（系统工程专业论文）原油蒸馏装置SDG故障诊断应用研究.pdf

摘要 原油蒸馏装置s d g 故障诊断应用研究 摘要 石油化工是我国的重要支柱产业之一，关系到国民经济能源、材料等 许多方面，也是危险性极高的行业之一。科技和经济的发展使得石油化工 过程日益大型化、复杂化。原油蒸馏过程是石油炼制的重要环节，它内在 机理复杂，是一个复杂的传热，传质过程。生产中某些微小故障若不能及 时排除，就有可能造成巨大的灾难。因此生产系统的安全性和可靠性就显 得极其重要。提高系统安全性和可靠性的方法有多种，其中一个重要的方 法就是采用故障诊断技术。 故障诊断是指对运行中的机械设备或装置的异常状态的检测、异常状 态原因的识别以及预测。近年来，石化生产过程故障诊断逐渐成为各相关 学科研究的热点问题，并且取得了一定的成果，涌现出了一些有效的方法 和技术。基于深层知识模型的s d g 方法由于其完备性等特点在众多方法 中日趋显著。 本文首先对故障诊断技术进行了总结，概要介绍了s d g 技术的原理 及其用于石化过程故障诊断的优势；详细阐述了s d g 模型特点、推理机 制以及建模方法，并以常压塔为实例，对基于s d g 故障诊断模型的建立 过程进行了详细的论述。最后，进行了常压蒸馏实例推理研究，针对此前 已经建立好的s d g 故障诊断模型，采用反向推理正向验证的推理算法对 其进行了分析研究。 北京化工大学顾_ 上学位论文 关键词：s d g ，故障诊断，原油蒸馏 a b s t r a c t r e s e a r c ho nf a u i jd i a g n o s i so f c r u d eo i ld i s t i l l a t l o np r o c e s sb a s e do ns d g a n di t sa p p l i c a t i o n a b s t r a ct t h e p e t r o c h e m i c a l i n d u s t 巧i so n eo ft h ei m p o r t a n tp i l l a ri n d u s t r i e so fo u r c o u n t r y c o n c 锄a1 0 to fr e s p e c t s ，s u c ha sn a t i o n a le c o n o m ye n e 唱y ，m a t e 打a l ， e t c ，i ti so n eo ft h ed a n g e r o u sa 1 1 de x t r e m e l yh i g ht r a d e st o o s c i e n c ea n d t e c h n o l o g ya n de c o n o m i cd e v e l o p m e n tm a k et h ec o u r s eo fp e t r o c h e m i c a l i n d u s t 叫m a x i m i z e ， c o i n p l i c a t ed a yb yd a y a t m o s p h e r i ca n dv a c u u m d i s t i l l a t i o np r o c e s si si n d i s p e n s a b l ef o rr e f i n i n gp l a n t ，t h i si sac o m p l i c a t e d p r o c e d u r eo ft r a n s f e 玎i n gh e a ta n dm a s sw i t hc o i n p l e xm e c h a n i s m i fs o m e s m a l lt r o u b l e sc a n tb eg o t 订do fi nt i m e ，m a yc a u s et h ee n o m o u sd i s a s t e ri n p r o d u c t i o n s ot h es e c u r i t ya n dd 印e n d a b i l i t yo ft h ep r o d u c t i o ns y s t e ms e e m e x t i 。