（电工理论与新技术专业论文）基于支持向量机的流程工业故障诊断方法研究.pdf

东北大学硕士学位论文 a b s t r a c t 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 d sf o rp r o c e s si n d u s t r yb a s e d o ns u p p o r tv e c t o rm a c h i n e a b s t r a c t t h ep r o c e s sm o n i t o r i n ga n df a u l td i a g n o s i ss y s t e mi so n eo ft h em o s ti m p o r t a n t s u b s y s t e m so ft h ec i p s ( c o m p u t e ri n t e g r a t e dp r o c e s ss y s t e m ) w i t ht h ep r o g r e s so fm o d e r n i n d u s t r i e si nl a r g e s c a l ea n di n t e g r a t i o n ，p r o c e s s e sh a v eb e c o m em o r ea n dm o r ec o m p l e xa n d c o n t a i nal a r g en u m b e ro fm e a s u r e dv a r i a b l e s o n c ef a u l to c c u r s ，t h e r ew i l lb ec a s u a l t i e sa n d s i g n i f i c a n te c o n o m i cl o s s e s t h e r e f o r e ，t h ep r o c e s s i n gm o n i t o r i n gf a u l td i a g n o s i sh a sb e e n b e c o m eo n eo ft h em o s ta c t i v er e s e a r c ha r e a si np r o c e s sc o n t r 0 1 i ff a u l tc a nb ed e t e c t e da n d d i a g n o s e di ng o o dt i m e ，t h es a f e t yo fp r o c e s so p e r a t i o ni si m p r o v e d ，p r o d u c t i v i t yl o s si s r e d u c e da n dp r o d u c tq u a l i t yi se n h a n c e d m e a n w h i l e ，w i t ht h ed e v e l o p m e n to ft h ec i p s a g r e a ta m o u n to fp r o c e s sd a t ac a l lb es a m p l e da n dc o l l e c t e d t h ef a u l td i a g n o s i sm e t h o d sb a s e d o na r t i f i c i a l i n t e l l i g e n c e a n dm a c h i n el e a r n i n gw h i c ha r e i n d e p e n d e n t o nt h ee x a c t m a t h e m a t i c sm o d e l sc a nm a k et h eb e s to ft h e s em e a s u r e ds a m p l e s ，a n db eg i v e nm o r e a t t e n t i o ni nt h ef i e l d so fp r o c e s sm o n i t o r i n ga n dt h u l td i a g n o s i st h ef a u l td i a g n o s i sm e t h o d b a s e do ns u p p o r tv e c t o rm a c h i n er e s e a r c h e di nt h et h e s i si sf o r m e db yu s i n gs u p p o r tv e c t o r m a c h i n ea l g o r i t h mi n t of a u l td i a g n o s i st e c h n i q u e ，w h i c hi so n eo ft h ey o u n g e s tt h e o r i e so f a r t i f i c i a li n t e l l i g e n c ea n dm a c h i n el e a r n i n g i n t h i st h e s i s ，t