et r e n da n a l y s i s 5 1 4 m e a n i n go ft h er e s e a r c h 6 1 5 c o n t e n to ft h ep a p e r 6 c h a p t e r 2t h ed e v e l o p m e n to fq u a l i t a t i v et r e n da n a l y s i s 。9 2 1i n t r o d u c t i o n 2 2 q u a l i t a t i v es i m u l a t i o nt h e o r y 2 3 d e s c r i p t i o no f t h eq u a l i t a t i v ep r o c e s st r e n d 2 4d a t ap r e p r o c e s s i n ga n de x t r a c t i o no ft h eq u a l i t a t i v et r e n d 2 4 1d a t ap r e p r o c e s s i n g 2 4 2e x t r a c t i o no f t h eq u a l i t a t i v et r e n d 2 5 i d e n t i f i c a t i o no f t h eq u a l i t i v et r e n d ，- - - 2 6 a p p l i c a t i o no fq u a l i t i v et r e n da n a l y s i si nf a u l td i a g n o s i s c h a p t e r 3t r e n de x t r a c t i o na n dt r e n di d e n t i f i c a t i o na l g o r i t h m 3 1 q u a l i t a t i v ef a u l td i a g n o s i st e c h n o l o g ya n dr e l a t e dd e f i n i t i o n s 3 2o n 1 i n et r e n de x t r a c t i o n 3 1 1c o m p l e t e n e s so f t h et r e n ds e t 3 1 2o n 1 i n es e g m e n t a t i o no f t h ed a t a 3 1 3t h el e a s t - s q u a r e sf i t t i n gd a t a - 3 1 4t r e n de x t r a c t i o na l g o r i t h m 3 1 5r e a l i z a t i o n o f t h e l e a s t - s q u a r e s p r o g r a m 3 3t r e n di d e n t i f i c a t i o n 3 2 1p r o b l e mo f t r e n di d e n t i f i c a t i o n i x 9 9 1 0 1 1 1 1 12 1 4 18 2 3 2 3 2 5 2 5 2 6 2 6 3 2 3 4 3 5 3 5 北京化t 人学颀i ：论文 3 2 2t r a n s f o r m a t i o no fs h a p e si n t os e m i - q u a n t i t a t i v ee p i s o d e 3 8 3 2 3 a g g r e g a t i o no fe p i s o d e s 3 8 3 2 4o n l i n ei m p l e m e n t a t i o no ft h em e t h o d o l o g y 3 9 3 4 i m p r o v i n gt h eo r i g i n a lm e t h o