e m e l yi m p o r t a n t t h e r ea 他s o m ek i n d so fm e t h o d si n i m p r o v i n g s y s t e m a t i cs e c u r i t ya n dd 印e n d a b i l i 以o n eo fi m p o r t a n tm e t h o da m o n gt h e mi s t h ef a u l td i a g n o s i st e c l u l o l o g y f a u l t d i a g n o s i sm e a n st o m e a s u r et h eu n u s u a ls t a t eo fr u 衄i n g m e c h a n i c a le q u i p m e n t ，t od i s c e ma i l dp r e d i c tt h er e a s o no ft h eu n u s u a ls t a t e i nr e c e n ty e a r s ，t h ef a u l t d i a g n o s i so fp e t r o c h e m i c a li n d u s t 哆p r o d u c t i o n i l l 北京化t 大学硕士学位论文 p r o c e s sg r a d u a l l yb e c 0 i n e s 血eh o tp r o b l e mo fe v e 拶r e l e v a n ts t u d y i nw h i c h c e n a i na c h i e v e m e n th a sb e e nm a d ea l l ds o m ee f r e c t i v em e t h o d sa n d t e c h n o l o g y h a v eb e e ns u m m a r i z e d s d gm e t h o db a s e do nt h e d e 印 k n o w l e d g em o d e li sb e c o m i n gm o r er e m a r k a b l ei nn u m e r o u sm e t h o d sb e c a u s e o fi t s c h a r a c t e d s t i c s ， s u c ha s s i m p l e a n d e a s y ； p o p u l a r i z a t i o n a n d c o m p l e t e n e s s ，e t c i nt h i sp a p e r ，t h ep r e s e n tf a u l td i a g n o s i st e c l l i l o l o g yi ss u m m a r i z e da tf i r s t t h e nt h ea u t h o ri n t r o d u c e st h ep 订n c i p l eo fs d ga n dt h ea d v a n t a g eo f u s i n gi t i nt h ef a u l td i a 印o s i so fp e t r o c h e m i c a lp r o c e s s t h ec h a r a c t e r so fs d g m o d e l ， r e a s o n i n gm e c h a n i s ma n dm o d e l i n gm e t h o da r ed e 印l ya n a l y z e d a ne x a m p l e o fa t m o s p h e r i ct o w e ri si n t r o d u c e d ，a n dm o d e l i n gm e t h o db a s e do ns d gi s w e l ls t u d i e d a tl a s t ，t h eb a c k w a r d r e a s o n i n ga n df o r w a r dv e n f i c a t i o n a l g o r i t h mi s 印p l i e dt of a u l td i a g n o s i so fa t m o s p h e r i cd i s t i l l a t i o n k e y w o r d s ：s d gf a u l td i a g n o s i s ，c r u d eo i ld i s t i l l a t i o n i v 符号说州 符号说明 符号有向图( s i 印e d d i r e c t e dg r a p h ) 有向图( d i r e c t e dg r 印h ) 因果图( c a u s e e 行e c tg r a p h ) 微分代数方程( d i f 】衙e n t i a la 1 9 e b r a i ce q u a t i o n ) 初始响应( i n i t i a lr e s p o n s e ) 最终响应( f i n a lr e s p o n s e ) 节点集合 支路集合 邻接关联符 支路的符号 节点的符号 系统变量集 外部变量集 液位的实际值 液位控制阀 液位控制器 控制阀的操作值 控制阀的实际值 液位的给定值 芎；唧眦从豫y e 以缈少x e脚岛 北京化工大学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立 进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含 任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重 要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声 明的法律结果由本人承担。 