h e p r i n c i p l e so fe x p e r i e n t i a lr i s km i n i m i z a t i o na n ds t r u c t u r a l r i s k m i n i m i z a t i o n ，t h e o r e t i c sc o n t e n to fs t a t i s t i c sl e a r n i n gt h e o r ya n ds u p p o r tv e c t o rm a c h i n ea r e s t u d i e d f u z z ys u p p o r tv e c t o rm a c h i n ei sd e s i g n e db yc o m b i n i n gf u z z yt h e o r ya n ds u p p o r t v e c t o rm a c h i n e f o rs e l e c t i o no ff u z z ym e m b e r s h i pg r a d e s ，r i s kf u n c t i o n sb a s e do nl o s sa r e i n t r o d u c e dt or a i s et h ec o r r e c tr a t eo ft h ef a u l td i a g n o s i s a n da d v a n t a g e si nt h es l i g h tf a u l t d i a g n o s i s ，b a l a n c i n gd i f f e r e n tl o s sb e t w e e nf a l s e - a l a r ma n dm i s s i n g a l a r ma r ep r o v e da f t e r s o m et e s t s d u et ot h e r ea r es e v e r a lf a u l t si np r a c t i c a lf a u l td i a g n o s i sp r o b l e m s ，m u l t i c l a s sc l a s s i f y a l g o r i t h m sa r ed i s c u s s e d ，s u c ha so n ea g a i n s tr e s t ，o n ea g a i n s to n e ，d e c i s i o nd i r e c t e da c y c l i c g r a p h ，e r r o r c o r r e c t i n go u t p u tc o d i n g ，a n dh i e r a r c h i c a lb i n a r yd e c i s i o nt r e e an e wm e t h o df o rt h ep r o c e s sf a u l td i a g n o s i s ，n a m e dp r o c e s sf a u l td i a g n o s i sb a s e do n s u p p o r tv e c t o rm a c h i n e ，i sp u tf o r w a r d a n dt h e ni ti su s e di nt h et y p i c a lp r o c e s si n d u s t r i e s s u c ha sc h e m i c a la n d m e t a l l u r g yp r o c e s s t h r o u g h t h ee m u l a t i o n e x p e r i m e n t a t i o n o n t e n n e s s e ee a s t m a np r o c e s s ，t h en i c ep e r f o r m a n c eo ft h i sm e t h o di sv a l i d a t e d ，a n da d v a n t a g e 1 1 1 东北走学硕圭学位论文 a b s t r a c t i ns o l v i n gf e ws a m p l e sp r o b l e mi ss h o wb yc o m p a r i n gw i t ha r t i f i c i a ln e r v en e t w o r k a n dt h e n ， g o o dt e s tr e s u i t sa r eg o t t e na f t e ra p p l y i n ga n de x p e r i m e n t i n go nb l a s tf u r n a c ef a u l t s t a t e d i a g n o s i s i ti sc o m et h a tt h em e t h o df o rt h ep r o c e s sf a u l td i a g n o s i sb a s e do nf u z