（模式识别与智能系统专业论文）多元统计法在故障诊断中的应用.pdf

浙江人学硕十学位论文 摘要 l f 随着现代工业过程系统大型化和复杂化的迅速发展，人们迫切需要提高系统 l 的可靠性和安全性，以避免事故发生甚至系统崩溃造成的巨大经济损失。因此， 研究和开发具有集控制、监视和诊断功能于一身的过程监控系统已经成为工厂综 合自动化发展的迫切需要，具有重要的理论意义和广泛的应用价值。故障诊断技 术通过监督生产过程的运行状态，不断检测过程的变化和故障信患，并在故障发 生后，迅速定位故障源，隔离并消除故障，以防止灾难性事故的发生，同时减少 产生质量的波动，提高产品的竞争力。， 基于多元统计方法的故障诊断方法是故障诊断领域的一个重要研究分支。本 文以多元统计理论为基础，以实际工程应用为最终目标，在广泛查阅相关文献、 了解相关研究进展的基础上，系统和深入地研究了这一方法的若干重要方面。全 文由以下五章组成： 第一章为绪论，阐述了故障诊断法研究内容，各种方法的分类及发展趋势， 特别是对基于多元统计理论的故障诊断方法的发展和现状进行了完整的综述。 第二章介绍了统计方法故障诊断的基础：主丕坌堑鎏； 阳部分雹尘三墨鎏，以 及它们的一些扩展：多向主元法，多块部分最小二乘等。 第三章提出一种改进主元分析法，在线检挝当前时间窗口内过程数据的主元 - _ _ _ _ _ 一 子空间，并与稳态无故障数据的主元子空问相比较，以判断是否发生了故障。仿 真中，将改进主元法与常规主元法同时应用于田纳西过程，结果表明：对于对过 程影响较小的故障，改进主元法有更好的检测能力。 第四章探讨了多元统计法在故障分离中的应用：首先以阳纳西过程为实例检 验分块主元法的故障分离能力，然后把统计法故障诊断与符号有向图法结合，并 把这一方法应用到一个连续搅拌的化学反应釜中。 第五章总结全文并讨论了需进一步研究的问题。 浙江人! 学硕十学位论文 a b s t r a c t l n r t l o d e r n p r o c e s si n d u s t r i e s ， w i t ht h e r a p i dd e v e i o p m e n to f m a s s p r o d u c b o na n dc o m p j e x 计y ，r e j j a b j j 时a n ds e c u r j t ya r eb e j n gg r e a t | yn e e d e dt o a v o i dl a r g ee c o n o m i c a ii o s s b r o u g h tb ya c c i d e n t sa n de v e nb r e a k d o w n so f i n d u s t a ip r o d u c “o n s t h e r e f o r e ，i ti s v e r yi n l p o r t a n tf o ri n d u s t a ii n t e g r a t e d a u t o m a t o nt o r e s e a r c ha n dd e v e i o p p r o c e s ss u p e r v i s o r ys y s t e m sw h i c h i n t e g r a t et h ef u n c t i o n so fc o n t r o l ，s u p e r v i s i o na n dd l a g n o s i s f a u nd e t e d i o n ( f d ) t e c h n o i o g ys u p e r v i s e s t h es t a t u so f p r d d u d i o np r o c e s s ，d e t e c t l h e 相u c t u a “o na n df a u l t s a n di o c a t et h ef a u i ts o u r c e s t h e ni s o l a t ea n de i i m i n a t e i h e m 1 nt h i s w a nc a i a m i t i e sa r ep r e v e n t e da n df i u c t u a t i o n s o fq u a i 时o f d r o d u c t sa r er e d u c e d i nt h i s t h e s i s ，i m p o r t a n ta s p e c t so fp r o c e s sf a u i t d e t e c t i o nb a s e do n m u i t i v a r j a t es t a t i s t i it h e o 吖，w h i c hi sa n ；m p o 阳n tb r a n c ho ff d t e c h n o i o g y a r ep 怕s e n t e da n ds t u d j e ds y s t e m a t i c a n y t h em a i nw o r kc o u i db es t a t e da s f o i l o w s ： i n c h a p t e r1 ，t h em a i nc o n t e n t so ff d ，t h ec i a s s 讯c a “o n o fv a r i o u s d e l e c t i o nm e t h o d sa n dp r o s p e c t sa 陀s u m m a r i z e d ，e s p e c i a yt h eh i s t o r ya n d s t a t u sa b o u td e t e c t i o nm e t h o d sb a s e do ns t a t i s t i it h e o r y 1 nc h a p t e r2 ，t h eb a s i so fs t a t s t i c a id e t e c t i o nm e t h o d sa 陀i n t r o d u c e d ： p n c i p a ic o m p o n e n ta n a i y s j sa n dp a r t i a il e a s ts q u a r e s ，a n d t h e re t e n s j o n s ： m u i t i w a ypr i n c i p a ic o m p o n e n ta n a i y s i s ，m u i t i b i o c kp a n j a ll e a s ts q u a r e s i nc h a p t e r3 ，a ni m p r o v e dp c ai sp r e s e n t e dw h i c hc a i c u i a t e st h epr i n c i p a l s u b s p a c eo fd a t ac o i - e c t e df r o mc u r 怕n tt i m ew i n d o w a n dc o m p a 他si tw i t ht h a t f r o md a t ac o e c t e du n d e ran o r m a lc o n d m o n b o t ht h ei m p r o v e dp c aa n d c o n v e n t i o n a ip c aa r eu s e dt om o n i t o rt h et e n n e s s e ee a s t m a np r d c e s s ，t h e i r n p r o v e dp c a h a sb e t t e rp e r f o r m a n c et od e t e c tw e a kp r o s sc h a n g e s 1 nc h a p t e r4 ，f a u ni s o l a t i o nb a s e do ns t a t i s t i im e t h o d si sd i s c u s s e d f i r s t i y ，t h ef a u i ti s o l a t j o na b i i i t yo fm u n i b i o c kp r i n c i p a ic o m p o n e n ta n a i y s j sj s v浙江人学硕十学位论文 t e s t e do nt h et e n n e s s e ee a s t m a n p r o c e s s t h e np r j n c i p a ic o m p o n e n t a n a l y s i sa n ds i g n e dd i r e c t e d ( ；r a p ha r ec o m b i n e d ，a n d t h em e t h o di sa p p l i e d t oac o n t i n u o u ss t i r r e dt a n kr e a c t o r c h a p t e r5 c o n c i u d e sw i t ha s u m m a r ya n dd i s c u s s i o n s o ff u t u r ea n d p r o s p e c t i v er e s e a r c ho no p e np r o b i e m s 浙 上人学硕十学位论文 v 致谢 在硕士论文完成之际，衷心感谢导师荣冈教授多年来对我的关心 和指导。四年多的时光里，荣老师渊博的学识、严谨的学风和睿智幽 默的学者风范使我获益匪浅，是我一真以来以及今后学习和工作上的 榜样。 感谢王树青教授、王宁教授、陆建中副教授、金晓明副教授、张 建明副教授，他们给予本人很多的鼓励和帮助，在此谨向他们表示衷 心的感谢。 感谢王寅、张溥明、赵向海、宋洁蔚、王达、朱炜、洪一帆、章 鹏、高峰、裘绍翔、赵小强、张惠良、李荣雨、张奇然、吴剑强、张 建明、裴瑞凌、吕品晶等人对我的帮助和支持。与他们在学习上的交 流以及一个实验室的共同生活，给我留下了很多美好的回忆。 感谢我的父母和家人，他们总是给予我最需要的理解和支持。 王晓初 2 0 0 3 年5 月于求是园 第一章故障诊断研究概论 摘要 本章首先描述了故障和故障诊断的概念，以及故障诊断的主要内容；然后根据解析模型、 知识、和信号处理的分类分别介纠了一些故障诊断的方法：随后，综述了基丁统计方法故障 诊断的研究状况，井介圣f 了近米故障诊断领域的发展方向和i 热点问题，最后概述了全文的主 要内容。 关键词：故障故障检测故障分类故障诊断 1 1 引言 随着过程计算机控制的出现，近三十年来，过程控制技术取得了巨大的进步。 过去许多由操作工来实现的常规控制，现在已经由计算机来自动进行，并且取得 了很大的成功。在集散控制系统以及先进控制技术的帮助下，化工、石化、水泥、 炼钢、热能、海水淡化等过程都获得了巨大的效益。然而，对工厂中发生的异常 事件，做出相应的处理，仍然是操作工的责任。