da n ds e t t i n go ft h et h r e s h o l d 4 0 3 3 1 i m p r o v i n gt h eo r i g i n a lm e t h o d z 1 0 3 3 2 s e t t i n gs t a n d a r do ft h et h r e s h o l d 4 1 3 3 3 i m p r o v e dt r e n de x t r a c t i o na n dt r e n di d e n t i f i c a t i o na l g o r i t h m 4 2 3 3 4r e a l i z a t i o no ft h ei d e n t i f i c a t i o na l g o r i t h m 4 4 3 3 5ac a s ei ns t u d yw i t h o u ti n t r o d u c i n gn o i s e 4 6 ， 3 3 6ac a s ei ns t u d yw i t hi n t r o d u c i n gn o i s e 5 0 3 5c o n c l u s i o n 5 2 c h a p t e r4a p p l i e dr e s e a r c ho ft h ef a u l td i a g n o s i sb a s e d o nq u a l i t a t i v e t r e n da n a l y s i s5 3 4 1 i n t r o d u c t i o n ：i ：； 4 2t r e n ds i g n a l ，s i m i l a r yr e a s o n i n ga n dm a p p i n g 5 4 4 3f a u l td i a g n o s i sf r a m e w o r kb a s e do nq u a l i t a t i v et r e n da n a l y s i s 5 5 4 4ac a s ei ns t u d y 5 6 4 5c a s ew i t hq u a n t i t a t i v ei n f o r m a t i o n 5 8 4 6m u l t i f a u l td i a g n o s i sb a s e do nq u a l i t a t i v et r e n da n a l y s i s 6 2 4 7c o n c l u s i o n 6 6 4 8t h ea d v a n t a g ea n dd i s a d v a n t a g eo fq u a l i t a t i v et r e n da n a l y s i s 6 6 4 6 1t h ea d v a n t a g eo fq u a l i t a t i v et r e n da n a l y s i s 6 6 4 6 2t h ed i s a d v a n t a g eo fq u a l i t a t i v et r e n da n a l y s i s 6 6 c h a p t e r5 c o n c l u s i o na n de x p e c t a t i o n 5 1c o n c l u s i o n j 6 9 5 2r e s e a r c he x p e c t a t i o n 7 0 l i t e r a t u r ec i t e d a c k n o w l e d g e m e n t p r o d u c t i o na n d p a p e r s x 7 1 7 5 x i 7 9 第一章绪论 第一章绪论 随着科学和生产技术突飞猛进的发展，生产过程越来越朝着大型化、集成化、复 杂化、精细化的方向发展，生产的自动化程度也越来越高，生产的各个环节之间的相 互联系非常紧密，计算机在现代化工业生产中的广泛应用，大大提高了生产效率，降 低了生产成本，增加了市场竞争力，为企业和国家带来了巨大的经济效益和社会效益。 