z ys u p p o r t v e c t o rm a c h i n ei se f f e c t i v ea n dv i a b l ei na p p l i c a t i o n k e yw o r d s ：p r o c e s si n d u s t r y , f a u l td i a g n o s i s ，s u p p o r tv e c t o rm a c h i n e ，f u z z yt h e o r ) , t e n n e s s e ee a s t m a np r o c e s s ，b l a s tf u r n a c es t a t e 独创声明 本人声明所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加 以标注和致谢的地方外，不包含其他人已经发表或撰写过的研究成果，电不包括本人为 获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论 文中作了明确的说明并表示诚挚的谢意。 学位论文作者签名：劾9 签字同期：。kf 溺闩a 园 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即 学校有权保留并向困家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借 阅。奉人同意东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交 流。 ( 如作者和导师同意网上交流，请在下方签名：否则视为不同意) 学位论文作者签名- 钢 引币签名 签字日期：皮髓踔；l 擎q 签字日期 东北大学硕士学位论文第一章绪论 第一章绪论 1 1 研究背景及意义 1 1 1 流程工业过程控制 流程工业包括石油、冶金、电力、轻工、制药、环保等在国民经济中占主导地位的 行业。流程工业生产过程大多为连续型或间歇连续型，工艺过程连续，流程稳定，生产 过程主要通过调整工艺参数、控制设定点、选择控制优化算法等来控制，以达到生产过 程安全、稳定、均衡、满负荷、优质、高产、低耗、清洁化的目标。因此先进过程控制 ( a p s ) 和生产过程动态监控系统极其重要。流程工业大都伴有物化反应、生化反应、 相变反应等复杂过程，现场实时数据复杂，在线检测难度大，实时数据采集的准确性非 常重要。流程工业生产过程中的关键设施多为大型设备，智能化生产资源调度和优化是 流程管理系统的核心。主要原料及辅助原料为断续补充型，生产过程中的能源供应( 电、 水、蒸汽、风等) 也是连续且必须的，能源管理与节能成为成本核算关键，物料配方直 接影响产品生产，供应链的管埋模式有新的特点，产品相对稳定且随生产过程控制参数 ( 温度、压力等) 的不同而不同。产品质量控制，丰要决定于生产过程中控制点1 艺参 数控制的准确性。流程系统中的实时数据采集，建立实时数据库并和生产经营管理中的 关系数据库相结合是流程系统的又一特点。流程工业中的生产调度是生产指挥的中心， 是生产计划分解协调、进行能源、原材料、产品调度、综合平衡的中心枢纽，是实现全 厂均衡、稳定、高效生产以求获得最大经济利益的关键。我国流程工业的1 4 ：值占令幽工 业总，“值的7 0 以上，流程工业的发展状况直接影响国家的经济基础。由于全球性激烈 的商业竞争，对在制造业中占据举足轻重地位的流程工业企业在产品的质量、成本、交 货期等方面提出越来越高的要求。为了提高流程工业竞争力，综合自动化系统受到高度 重视【“。 当代流程工业的发展是两种趋势并存：种是向大型化、连续化方向发展，另一种 是向精细化方向发展。这两种方向产生了连续生产过程和间歇生产过程两类重要的生产 方式。对于这些复杂生产过程的控制，面临着一系列不能用传统方法解决的新问题f 2 】： 1 ) 不确定性的广泛存在。不确定性包括对象的不确定性和环境的不确定性。在化 学工业牛产过程中，往往同时进行着物理、化学、生物的反应。过程的内部机理不甚清 楚，系统往往是多变量、强耦合、高维数的，且存在着非线性、时变性、不确定性和不 东北犬学硕士学位论丈第一章绪论 完全性，难以用常规的数学工具建模并研究这些对象。即使经过各种人为假设后建立了 数学模型，也与实际情况相筹甚远而难于得到好的效果。这些生产过程往往处于复杂的、 动态变化的，难于预先知道的环境中。存在大量不确定凶素，如环境的动态变化、输入 输出信息中的噪声、人为的和自然的干扰与误差等。 2 ) 信息形式多样化，信息量庞大。输入输出信息方式多样，包括图像、图形、文 字、卢音、数字等多媒体形式，所需采集和处理的数据量庞大。 3 ) 系统功能要求越来越高。控制任务不只是局限于底层的反馈系统调节( 定值) 、 伺服( 跟踪) 问题，而且要求监控、优化、诊断、调度、规划以及适应环境变化。系统 往往具有多层次、多目标的控制要求。控制中的计算复杂性增加，且不限于数学公式的 表达和数值计算，而要将人们的经验、知识容纳进去。 这些问题的出现，促使理论研究的重点逐步向过程工业的更高层次协调、监督控制 利组织管理等方向转移。从而使过程控制从原有的装置控制进入到集控制、优化、调度、 管理为特征的多层次、多模式、多视图的生产全过程综合自动化模式。