异常事件管理包括及时发现异常 事件，诊断出故障源以及采取相应的策略、动作使过程回复到正常、安全的操作 状念等，它是过程监控的一个重要组成部分。 但是完全依靠操作工去处理异常事件，已经变得越来越困难了。这是因为： 1 ) 异常事件种类繁多，包括过程单元损坏、老化和参数漂移等；2 ) 现代工厂过 程的规模以及复杂性导致信息量很大；3 ) 异常事件的处理必须迅速，这也增加 了问题的难度；4 ) 传感器的故障或偏移导致测量数据不完备、不可靠。 由于存在这些困难，操作工容易在故障发生时做出错误的判断，采取错误的 行动，使情况更加糟糕。工业统计显示，7 0 的工厂事故是由此类人为因素造成 的。化工厂里严重的大型事故发生频率比较低，但是小规模的故障却经常发生， 危害到人员的生命和健康，也造成了巨额的经济损失。据估计，1 9 9 5 年由于此 类原因产生的损失，仅在石化工业就达2 0 0 亿美元 n i m m o ，i 1 9 9 5 】。 所以，研究丌发具有集控制、监视和诊断功能于一身的控制系统已成为工厂 综合自动化发展的迫切需要。通过采取监督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，隔离并消除故障等手段，可 以防止灾难性事故的发生，减少产品质量的波动，提高产品的竞争力。 2 浙江人学硕十学何论文 1 1 1 故障的概念 所谓故障，指系统中至少一个特征或参数出现了较大偏差，超出了可接受的 范围。此时系统的性能明显低于其正常水平，所以难以完成其预期的功能叶银 忠，潘闩芳等1 9 8 5 1 。 故障主要分成三类：早期故障、偶然故障、损耗故障。由于设计和制造上的 缺陷造成的，在系统投入运行的丌始阶段出现的故障为早期故障。早期故障发生 率较高，但随着系统的运行会很快下降。偶然故障是由于偶然因素造成的，在有 效使用期内发生的故障，偶然故障率一般比较低。损耗故障是由于部件老化、磨 损、疲劳、维修差、粗暴操作等原因造成的，在系统运行后期发生较多，且发生 率随时间增长而逐渐上升。 从故障的相互关系来分，有单故障、多故障、独立故障、从属故障。独立故 障是指在某时刻仅涉及一个变量或一个元件的故障，常见于运行中的系统。独 立故障是指由于自身而不是由于另外一个元件引起的故障，从属故障指由于另一 个元件而不是自身引起的故障。 对于图1 1 所示的典型控制系统来说，组成控制系统的各个环节都有可能发 生故障，具体来说故障可划分为以下几种类型f 闻新，张洪钥等1 9 9 8 j ： 图1 1 典型控制系统结构简图 被控对象部件故障对象的某一子设备不能完成原来的功能 仪表故障包括传感器、执行器和计算机接口的故障 计算机软件故障包括计算机诊断程序和控制算法的故障 在计算机控制系统中，由于计算机容错技术的成熟，计算机硬件和软件的可 靠性已达到了较高水平，而传感器和执行器的故障已成为导致控制系统失效的主 要原因。掘统计，8 0 的控制系统失效起因于传感器和执行器的故障。因此，研 究传感器和执行器的故障诊断和容错控制具有重大的理论和应用价值。 第一章故障诊断研究概论 1 1 2 故障诊断的概念 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j 下常、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，得出结 论的过程。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。美国麻省理工学院的b e a r d 【b e 盯d ，r v 1 9 7 l 】首先提出了用解析冗余代 替硬件冗余，并通过系统的自组织使系统闭环稳定，通过比较观测器的输出得到 系统故障信息的新思想，标志着这门技术的诞生。 故障诊断技术是一门综合性的技术，它涉及到多门学科，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、人工智能等。故障 诊断的任务，由低级到高级，可分为四个方面的内容： 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，过程状念或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：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。 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 障的程度、大小及故障发生的时问等参数 故障决策：根据故障检测的信息和故障评价的等级，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。 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；故障的误报率和漏报率；故障定位和故障评价的准确性；故障检测 和诊断系统的鲁棒性。 1 2 故障诊断方法与分类 p m f r a n k 教授【f r a n k ，p m 1 9 9 0 】认为故障诊断方法可以划分为三类：基于 解析模型的方法、基于知识的方法、基于信号处理的方法。多数故障诊断的综述 文章 f 眦k p m ，d i n g ，s x 2 0 0 0 & b a r r y m w i s e ，n e a lb g a l l a 曲e r 1 9 9 6 】都集 4浙 j ：人学硕十。学位论文 中在某一类方法罩进行讨论，而最近v e n k a t a u s b r a l n a l l i a n v v e n k a s a s u b r a m a n i a nv ，r e n g a s w 锄y r 2 0 0 3 等人，对这三类方法作了一个比 较全面的整理。