但与此同时，现代工业系统，无论是整个工厂还是单独的一个设备，都是一个大系统， 由于生产系统结构的复杂化，系统内部的不同部分之间互相联系，互相耦合，生产过 程中的一处发生故障，很有可能引起链式反应，导致整个系统的不能正常运行或者崩 溃。现代化工厂为了使得利润最大化，都是高度集成、复杂并且运行在温度和压力为 极端条件下的。所以，一旦出现生产故障不仅给工厂带来不小的经济损失，甚至严重 威胁着人身安全。 由于化工生产领域几乎涉及国民经济、资源开发和人类的衣食住行各个方面，若 生产过程出现的隐患不能及时排除，引发的灾难性事件也更为严重。近几十年，重特 大事故时有发生。如1 9 8 4 年，印度博帕尔近郊的美国联合碳化物公司的农药厂，发 生了近4 5 万吨的甲基异氰酸酯泄漏，造成2 3 7 4 人死亡，近4 万人受重伤的惨剧。同 年，墨西哥的一家炼油厂发生石油气爆炸，导致5 0 0 人死亡，7 0 0 0 多人受伤。2 0 0 5 年1 1 月1 3 日中国石油吉林石化公司爆炸据目前统计，吉林石化公司爆炸事故共造成 5 人死亡、1 人下落不明、2 人重伤、2 1 人轻伤。受爆炸事故影响，松花江发生重大 水污染事件，污染带长约8 0 公里，哈尔滨全市停水4 天，仅哈尔滨的直接损失就在 1 5 亿元左右，间接损失达数百亿到上千亿。这些灾难事故的发生给企业和国家以及整 个世界所带来的灾难是沉重的。这些灾难性的事件无时不刻不在警示我们，必须采用 有效的手段确保生产过程的安全和稳定，以减少此类事故的发生所带来的损失。人们 总希望生产过程能在很长时间内安全、可靠、无故障地运行，以取得良好的经济效益。 然而，系统的功能越先进，性能越优良，则它本身所担负的作用可能也越重要，因而 系统故障及失效所造成的后果也就越严重。 随着当前化工生产系统的复杂性不断增加1 1 1 ，对其进行监测、诊断、维修与保养 的要求也越来越高，这就使得故障诊断技术在生产中扮演着极其重要的角色。所谓的 故障诊断就是指通过足够数量测量设备观测到的数据信息、过程系统动力学模型、系 统结构知识以及过程异常变化据的征兆与过程系统故障之间的内在联系，对系统的运 行状态进行分析和判断，查明故障的发生时间、位置和故障模式1 2 1 。故障诊断是用于 北京化t 人学硕1 ：学位论文 对生产系统进行监测的有效方法，可以对过程中出现的不正常行为给予及时的报警， 帮助操作人员或工程师了解和掌握过程运行状态，确保过程的安全生产。 由于典型的现代过程都有大量的仪表仪器，这些仪器仪表会产生大量的数据。虽 然从这些过程数据中可以获得许多有用信息，但是要从众多观测的数据中实现对过程 运行情况的评估，已超出了操作员或工程师的能力范围，我们可以用一种简洁的技术 一定性趋势分析( q t a ) 技术来解决这一问题。定性趋势分析( q t a ) 是一种数据驱动 的半定量技术，已被广泛用于过程监测和故障检测和诊断( f d d ) 。定性趋势是从过 程数据中获得信息，能够获得和展示只有熟练的操作员才能掌握的定性过程知识，数 字变量的趋势是由片段组成的定性描述来象征性地描述，这种特性使得定性趋势成为 任务管理的一个有用工具，国外许多学者对定性趋势分析( q t a ) 作了深入研究。 在本章中，首先对定性故障技术做一个简介，然后对定性趋势分析( q t a ) 技术 的各项关键技术进行概括，对定性趋势分析( q t a ) 技术的两个关键算法及其改进， 基于定性趋势分析( q t a ) 的故障诊断技术简要介绍，最后阐述基于定性趋势分析的 目的和意义，并说明论文研究的主要内容，对论文结构作简单介绍。 1 一。定性故障诊断技术 控制系统故障是指系统状态出现不期望、不能容许的而且不能自恢复的偏差【2 1 。 这种偏差使系统偏离正常特性，不能按预期要求正常工作。故障检测与诊断 ( f a u l td e t e c t i o na n dd i a g n o s i s ，f d d ) 是指根据系统的症候，确定系统是否发生了 故障，确定故障的种类，故障发生的部位，并确定故障的大小以及故障发生的时间。 