即现今的过程工 业生产已不再是一个个“自动化孤岛”的简单集合，而是自动化技术、信息技术、计算 机技术和各种生产技术的集合。综合自动化就是在计算机通讯网络和分布数据库支持 下，实现信息与功能的集成，进而充分调动以人为主要因素的经营系统、技术系统及组 织系统的集成，最终形成一个能适应生产环境不确定性和市场需求多变的全局优化的高 质量、高效益、高柔性的智能生产系统。图1 1 ( r r e n g a s a m y ，1 9 9 5 ) 给出了工业过程 计算机集成过程系统( c i p s ，c o m p u t e ri n t e g r a t e dp r o c e s ss y s t e m ) 结构示意图1 。由图可 i 刳1 1j ：业过程计算机集成过程系统 f i g1 1 t h ec o m p u t e ri n t e g r a t e dp r o c e s ss y s t e m 东北大学硕士学位论文 第一章绪论 见，过程监控与故障诊断部分是c i p s 的一个重要组成部分，也是近年来的一个研究热 点。 事实上，由于过程工业规模的不断扩大，控制系统复杂性的f i 益增强，建厂投资数 额的巨大，市场竞争的剧烈，迫使人们不得不考虑过程生产的可靠性和安全性。如果过 程出现了故障不能及时排除，有可能会造成巨大的经济损失。因此，对过程进行监控有 着非常重大的意义，同时也是保证企业在瞬息万变的市场经济中保持不败的一个重要手 段。 1 1 2 故障诊断的意义 在现代化生产中，生产过程的任何故障不仅直接影响产品的产量和质量，而且还可 能造成严重的设备和人身事故。长期的生产实践使人们认识到，要使机组设备安令、可 靠、有效地运行，充分发挥其效益，必须发展过程监测和故障诊断技术。 早在1 9 6 7 年，美国国家宇航局( n a s a ) 就创立了美国机械故障预防小组m f p g ， 标志着故障诊断技术的诞生，日本和欧洲的一些发达国家也相继丌展了故障诊断技术的 研究和应用。由于故障诊断技术所产生的巨大的经济效益和潜在价值，并且与生产实际 密切相关，因而自诞生之f = 1 起便受到广大研究人员的重视，并得以迅速发展，其应用领 域也由最初的航天、军事和核能等尖端工业部门扩展到电力、化工、冶金等常规工业部 门【4 。 流程工业系统不断增大，运行参数越来越高，自动化系统的规模越来越大。这一方 面提高了系统的运行水平，为生产带来了可观的经济效益，另一方面，影响系统运行的 因素随之增多，故障造成的损失随之增大。因而安全生产问题更加受到人们的重视，对 诊断系统的要求更加严格，如提高灵敏度，实现早期故障诊断，提高诊断系统的推广性 等等，这样就需要研究更加有效的故障诊断方法，故障诊断也成为现阶段过程控制的重 要研究课题”l 。 现实的生产问题要求研究更加有效的故障诊断方法，故障渗断技术也在这种要求下 不断发展。对于任何学科和技术的发展，总是要经历一个从零星的、局部的和不系统的 探讨，到大量的、整体的和系统研究的历史发展过程。故障诊断技术经过近4 0 年的发 展，已逐步成为一门综合性的新学科故障诊断学，涉及信号处理、统计数学、模式 识别、计算机技术、机械工程、能源动力、电子技术与人工智能等若干领域1 5 j 。 基于上述考虑，本文旨在提出- - k e e 有效的流程工业的故障渗断方法，以获得较准确 的诊断诊断结果和较高的诊断效率，这对于当今越来越复杂的流程工业系统是非常有意 1 东北大学硕士学位论文 第一章绪论 义的。针对流程工业系统的故障诊断的小样本问题，提出运用基于统计学习理论的支持 向量机方法进行故障渗断研究，根据国内外对故障诊断技术及支持向量机的研究试验表 明，这种方法是有效和可行的，对流程工、毗的故障诊断系统的研究与丌发有着重要的理 论和现实意义。 1 2 支持向量机的发展与应用 支持向量机( s u p p o r t v e c t o r m a c h i n e ，s v m ) 是由b o s e r ，g u y o na n d v a p n i k 于1 9 9 2 年在c o l t - 9 2 上首次提出的 6 】，以其良好的理论背景，结构风险最小化( s r m ) 原则为 机器学习提供了崭新的方向，从而得到了迅速的发展，现在已经在许多领域都取得了成 功的应用【7 | o s v m 虽然是一项非常年轻的机器学习理论，但其发展可追溯到上个世纪中期，其 奠基者v a p n i k 早在6 0 年代就丌始了统计学习理论的研究，1 9 7 1 年，v a p n i k 和 c h e r v o n e n k i s 提出了s v m 的个重要的理论基础v c 维理论。1 9 8 2 年， v a p n i k 进一步提出了具有划时代意义的结构风险最小化原理，堪称s v m 算法的基石。1 9 9 2 年， b o s e r ，g u y o na n dv a p n i k ，提出了最优边界分类器。1 9 9 3 年，c o r t e s 和v a p n i k 进一步 讨论了非线性最优边界的分类问题。1 9 9 5 年，v a p n i k 完整地提出了s v m 分类器。1 9 9 7 午，v a p n i k ，g o k o w i c h 和s m o l a 详细介绍了基于s v m 方法的回归算法和信号处理 方法。