他们也提出了自己的故障诊断分类方法，但与f r a n k 的分类是基 本相同的，只是在几种方法的归属上有所差异。 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人输出信号，但很难建立被控对象的解析数学模型 时，可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 很有的途的方法。当很难建立被控对象的定量数学模型时，可采用基于知识的方 法。其中基于定性模型的方法近年来在欧洲受到高度重视，得到了迅猛发展。 1 2 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【p a t t o nrj ，c h e nj 1 9 9 4 】。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： 结构化残差( s t m c t u r e dr e s i d u a l ) 之对应，当诊断对象发生故障时 对应于每个故障，残差都有不同的部分与 这些特定部分就由零变为非零。 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 i ) ：对应于每个故障，残差向量都具 有不同的方向与之对应。 根据贱差产生形式的不同，基于解析模型的故障诊断方法又可以分为状态估 计方法、参数估计方法和等价空间方法 状态估计方法 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( 观测器) 的输出与真实系统的输出构造残 差，再对残差进行分析处理，以实现系统的故障诊断【闻新，张洪钥等1 9 9 8 。 在能够得到系统的精确数学模型的情况下，状态估计方法是最直接有效的。 参数估计方法 第一章故障诊断研究概论5 对于发生了故障的系统而言，它包括的参数可分为两类：一类是系统参数， 即描述系统动念特性的数学模型中的定常或时变参数；另一类是故障参数，即用 于描述故障信号自身特性的参数，如执行器的增益。根掘选用参数的不同，基于 参数估计的故障诊断方法可相应地分为基于系统参数估计的故障诊断方法和基 于故障参数估计的故障诊断方法。 基于系统参数估计的故障诊断方法的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。与状态估计方法 相比较，系统参数估计方法更有利于故障的分离。 基于故障参数估计的故障诊断方法首先将动态系统中的故障以一定形式的 参数表示出来，其基本思想是：对故障系统构造适当形式的包含有可调参数的状 态观测器，可调参数的初始值应当使得系统在没有故障时的观测误差和输出误差 为零，当系统发生故障时，状态观测误差和输出误差偏离零点，此时利用状念观 测误差和输出误差适当设计可调参数的调节律，对可调参数进行在线调节，使得 状态观测误差和输出误差重新回到零点，此时观测器中可调部分的输出即为故障 参数的估计结果。其优点是不但能实现故障检测与分离，而且能够同时给出故障 随时问变化的特性，为故障的评价与决策提供依据。 等价空i 目方法 等价空j 日j 方法的基本思想就是通过系统的输入、输出( 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。这些关系能够给出表示传感器输出之涮静态代数关系的直接冗余或者被诊断 对象输入输出之间的动态关系的瞬时冗余。g c m e r g e r t l e r ，j j 1 9 8 8 】用动态等价 方程产生残差序列，再利用等价方程中参数还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。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 n 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。 尽管这三种方法是各自独立发展起来的，但它们彼此之间却不是相互孤立 的，而是存在一定的相互关系。文献 m a 弘ij f ，m o n y o n p 1 9 9 4 】证明了等价空间 方法与观测器方法在结构上的等价性。文献【g a r e i a ea f m kpm 1 9 9 6 】则研究 了参数估计方法和观测器方法之间的关系，并指出由观测器方法得到的残差包含 6 浙江人学硕十学侮论文 了由参数估计方法得到的残差，因而两种方法在本质上是互补的。文献【g e r t l e r j 1 9 9 5 】指出了等价空问方法和参数估计方法之阳j 的关系。文献 sxd i n eld i n g 1 9 9 9 】则指出了等价空间方法、观测器方法和因式分解方法的设计参数之间的新 型关系，并以此为基础，对基于等价关系和基于观测器的残差发生器的参数设计 中遇到的典型问题，提出了一种统一的解决方法。 1 2 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 生命力。它的发展大致经历了两个阶段【吴今培1 9 9 9 】：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，基于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 和专家系统法等。 