故障检测与诊断( f d d ) 的任务是识别故障有没有，在哪里，程度如何，怎么办。第 一个任务称为故障检测，第二个任务称为故障定位或故障分离，第三个任务称为故障 评价，第四个任务称为故障决策。后面三者统称为故障诊断。 在应用中，人们发现传统的基于定量的故障诊断分方法，往往由于故障不能用解 析模型合理地描述；系统的先验知识不完备、不确定，以致不能建立定量的系统模型； 系统知识是定性信；系统本身过于复杂，只能采用近似模型等原因而无法实现故障检 测和诊断。为了解决这个问题，采用定性的方法来进行故障检测与诊断。定性故障检 测和诊断方法的基础是定性模型和定性推理。基于定性故障检测和诊断技术是在故障 检测和诊断领域中利用定性信息形成的一种强有力的故障诊断方法，该技术可以很好 的解决定量故障诊断无法解决的问题。在过去的几十年，随着定性推理理论的不断发 展和定性方法与其他理论的不断融合，基于定性的方法取得了长足的发展。 基于定性方法的故障检测和诊断技术主要包括： 2 第一章绪论 1 基于定性仿真理论( q s i m ) 的诊断技术 这种技术采用基于故障模型的诊断策略，利用q s i m 方法对故障模型进行仿真， 从而得到预测的系统行为，然后将观测到的故障行为与这些预测行为相比较。如果预 测行为与观测的故障行为相一致，则说明系统发生故障，而预测行为与故障行为一致 的故障模型成为当前系统的模型，依据建立该模型时的先验知识，进一步诊断出故障 的种类和原因。但这种方法只适用于对所有故障都已知的系统进行故障。因而不能准 确进行故障诊断，而且由于定性描述相对于定量描述而言比较粗糙，那么可能出现不 同的故障原因对应相同的故障行为。 2 基于定性过程理论( q p t ) 的诊断技术 这种技术利用定性理论对系统的观测进行解释。该方法的输入是一组测量序列， 定量值被描述为量空间的表示形式。定性状态包括数量有限的组分，构成一种解释， 对于一组系统测量值，存在一组定性状态集与之对应，通过消减集合中的状念，得到 对系统行为的解释。但是，在待研究的系统是事先已知的情况下，现有的定性推理机 制往往显得很慢。 3 基于带符号有向图( s d g ) 的诊断技术 基于带符号有向图( s d g ) 的诊断技术认为故障诊断本质上是确定过程扰动的根 本原因，采用带符号有向图描述系统，利用存贮在s d g 图上的信息搜寻扰动可能的故 障源，从而有效识别系统扰动的原因，此方法的优势在于需要相对较少的信息来构造 带符号有向图及用于故障诊断。与其它诊断方法相比较，基于s d g 的定性仿真方法具 有建模快、诊断能力强等特点，是一类很有前途的诊断方法。 4 基于定性观测器( q o b ) 的诊断技术 基于定性观测器( q o b ) 的诊断技术，通过构造系统的定性模型，对系统行为进 行预测，将预测的结果与系统实际的输出相比较，利用差异检测衡量预测与实际之间 的差异，如果存在差异，则已检测出故障。用差异产生候选故障，反馈给定性模型， 构成故障模型，直到预测与时间输出匹配，从而诊断出故障。然而首先这种技术由于 定性模型利用不完整信息，使得预测较为保守，不能保证检测出所有的小故障；其次， 如果故障行为与观测输出的虚假行为或其他冗余行为一致，那么故障就不能检测出； 最后，需要故障知识作为先验知识，如果故障未知，那么我们只能检测出故障，而不 能进一步诊断。 5 基于定性趋势分析( q t a ) 的诊断技术 基于定性趋势分析( q t a ) 的诊断技术，利用传感器测量设备表现的趋势信息， 来做故障诊断【3 一。定性趋势分析( q t a ) 是一种数据驱动的半定量技术，有两个基本 步骤：( 1 ) 在测量阶段的趋势提取和识别；( 2 ) 根据故障剧情的趋势解释。在趋势 提取和识别阶段，从传感器数据中提取趋势，并通过趋势识别算法，来识别数据的趋 势，在趋势解释阶段，采取一种趋势匹配的策略，来匹配各种故障剧情。