由于s v m 算法的潜在的应用价值，吸引了国际上众多的知名学者，近几年对其 理论研究小断深入，出现了许多发展和改进的支持向量机算法。 s v m 理论发展非常迅速，但与其理论研究相比，应用研究则相对比较滞后，目前 只有较有限的实验研究报道，且多属仿真和对比实验8 1 。在模式识别方面最突出的应用 研究足贝尔实验室对美国邮政手写数字库进行的实验，用s v m 的方法得到的识别结果 明显优于决策树和多层神经网络【9 。2 1 。相芙的应用对笔迹进行在线识别，人脸检测定位。 其它实验领域还包括文本识别、人脸识别、三维物体识别、遥感图像分析等，应用大都 集中于图像处理领域。随着其理论的发展，应用范围也不断拓宽，除了分类、识别问题 之外，还涉及到控制、建模、预测、综合评价、知识获取等领域，这也说明其应用范围 是非常宽广的，是一项很有发展前途的技术。 l _ 3 本文主要研究内容 智能故障诊断的核心是有效地获取、传递、处理、再生和利用诊断信息，从而具备 对给定环境下诊断对象进行准确的状态识别和状态预测的能力。当前，智能故障诊断理 东北大学硕士学位论文第一幸绪论 义的。针对流程1 业系统的故障诊断的小样本问题，提出运用基于统训学习理论的支持 _ 量机方法进行故障渗断研究，根据国内外对故障诊断技术及支持向量机的研究试验表 明，这种方法是有效和可行的，对流稃工、k 的故障诊断系统的研究与丌发有着苹要的理 论和现实意义。 1 2 支持向量机的发展与应用 支持向量机( s u p p o r t v e c t o r m a c h i n e s v m ) 是由b e s e r ，g u y o n a n d v a p n i k 于 9 9 2 年在c o l t - 9 2 上自次提出的 6 1 ，以其良好的理论背景，结构风险最小化( s r m ) 原则为 机器学习提供了崭新的方向，从而得到了迅速的发展，现在已经在许多领域都取得了成 功的应用【7 1 。 s v m 虽然足一项非常年轻的机器学习理论，但其发展可追溯到e 个世纪中期，其 奠基者y a p n i k 甲在6 0 年代就丌始了统计学习理论的研究，1 9 7 1 年，v a p n i k 和 c h e r , , o n e n k i s 提 了s v m 的一个重要晌理论基础v c 维理论。1 9 8 2 年， v a p n i k 进一步提出了具有划时代意义的结构风险最小化原理，堪称s v m 算法的基石。1 9 9 2 年 b o s e r ，o u y o na n dv a p n i k ，提出了虽优边界分类器。1 9 9 3 年，c o r t e s 和v a p n i k 进一步 讨论了非线性最优边界的分类问题，1 9 9 5 年，v a p n i k 完整地提山了s v m 分类器。1 9 9 7 年，v a p n i k ，g o k o w i c h 和g m o l a 详细介绍了基于s v m 方法的网归算法和信弓处理 法。由于s v m 算法的潜在的应用价值，吸引，国际上众多的知名学者，近几年对其 理论研究小断深入，出现了询。多发展和改进的支持向量机算法。 s v m 理论发展非常迅速，但与其理论研究相比，应用研究则相对比较滞后，目前 只有较有限的实验研究报道，且多属仿真和对比实验j 。在模式识别方面最突出的应用 研究是贝尔实验室对美国邮政手写数字库进行的实验，用s v m 的方法得到的识别结果 叫罹优于决策树和多层神经网络 9 - 12 】。相关的应用别笔迹进行在线识别，人脸检测定位。 其它实验领域还包括文本u 别、人脸识别、i 维物体识别、遥感罔像分析等，应用大都 集中于图像处理领域。随着其理论的发展，应用范围也不断拓宽，除了分类、识别问题 之外，还涉及到控制、建模、预测、综合评价、知识获取等领域，这也晓明其应用范围 是非常宽广的，是一项很有发展前途的技术。 1 3 本文主要研究内容 智能故障诊断的核心足有效地获取、传递、处理、再，上和利用诊断信息，从而具备 对给定巧境下诊断对象进行准确的状态识别和状态预测的能力。当前，智能故障诊断理 对给定环境下诊断对象进行准确的状态识别和状态预测的能力。当莉，智能故障诊断理 东北大学硕士学位论文 第一章绪论 义的。针对流程工业系统的故障诊断的小样本问题，提出运用基于统计学习理论的支持 向量机方法进行故障渗断研究，根据国内外对故障诊断技术及支持向量机的研究试验表 明，这种方法是有效和可行的，对流程工、毗的故障诊断系统的研究与丌发有着重要的理 论和现实意义。 1 2 支持向量机的发展与应用 支持向量机( s u p p o r t v e c t o r m a c h i n e ，s v m ) 是由b o s e r ，g u y o na n d v a p n i k 于1 9 9 2 年在c o l t - 9 2 上首次提出的 6 】，以其良好的理论背景，结构风险最小化( s r m ) 原则为 机器学习提供了崭新的方向，从而得到了迅速的发展，现在已经在许多领域都取得了成 功的应用【7 | o s v m 虽然是一项非常年轻的机器学习理论，但其发展可追溯到上个世纪中期，其 奠基者v a p n i k 早在6 0 年代就丌始了统计学习理论的研究，1 9 7 1 年，v a p n i k 和 c h e r v o n e n k i s 提出了s v m 的个重要的理论基础v c 维理论。