神经网络法 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，自动产生的知识由网 络的结构及权值表示，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f 日j 的相互作用实现的。网络同一层的推 理是并行的，不同层的推理是串行的。由于同层内神经元的数目远大于层数，因 此，从总体上来讲，神经网络的推理是并行的，速度快。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一样本的输入模式，则输出也会接近学 习样本的输出模式，这种性质使神经网络具有联想记忆能力。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 b e m i e r ia ，m d a p u z z o 1 9 9 4 】。 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积累起来的宝 第一章故障诊断研究概论 7 贵经验，只能利用一些明确的故障诊断实例，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。 模糊诊断法 模糊诊断不需要建立精确的数学模型，适当运用隶属函数和模糊规则，进行 模糊推理就可以实现模糊渗断的智能化。p e t e r 等人p e t e r b ，f i s h e r m 一1 9 9 8 】运用 t a k a 醇s u g e n o 型模糊模型研究了工厂级换热器网络故障诊断，他们的研究还表 明这一方法可用于传感器故障的检测与分离。 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，由时域、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【肖德辉1 9 8 5 】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“( 中问事件) 连接起来，再对这些中问事件进行分析，直至基本事件( 最基本的 原因) ，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，因而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 理论上还是在工程上应用都很广泛。 专家系统是人工智能的一种技术，它通常由三个部分构成：( 1 ) 数据基：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 ) 8浙江人。学硕+ 学位论文 知识基：它存储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，迸行过去只有专家才能完成的高级任务。 专家系统自1 9 8 2 年起，开始在核反应器系统、电力系统的故障诊断中得到 初步的应用，随后人们丌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【r e h b e i nd ，e ta 1 1 9 9 2 & 靳小桂1 9 9 0 。 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，易于修改它的知识基，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，如知识获取“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 的专家系统是用串行方式，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， 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 不能在实例系统中自我完善，知识获取时专家知识具有不一致性、不完全性和不 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j b j 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念出发得到的系统状态。f r a n k 【f r a l l k p m 1 9 9 5 1 提出了种新颖的知识观测器的概念，类似于基于解析模型的方法中的状 念观测器和k a j m a n 滤波器。知识观测器由四个部分组成：定性模型、差异检测 器、候选人发生器( c a n d i d a t eg e n e r a t o r ) 和诊断策略，其中定性模型是知识观测器 的核一心。 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状态和计算状 第一章故障诊断研究概论 9 念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 的故障诊断策略可分为两类：一类是基于故障模型，一类是基于正常模型。前一 类应用故障模型来辨识故障元部件的故障方式，这种方法假设了所有故障模式均 为已知。后一类则不必事先知道元部件如何发生故障即可辨识故障元部件。它以 被诊断系统的正常行为模式为基础，借助于推理算法得到系统行为的所有可能的 预测值。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 2 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。除这些简单地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。