但由于这种 3 北京化工人学硕i ：学位论文 方法是基于数据的，在提取和识别趋势的过程中，计算的时问会限制这种方法的应用： 基于趋势匹配的故障诊断策略，也会遇到故障分辨率较低的问题，这时，需要引入定 量信息，进行半定性故障诊断，以提高故障分辨率。 1 2 定性趋势分析( q t a ) 用计算机进行定性趋势分析( q t a ) 是状态监测和故障诊断中的重要一环，趋势 可以反映系统运行状态的重要参数、发展速度，为故障的早期判定提供一个有效的手 段。定性趋势分析( q t a ) 的基本思想是把已测的信号作为一种趋势序列( 这种趋势 序列是基于基元的) ，也就是说，数据在一定的时间区间中表现出相同的行为，如上 升、下降等。定性趋势分析( q t a ) 已被广泛地用于过程状态监测、数据压缩、故障检 测和诊断。美国普渡大学率先在定性趋势分析( q t a ) 方面做了大量的研究，并把定 性趋势作为一种故障诊断的方法，并集成在g 2 中，作为一种故障推理有效的工具之 1 2 1趋势提取算法 在线趋势提取包括以下四个步骤：( 1 ) 数据在线分割成线性片段；( 2 ) 把最近 计算的片段分为七个与时间有关的区间：a 不变，b 上升，c 下降，d 正步，e 负步，f 上升下降瞬变，g 下降上升瞬变；( 3 ) 把已获得的形状转变为半定量的剧情，用三 种基元( a 不变，b 上升，c 下降) 来描述；( 4 ) 现在和以前趋势的集合。其中第一 个步骤是数据处理步骤，其他三步是趋势提取步骤。 通过分割算法，把数据分割成连续的区间形式。用局部最小二乘法( p l s ) 来拟 合区间的数据，用于检验曲线是否可以仍然被接受的技术是累积和技术( c u s u m ) ， 这种技术由观测值和当前模型差分的积分组成，以保证算法能够很快反应。定义一个 阈值，如果累积和达到这个阈值，就说明这个线性瞬时模型是不可以被接受的，这时， 就要用局部最小二乘法( p l s ) 来重新拟合一个新的数据。 4 叫做i ；不连 。然后设定两 个由基元所组 阈值的设定对于整个趋势的提取和识别有着重要的影响。在过程工业中，过程变 量的变化有其自身的特点，可大致分为上升、下降、稳态等行为，而且，过程变量的 变化是一个很慢的过程。在实际情况中，要尽量减少人的干预，我们可以利用计算机 来自动地提取趋势和识别趋势。在上升和下降过程中，数据的波动比较大：而在稳态 中，数据基本保持在一个定值，在设定趋势提取和趋势识别参数的阈值的时候，要根 据具体的实际情况( 如上升、不变等) 来考虑。本文采用分级阈值的办法来解决这个 阈值设定的问题。 1 3 基于定性趋势分析( o t a ) 的故障诊断技术 故障诊断的关键点和难点有两点：第一点是能够从传感器数据中提取数据的特 征，检测到故障。第二点是能够从诊断出系统是什么故障。而基于定性趋势分析( q t a ) 的故障诊断技术正是从传感器数据中在线提取变量的状态趋势，通过在线趋势匹配的 策略，来识别系统出现的故障，所以，和各种数据驱动的技术如专家系统，神经元网 络，多变量分析等其他故障诊断技术相比，基于定性趋势分析( q t a ) 的故障诊断技 术的简洁、直观、能够处理大规模系统及其较快诊断故障的能力，使得这种方法有着 其他方法所无法比拟的优势。 本论文在前人的工作成果的基础上，对趋势提取和识别算法做出改进，采用分级 阈值的方法，动态调整参数的阈值，使得趋势提取和趋势识别靠计算机自动地进行； 在趋势故障匹配阶段引入定量信息，以提高故障分辨率。本文还利用分级阈值的思想， 研究了多故障源的故障诊断问题。 5 北京化丁人学颂l ：学位论义 1 4 研究的意义 定性趋势分析( q t a ) 技术是一种基于过程历史数据驱动的半定量技术，基于定 性趋势分析( q t a ) 的故障诊断有着以下主要作用和意义： 1 故障本身有发展过程，发现得早，处理及时，损失小。如果延误时机，将会 造成严重经济损失，甚至引起人身事故，工况监测系统的潜在经济效益非常显著。只 有在生产安全可靠的前提下，才有可能考虑优化，追求高效益。 2 趋势可以反映系统运行状态重要参数的发展速度与趋向，可以为故障的早期 判定提供一个有效的手段。定性趋势分析( q t a ) 可以被广泛地用于过程状态监测、数 据压缩、故障检测和诊断。 