1 9 8 2 年， v a p n i k 进一步提出了具有划时代意义的结构风险最小化原理，堪称s v m 算法的基石。1 9 9 2 年， b o s e r ，g u y o na n dv a p n i k ，提出了最优边界分类器。1 9 9 3 年，c o r t e s 和v a p n i k 进一步 讨论了非线性最优边界的分类问题。1 9 9 5 年，v a p n i k 完整地提出了s v m 分类器。1 9 9 7 午，v a p n i k ，g o k o w i c h 和s m o l a 详细介绍了基于s v m 方法的回归算法和信号处理 方法。由于s v m 算法的潜在的应用价值，吸引了国际上众多的知名学者，近几年对其 理论研究小断深入，出现了许多发展和改进的支持向量机算法。 s v m 理论发展非常迅速，但与其理论研究相比，应用研究则相对比较滞后，目前 只有较有限的实验研究报道，且多属仿真和对比实验8 1 。在模式识别方面最突出的应用 研究足贝尔实验室对美国邮政手写数字库进行的实验，用s v m 的方法得到的识别结果 明显优于决策树和多层神经网络【9 。2 1 。相芙的应用对笔迹进行在线识别，人脸检测定位。 其它实验领域还包括文本识别、人脸识别、三维物体识别、遥感图像分析等，应用大都 集中于图像处理领域。随着其理论的发展，应用范围也不断拓宽，除了分类、识别问题 之外，还涉及到控制、建模、预测、综合评价、知识获取等领域，这也说明其应用范围 是非常宽广的，是一项很有发展前途的技术。 l _ 3 本文主要研究内容 智能故障诊断的核心是有效地获取、传递、处理、再生和利用诊断信息，从而具备 对给定环境下诊断对象进行准确的状态识别和状态预测的能力。当前，智能故障诊断理 东北大学硕士学位论文第一章绪论 论和方法的研究虽然取得了较人的成就，但由于机器学习瓶颈问题的制约，对r _ i 确定 的、随机性强的以及知识信息不完备的诊断刘象，仍然很难具有较高的智能性。水文围 绕智能故障诊断中机器学习这关键问题，针对故障诊断处理中小样奉数据的学习问 题、特征知识的不确定性问题等重点问题进行研究。主要研究内容为： 1 ) 统计学习理论l j 支持向量机 作为一种新的机器学习算法，基于统计学爿理论的支持向量机越来越受到研究人员 的关注，其适用丁小样本情况的特性也非常适合丁故障诊断这一领域。本文研究了经验 风险最小化原则和结构风险最小化原则、统训学习理论的理论框架和支持向量机的原理 与方法。 2 ) 模糊支持向量机 对于故障诊断问题，往往存在边界不清楚的问题，诊断这类故障的。个有效的方法 是应用模糊数学的理论，要应用支持向量机算法与故障诊断，也需要与模糊理论相结合。 因此，如何引入模糊的概念，构成模糊支持向量机算法，丰富智能渗断的内容，是论文 的一个重要研究内容。 论文研究了模糊概念与支持向量机相结合的两种方法：直接法和问接法，给h = j 了两 种不同型式的模糊支持向量机算法，对于模糊隶属度的选取，引入了基于损失的风险函 数，并进行了比较，分析了两种方法使用中的不同侧重点。 3 ) 支持向量机多类分类算法 支持向量机算法最初是基十两类问题提的，而实际的应用领域c 1 渗断问题往往是 多类的，因此，如何实现有效的多类算法，是本文的一个重点研究内容，本文对两类问 题转换为多类问题的方法进行了探讨与分析，选取了合适的多类算法进行流程工业故障 诊断研究。 4 ) 基于支持向量机流程工业故障诊断研究 基于对理论研究，给出基十模糊支持向量机算法的流程i ：业故障珍断方法，行在化 一i 过程和冶金行、i k 典型的流程工业中进行仿真和应用研究。埘t e 过程故障监测与珍断 仿真，并与人工神经网络珍断方法比较，娃示了这种方法尤其是在小样本情况f 的优势； 对实际高炉炉况诊断的应用研究，得到比较理想的结果，证明了基于模糊支持向量机算 法的流程工业敝障珍断方法存实际应用上的有效性和可行性。 东北大学硕士学位论文 第二章故障诊断技术 第二章故障诊断技术 在流程工业中，生产出高质量产品，减小废品率，同时满足日益严格的生产安全性 和环境调整，这对于一个生产过程来说是极为重要的。为了达到这一高标准，现代工业 过程一股采用闭环控制来控制大量的生产中的变量，标准过程控制器有p i d 控制器、模 型预测控制器等，它们通过对过程中发生的扰动变化的补偿来维持过程正常运行。但有 一些生产过程中的变化无法用控制器来适当处理，这种变化就是故障，排除这种问题， 就需要故障渗断技术。 2 1 基本概念 2 1 1 故障( f a u l t ) 故障可以理解为系统中至少有一个重要变量或特性偏离了正常范围。广义的讲，故 障可认为是使得系统表现出所不期望的特性的任何异常现象。根据故障发生的部位，可 以把故障划分为被控过程的元器件故障、执行器故障、传感器故障，以及控制器的软、 硬件故障等。流程工业中的故障可以分为过程参数变动过大，扰动参数变动太大，执行 器故障和传感器故障等。 