将各诊断方法所得的结果加以综合，得到故障诊断的总体结果称为全局诊断 融合，对局部全局融合方案的实现，可以采用模糊推理的方法或用m a r y 理 论进行决策。 小波变换法 小波变换是8 0 年代后期发展起来的应用数学分支，最初由法国学者 d a u b c c l l i e s 和m a l e t 引入信号处理领域、它具有许多优良的特性。文【叶吴，王 桂增等1 9 9 7 1 给出了三种基于小波变换的故障诊断方法：利用观测信号的奇异性 进行故障诊断、利用观测信号频率结构的变化进行故障诊断、利用脉冲响应函数 的小波变换进行故障诊断。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，是一种很有前途的故障诊断方法。 多变量统计法 1 0 浙江人+ 学硕十学何论文 工业生产过程中存在着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。由于变量间的高度 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、故障检测及诊断并无裨益。以主元分析( p r m c i p l ec o m p o n e n t a n a l y s i s ) 和部分最小方差( p a r t i a l l e a s t s q u a r e ) 为代表的多元统计方法【e b m a n i n ，a j m o r r i s ，e ta 1 1 9 9 6 1 ，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。下节罩详细地回顾了多元统计故障诊断的发展情况。 1 - 3 多元统计法故障诊断发展 多元统计过程控制从一开始的单变量或一系列独立多变量的控制图，发展到 多变量投影方法( 包括主元分析和部分最小二乘) ，h o s k i n se t c 【h o s 虹n s ，j c ， k a l i y u r ，k m ，1 9 9 l 】和n o m i k o sc t c n o m i k o s ，p ，m a c g 帕g o r ，j 1 9 9 4 】等人研究了 多变量统计过程控制与神经网络结合的方法。文献中大量报道了p c a 和p l s 的 成功应用，文 m a c g r e g o r ，j f ，m a r l i n ，t e ，e ta 1 1 9 9 1 & m a c g r e g o r j f ，j a e c k l e c e ta 1 1 9 9 4 & m a c g r e g o r ，j f ，k o 删，t 1 9 9 5 】综述了这两种方法在过程分析、 控制、故障检测与诊断中的应用。 b e s t a f 0 r e s t a ，j v ，m a c g r e g o r ，j f ，e ta 1 1 9 9 1 】较早地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 【n o m i k o s ，p ，m a c g r e g o r ，j 1 9 9 4 应用多向主元法把多变量投影方法扩 展到间歇过程。为了处理过程的非线性，q i n 【q i n ，s j ，m c a v o y ，t j 1 9 9 2 】提出 把神经网络与p l s 结合的方法，d 0 n g f d o n g ，d ，m c a v o y ，t j 1 9 9 6 】提出一种非 线性p c a 法去处理问歇过程的非线性。m a c g r e 9 0 r 【m a c g r e g o rj f ，j a e c k l e c 1 9 9 4 1 提出一种多块p l s 法，这是一种具有层次性的多变量监控方法，可以更好 地定位过程中故障的来源。r a i c h 【r a i c h ，a ，c i n a r ，a 1 9 9 6 】提出一种p c a 和辨别 分析结合的综合统计方法，以角度辨别的基础，这种方法在一些基于长度的辨别 方法精度不够的情况下有较好的表现。 化学计量学( c h e m o m e 仃i c s ) ，是波谱学里用于将大量数据压缩成有用信息的 方法，近年来已经成功地运用于化工过程( k a s p a r ，m h ，r a y ，w h 1 9 9 2 & p i o v o s o ，m j k o s a n o v i c h ，k a 1 9 9 2 】。这些方法利用过程历史数据得到统计模 型，突发事件可以通过过程数据显著偏离标称模型而检测出来。文 p i o v o s o ，m j ， k o s a n o v i c h ，k a1 9 9 2 1 考虑利用化学计量法作为个多变量分析仪，来提供一个 第一章故障诊断研究概论 化工过程操作状态的复合测量。他们用p l s 建立了过程的主要效应之间以及这 些效应和其它过程传感器之问的关联，然后用p c a 建立尚未被那些主要效应计 算在内的过程特性。d u i l i a 【d u l l 通r ，q i n ，s j 1 9 9 6 使用p c a 通过重建进行传感 器故障检测和识别，他们的研究中，为了进行验证，假设过程中一个传感器失效， 然后通过p c a 模型利用其它传感器测量结果进行重构，这个过程延续至所有的 传感器都得到验证为止。 基于p c a 的监控方法的一个主要缺陷是过程模型是时不变的，但是绝大多 数的实际过程是时变的，因此p c a 模型也应该逐步得到更新。