3 由于基于定性趋势分析( q t a ) 的技术是一种基于过程历史数据驱动的半定量 技术，所以，基于定性趋势分析( q t a ) 的故障诊断技术的直观、简洁、能够处理大 规模系统及其较快诊断故障的能力的特点，使得这种故障诊断方法有着与其它故障诊 断方法所无法比拟的优势。 4 可以用本文提出的分级设定阈值的方法，不需要人的干预，用计算机辅助能 够动态地获得参数需要的各种阈值，从传感器数据中提取趋势。 5 当系统信息不完整，或者系统信息是定性信息，或者无法建立定量模型时， 用基于定性趋势分析( q t a ) 的方法可以检测和诊断故障。 6 对过程传感器数据可以进行趋势提取和趋势识别，可以得到过程的定性信息， 使用趋势的定性信息来进行故障诊断，由于在故障匹配阶段采取的是基于规则的匹配 策略，这种策略导致如果出现相同的趋势特征，就会出现不会诊断出故障或者误诊断 的情况，在诊断过程中，可以引入定量信息，使得趋势匹配的故障分辨率大大提高。 本文基于定性趋势分析( q t a ) 的故障诊断应用研究是和吴重光教授和张贝克副 教授领导的课题组开发的“多功能过程与控制实验系统 相结合的，从该系统中的趋 势图上获得数据，提取并识别变量的趋势，进行故障诊断的研究。 1 5 论文内容 下面主要介绍一下本论文的结构及其主要内容： 第一章：绪论。概述定性趋势分析所涉及的几个重要问题，对定性趋势分析技术， 第一章绪论 趋势提取算法，趋势识别算法以及做了简要的介绍，结合实际论述了当前定性趋势分 析的现实意义和实用价值。 第二章：定性趋势技术的发展。对定性趋势分析技术的发展历史做了详细的综述， 总结了前人的工作。详细介绍了定性趋势分析描述语言，定性趋势的提取，定性趋势 的识别，以及定性趋势分析技术的应用于故障诊断的若干重要问题。 第三章：趋势提取和趋势识别算法。对定性趋势分析技术的两个核心算法做了理 论上的深入研究并编程实现。用最d , - 乘的方法拟合曲线，从数据中提取三个基元， 由三个基元组合成七个形状，用七个形状来描述过程变量的趋势。在这种方法中，需 要设定参数的阈值，采用一种分级的策略，给出阈值设定的标准，使得参数能够动态 地获得所需要的阂值。对于带有噪声信号的数据，通过案例表明，该算法也显示出很 强的适应性。 第四章：基于定性趋势分析的故障诊断应用研究。基于定性趋势分析技术的故障 诊断，采用基于规则的方法，把获得的趋势集合映射到相应的故障中，本文提出了基 于定性趋势分析的故障诊断构架。对于故障诊断而言，基于定性趋势的故障分辨率不 高，可以加入定量信息，提高故障诊断的分辨率。案例研究证明，对于监测多变量的 复杂情况，用分级的策略可以动态地匹配各种参数所需要的阈值，说明定性趋势分析 方法具有很大的适应性。 第五章：结论与展望。通过课题研究，用定性趋势分析对过程数据进行分析，对 于趋势分析中参数的阈值，根据数据变化的情况，采用分级的策略，动态地得到参数 的阈值，使得计算机能够自动地获得定量的趋势集合，用这个趋势集合进行故障诊断， 为了提高故障分辨率，引入了定量的信息。案例表明，这种方法是很直观、简洁和高 效的。对后续工作做了展望，使得定性趋势分析技术能够用于大型工厂的故障诊断。 7 北京化工大学硕：l ：学位论文 8 2 1 简介 由于工厂的自动化程度日益增加，传感器的采样频率日益加快，计算机处理数据 能力的进步，大量的数据是可以在线获得的。人们对从过程数据中获得知识用于管理 已经显示出了很大的兴趣，比如过程监测，过程故障诊断，模式变化的检测等等。在 一个中等复杂程度的工厂中尽管可以获得已测的数据，但是管理任务对于操作员来 说，已经超出了操作员的处理能力，操作员常常面临信息过剩的问题，因此能够自动 捕获和解释知识的方法就显得很重要了，自动捕获和解释知识的方法将减轻操作员实 时决策的负担。定性趋势分析( q t a ) 就是从已测的信号中提取有用特征，把这些特 征解释成关于过程状态有意义结论的重要技术之一。由于定性趋势分析( q t a ) 涉及到 从数据中提取趋势和解释趋势，所以，必须定义一个趋势描述构架。在过去的十几年 里，很多研究员在这个领