2 1 2 故障诊断( f a u l td i a g n o s i s ) 故障诊断是利用被诊断系统运行中的各种状态信息和已有的各种知识进行那个信 息的综合处理，最终得到关于系统运行状态和故障状况的综合评价的过程，作为一个领 域，这罩的故障诊断是一个广义的概念。整个故障诊断系统的任务包括故障的建模，故 障的检测，故障的分离与诊断，以及故障的评价与决策，本文的研究主要集中于故障的 检测与诊断以及建立诊断模型。 1 ) 故障的建模 指把特定的输入变量一“症状”与特定的输出变量“故障， 联系起来，建市一个诊断模型。诊断模型有许多1 i 同的表示方法，与小同的故障诊断方 法对应。 2 ) 故障的检测 指确定系统中是否有故障发生。较早检测到故障可以对即将出现 的问题作出重要警告，进而采取适当措施避免它发展成重大过程故障，使最终产品质量 不受影响，或损失减到最小。 3 ) 故障的分离 又称为故障识别，指在检测到故障后，要识别出那些观测变量对 故障的诊断摄重耍 东北大学硕士学位论文 第二章故障诊断技术 4 ) 故障的诊断这是狭义的故障诊断，仅指根据上面的结论以及其他知识确定哪 一故障发生了，甚至要具体到最终确定故障的类型、强度以及发生的时问位置。 5 ) 故障的评价与决策指判断故障的发展趋势以及对渗断对象的影响情况，并针 对不同的工况采取不同的措施，在流程工业中又称为过程下预或恢复。 流程工业中故障诊断又常称为过程监控，它与标准的过程控制既有共同点又有区 别：二者都是在系统受到扰动或发生一定异常变动时，采取一定措施，使系统工作保持 稳定，进而提高系统工作性能。但自动反馈控制般应该应用于有可能减少过程变量和 产品变量变动的地方，反馈控制器通过调整其他过程变量，把重要变量的变动转迁到那 些不重要的操作变量，进而实现对重要变量扰动的可预测因素的补偿。而过程监控为了 检测过程行为，应该应用于过程和它的自动反馈控制的上层，它通过诊断并去除事故的 原因来提高系统的性能，并不是简单的补偿它们。这二者是互补的。 2 1 3 误报率和漏报率 误报( f a l s ea l a r m ) 指系统没有发生故障，但故障诊断系统却报警，误报率即出现 这“隋况的概率；漏报( m i s s i n ga l a r m ) 指系统发生了故障而没有报警，漏报率同样为 出现该情况的概率。误报率和漏报率都是衡量故障诊断系统性能的基本指标。 2 1 4 故障诊断系统的l 生能评价指标 故障诊断系统的性能评价指标主要有： 1 ) 检测性能指标早期检测灵敏度、检测的及时性、误报率和漏报率。 2 ) 诊断性能指标故障分离能力故障辨识的准确性。 3 ) 综合性能指标故障诊断系统的鲁棒性和自适应能力。 2 2 故障诊断的常用方法 过程监控与故障渗断系统就是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，以防止灾难性事故的发生，同时减少产品质量的波动等。 传统的故障珍断技术是采用阈值检测和不一致性检查。阈值检测就是让系统变量的 观测值和一个临界阈值比较，超过了就报警故障。这种方法容易理解和实现，但是没有 考虑过程变量问的相互作用，对流程工业是极l i 现实的。不一致性检查足比较系统变量 的观测值和模型计算值，进而根据一致性情况确定是否发生故障；但是这过于依赖于系 统的数学模型。为了解决这些问题，随着统计学、信号分析、人工智能理论的引入，故 障珍断技术得到了极大的发展，并出现了许多方法。 东北大学硕士学位论文第二章故障诊断技术 目前，一般按照f r a n kr m ( 1 9 9 0 ) 的观点，将故障诊断方法划分为三类：基于解析 模型的方法、基于知识的方法以及基于信号处理的方法【l ”。 2 2 1 基于解析模型的故障诊断方法 基于解析模型的方法是最早发展起来的，此方法需要建立被诊断对象的较为精确的 数学模型。可以分为参数估计法、状态估计法和等价空间法三种。复杂系统的故障诊断 的难点在于数学模型很难建立。相比之f ，参数估计法比状态估计法更适合复杂系统， 因为复杂系统的状念观测器的设计有很大的困难。目前，只有对某些特殊的非线性系统 有研究，而通常的等价空间法仅适用于线性系统。 1 ) 状态估计方法 状态估计方法的基本思想是：首先重构被控过程的状态，通过与可测变量比较构成 残差序列，再构造适当的模型并用统计检验法，从残差序列中把故障检测出来。因此， 这就要求系统可观测或部分可观测，通常用各种状态观测器或滤波器进行状态估计。然 而在实际中，很难获得系统的精确数学模型，所以目前对于状态估计方法的研究主要集 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 的灵敏度卜。 2 ) 等价空问方法 基本思想是利用系统的输入输出的实际测量值检验系统数学模型的等价性，从而实 现故障的检测和分离。常用的等价空间方法有：基于约束优化的等价方程法、厂义残差 产生器法、方向性残差序列产生法、近似扰动解耦的等价空间法等。 3 ) 参数估计方法 参数估计方法与状态估计方法不同，不需要计算残差序列，而是根据参数变化的统 计特性来检测和分离故障。将参数估计方法和其它基于解析模型的方法结合起来使用， 可以获得更好的故障检测和分离性能。 2 2 2 基于信号处理的方法 当难以建立诊断对象的解析数学模型时，基于信号处理的方法是非常有用的。