一个全面的递推 p c a 更新应该包括：平均值、协方差、主元、主元的个数，以及t 2 和s p e ( 平均 预测误差) 统计量的闽值。“ l i ，w ，y u e ，h2 0 0 0 】提出了一个用i 沁k - o n e 修正和 l a u c z o s 三角化法做递推p c a 的算法，还把这种算法用于一个热退火过程的自适 应监控。q i n f q i n ，s 1 9 9 8 】提出了一个类似的用于自适应建模的递推p l s 算法， 仿真结果显示此法在内存需求和运算速度方面比传统p l s 法有了显著的改善。 文中分别运用基于移动窗口的自适应和基于遗忘因子的自适应方法，对一个催化 重整装置进行自适应建模。另外，通过在数据矩阵中引入时滞变量的方法，k u w k u w ，s t o r e r r h 1 9 9 5 】提出了一种动态主元法( d ) r 1 1 a m i c p c a ) ，可以去除一 般主元法中，要求各个测量点独立的假设，方便地提取出数据之间的动态关系。 q i n q i n ，s ，& l i ，w 1 9 9 9 讨论了带故障传感器的检测、辨识和重构，并用 最大敏感度结构化残差法( s r a m s ) 进行传感器验证，这种基于p c a 的方法成功 运用于准稳态过程( 没有剧烈瞬间变动) 。这些结构化残差中的每一个都对一个( 或 一组) 特定的故障不敏感，而对其它的故障比较敏感。s p a m s 法用指数加权移动 平均平滑噪声和瞬间波动，用广义化似然比( g l r ) 、累积和( c 啪l l l a t i v es 哪) 、累 积方差等指标进行各种类型传感器故障的识别。 d u n i a d 吼i a ，r ，& q i n ，s j 1 9 9 8 】提出一种分析故障子空间的方法进行过程 和传感器故障检测，还讨论了可检测性( 故障的发生) 的必要和充分条件，部分和 完全可重构性( 故障存在时测量变量的重构) ，可识别性( 确定是一组故障中的哪一 特定的个) 以及部分和完全从其它故障中分离出来的可分离性，并通过把该方 法用于个包含两个分离塔的分离过程来予以说明。w a c h s 【w h s ，a ，l e 、i n ，d - r 1 9 9 9 1 也用改进主元法进行故障识别，他把最后几个主元分值递推累加起来， 建立描述性统计量进行过程监控，还通过用最优时间移位来提高识别率。 p c a 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 【b a k s h ib r 1 9 9 8 1 。p c a 可以捕捉过程变量问隐含关系，小波分析可以提取过程 趋势特征，这样多尺度p c a 既能捕捉过程变量大范围的波动，也能捕捉过程变 2浙江大学硕士学位论文 量的细小波动，展示了多尺度p c a 方法在过程监视和故障早期侦破中良好的应 用盼景。多尺度p c a 的四个步骤是：( 1 ) 测量数据的小波分解；( 2 ) 在各个尺度 上，对小波系数进行p c a 分析，并选择需要保留的主元个数；( 3 ) 运用保留的主 元和重构小波系数的阈值进行小波系数的重构；f i v ) 用逆小波变换对数据进行重 构。监控过程通过在各个尺度上计算t 2 和s p e 统计量的阈值来实现，缓慢的变 化可以在较粗糙的尺度上发现，快速的变化可以在比较精细的尺度上发现。另外， 影响过程测量的变化( 但是还满足p c a 模型) 可以通过1 r 2 统计量发现，改变p c a 模型的故障可以通过s p e 统计图来发现。 如以上讨论所示，p c a 法的改进主要表现为：使这个基于统计的方法能更 适应过程的时变特性，提高诊断方法的分辨率。这种改进还可以满意地运用于准 稳态过程，但它当过程存在显著的动态特性时，它们的应用效果还需要进一步测 试。还有，这些方法对监控对象过程出现较小的结构变化时的适应性也需要进一 步测试。尽管有一些研究试图改善基于p c a 方法的分辨率特性，但是它们还只 能局限于线性可加故障，至于它们对于其它类型故障的检测能力也还需要进一步 的研究。 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， 它们可以处理高维相关数据，且发现其中存在的非正常状态。但是，它们没有用 于诊断的标记，这使得它们难以用于故障分离。当然也有一些方法，如贡献 图和多块方法等，但是到目前为止还没有完整的解决方法。也有人想把基于模型 的方法和多变量统计方法结合起来，g e n l e r 【g e m e r j ，m “o y ，t j 1 9 9 7 】证明了 p c a 和等价关系之间存在着紧密的对偶关系。为了把结构化残差引入到p c a 中， 他们提出了增强型p c a 法。他们还证明了主元模型和子空间形式表示的等价关 系之洲存在对偶关系，以及可能定义一个与用予空间形式表示的变换等价关系相 联系的部分p c a 模型。这些等价关系对故障的某个特定子集敏感，这样就有可 能通过设计一系列这样的部分p c a 模型，产生一个类似于基于模型方法的结构， 使这种方法具有故障分离能力。 1 4 化工过程故障诊断发展趋势 1 4 1 多故障诊断技术 故障诊断问题实际上是由征兆空间到故障空间的一种映射关系，这里所说的 映射是一种多对多的复杂映射；多种征兆对应于一个故障，一种征兆同时也对应 第一章故障诊断研究概论 1 3 着多个故障。现存的故障诊断方法中大多数都假定在任意给定时间内只有一种故 障，但实际生产过程中确实存在着多故障现象。对操作员而言，这种多故障现象 增加了判断与识别故障根本原因的难度，从而更易于导致灾害性事故的发生。因 此研究多故障诊断技术具有很强的实际意义。