因为 这种方法同避了抽取对象的数学模型的难点，而直接利用信号的各种时频统计特征，如 相关函数、高阶统计量、频谱和自回归滑动平均过程等来检测故障的发牛。 1 ) 基于小波变换的故障诊断方法 小波变换是上世纪八十年代后期发展起来的一种基于多分辨率思想的时频分析方 法。它与短时傅立叶变换的最大不同之处是其分析精度可变，在时一频相平面的高频段 具有高的时问分辨率和低的频率分辨率，而在低频段具有低的时问分辨率和高的频率分 辨率，克服了傅立叶变换中时频分辨率恒定的弱点。因此既能对信号中的短时高频成分 9 一 东北大学硕士学位论文第二章故障诊断技术 进行分析，又能在很好的频率分辨率下，对信号的低频进行估计利用连续小波变换可以 检测信号的奇异性，区分信号的突变和噪声，因为噪声的小波变换的模极大值随着尺度 的增大迅速衰减，而信号的小波变换在突变点的模极大值随着尺度的增大而增大( 或由 于噪声的影响而缓慢衰减) 。离散小波变换可以检测随机信号频率结构的突变。 基于小波变换的故障诊断方法无需对象的数学模型，对噪声的抑制能力强，有较高 的灵敏度和较小的运算量，可以进行在线实时故障检测，是一种很有前途的故障诊断方 法。另外，小波变换与其他智能计算方法相结合也是种很好的思路，可以结合了小波 分析与神经网络的特点，构建了一种小波网络来检测突变的故障信号。 2 ) 主元分析方法 主元分析( p c a ) 是一种有效的数据压缩和信息提取方法，该方法可以实现在线实 时诊断，一般应用于大型的、缓变的稳态工业过程的监控。主元分析用于故障渗断的基 本思想是：对过程的历史数据采用主元分析方法建立正常情况下的主元模型，一旦实测 信号与主元模型发生冲突，就可判断故障发生，通过数据分析可以分离出故障。主元分 析对数据含有大量相天冗余信息时故障的检测与分离非常有效，而且还可以作为信号的 预处理方法用于故障的特征量提取。 3 ) 利用j 算子和利用k u l l b a c k 信息准则的故障检测 利用j 算子的故障诊断是基于算子构造h i l b e r t 空间的最小二乘投影向量集，推导出 完整的格形滤波器作为故障检测滤波器，用占算子描述的后向预测误差向量的首位元素 作为残差，并采用自适应噪声抵消技术使残差对故障敏感。该方法可以在线实时检测， 具有灵敏度高、计算量小、抗噪声能力强的优点。但有时其无限宽数据窗使故障信息难 以消除：基于k u l l b a c k 信息准则的故障检测，是利用k u l l b a c k 信息准则度量系统的变 化，在不存在未建模动态时将其与阈值比较可以有效检测故障。 2 t 2 3 基于知识的故障诊断方法 基于知识的诊断方法是以知识处理技术为基础，通过引入渗断对象的领域专家经验 知u ，实现了辨证逻辑与数理逻辑的集成、符号处理与数值处理的统一、推理过程与算 法过程的统一【“】。该类方法不需要定量的数学模型，是一类很有前途的方法，是智能故 障渗断技术的核心。基于知识的方法包括规则推理方法、模糊推理方法、模式识别方法 和神经网络方法、定性模型方法等。 1 ) 专家系统方法 专家系统故障诊断方法，是指计算机在采集被诊断对象的信息后，综合运用各种规 则( 专家系统) ，进行系列的推理，必要时还可以随时调用各种应用程序，运行过程 中向用户索取必要的信息后，就可快速的找到最终故障或最有可能的故障，再由用于米 证实。此种力法国内外已有不少应用。专家系统结构由数据库、知识库、人机接口、推 东北大学硕士学位论文 第二章故障诊断技术 理机等。 专家系统故障诊断其根本目的在于利用专家的领域知识、经验为故障的诊断服务， 即使基于信号处理和基于解析模型的方法也常和它结合来实现故障的诊断。但它的、女用 依赖于专家的领域知识获取。知识获取是一个难点。另外，在自适应能力、学习能力及 实时性方面也都存在不同程度的局限。 2 ) 模糊逻辑方法 模糊推理符合人类的自然思维过程，善于处理不确定、不精确的定性知识，是故障 诊断方法研究的一个热点。基于模糊推理的故障诊断方法主要有：基于模糊模型的故障 诊断方法，采用模糊逻辑自适应调节残差域值，基于模糊聚类的特征样本处理，基于模 糊小波分析技术进行故障诊断等。 模糊方法思想是利用集合论中的隶属函数和模糊关系矩阵的概念来解决故障与征 兆之间的不确定关系，进而实现故障的检测与诊断。它计算简单，应用方便，结论明确 直观。但足单独用模糊方法进行故障诊断还不多见。模糊方法是一种半定量方法，在表 述知识和推理方面有独到之处。一般把模糊方法与其他方法结合，以期得到更好的结果。 但在模糊故障诊断中，构造隶属函数是实现模糊故障诊断的前提，由于隶属函数是人为 构造的，含有一定的主观因素；另外，对特征元素的选择也有一定的要求，如选择不合 理，渗断精度会下降，甚至诊断失败。 3 ) 基于故障模型的方法 比较典型的基于系统故障过程模型的方法有故障树和图论法。故障树分析是种针 对某个特定的不希望事件的由果到因的演绎推理分析，它将系统故障形成的原因由总体 至部件按树状逐级细化。故障树分析主要用于系统设计过程中，它具有直观、灵活、通 用、可算的优点，其缺点是复杂系统建树及其计算的工作量大，数据收集困难，而且要 求分析人员对研究对象的故障形成机理有透彻的了解，以避免在建树过程中错漏和脱 节。 图论法是从有向图法发展而束的，它通过把系统的部件抽象化为节点，部件问的故 障传播关系抽象化为连接两点的边，从而引入图论的方法来解决故障诊断的