作者签名：j 卜日期： 关于论文使用授权的说明 瑚艿。r 易j 学位论文作者完全了解北京化工大学有关保留和使用学位论文的 规定，即：研究生在校攻读学位期间论文工作的知识产权单位属北京 化工大学。学校有权保留并向国家有关部门或机构送交论文的复印件 和磁盘，允许学位论文被查阅和借阅；学校可以公布学位论文的全部 或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学 位论文。 保密论文注释：本学位论文属于保密范围，在上年解密后适用本授 权书。非保密论文注释：本学位论文不属于保密范围，适用本授权书。 作者签名：亟啶 导师签名：蒌运。扎 导师签名： 幺翌。么么 日期：猡子f 日期：丝移了7 第一章绪论 第一章绪论 1 1 本文选题背景及研究意义 工业生产中的安全问题一直是人们广为关注的焦点。一旦发生毒物泄漏、火灾和 爆炸等类似事故，将直接导致生产停顿、设备损坏、人身伤亡、环境污染等。后果严 重时，还可能造成产品供应链中断，危及相关行业的正常运营【l 】。 尤其是在化工生产领域中，由于化工几乎涉及国民经济、国防建设、资源开发和 人类衣食住行的各个方面，若生产过程中出现的隐患不能及时排除，引发的灾难性事 件也更为严重。近些年来，国内外化工领域曾经发生的各种恶性事故，都造成了人员 的巨大伤亡、严重的经济损失与不利的社会影响。历史教训是沉痛的，它们无时无刻 不在警示人们，必须采取可靠有效的手段确保生产过程的安全性与稳定性，以减少这 类事故的发生1 2 弓j 。 原油蒸馏是根据原油中各组份沸点( 挥发度) 的不同采用加热的方法从原油中将各 种石油馏分分离出来，它是大型炼油厂及石油化工企业的首要生产环节，因而它的安 全运行直接关系着整个炼油厂的生产效益【4 1 。 原油蒸馏装置单元复杂，工作环境恶劣，通常受到原油性质、环境腐蚀、材料性 质、防腐措施、工艺水平以及操作管理等因素的影响，设备的安全运行可靠性得不到 保障，对炼化企业的正常生产造成不利影响【5 卅。 因此，对原油蒸馏装置进行故障诊断研究对提高设备安全性，提高企业经济效益 具有十分重要的意义。然而原油蒸馏过程是个复杂的工艺过程，引发的故障因素有 很多，故障的表现形式也多种多样，故障原因与表现征兆之间也不存在明确的一一对 应的关系，此外各个故障之间还存在着复杂的耦合关系，使得对该过程的故障诊断具 有较大的难度。目前，关于原油蒸馏过程的故障诊断的理论、方法和技术多集中在对 此工艺过程中的装置进行分析研究，还有待于进一步发展和完善。 “ 基于图论中的符号有向图( s i 印e dd i r e c t e dg r 印h ，s d g ) 的故障诊断方法是故障 诊断领域的一个重要研究分支。s d g 的知识表达与复杂系统的故障特征有很好的对应 关系，它能够有效地表达复杂系统的故障知识，同时又具有灵活的推理方式和有效的 推理算法。因此，研究s d g 用于复杂系统故障诊断的方法，对于缩短故障的判定时 间、减少故障损失、提高检修准确性、节约维修费用等，有着重大的理论意义和应用 价值【7 】。 本文以哈尔滨炼油厂常压蒸馏装置为研究对象，在建立s d g 故障诊断模型的基 础上进行了分析研究。 北京化工大学硕1 ：学位论文 1 2 故障诊断方法的分类和研究现状 国外故障诊断技术的研究已有近四十年历史。早在6 0 年代末，美国宇航局 ( n a s a ) 领导成立了美国机械故障预防小组。此后，各国政府机构和公司广泛地成 立组织，召开会议，开展研究工作；7 0 年代末，由于电子测量技术和频谱分析技术的 应用，故障诊断技术开始进入实际应用阶段；到了8 0 年代中期，随着传感器技术、 信号处理技术以及计算机技术的发展，现代故障诊断与预测技术逐步形成并发展起 来：至8 0 年代中期以后，机械设备的大型化、复杂化以及连续高速运行的需要，单 靠信号处理和人工分析判断已经难以实现在线的精确诊断。此时，人工智能技术的发 展，特别是基于知识的专家系统和以并行分布处理为特征的人工神经网络等技术在故 障诊断中的应用，使得故障诊断技术进入了一个新的智能化发展阶段情j 。 我国在故障诊断技术方面的研究起步较晚，但是发展很快。一般说来，经历了两 个阶段：第一阶段是从7 0 年代末到8 0 年代初，在这个阶段内主要是吸收国外先进技 术，并对一些故障机理和诊断方法展开研究；第二阶段是从8 0 年代初期到现在，在 这一阶段，全方位开展了故障诊断研究，引入人工智能等先进技术，大大推动了诊断 系统的研究和实施，取得了一批有价值的研究成果，若干方面在国际学术界产生了一 定的影响归j 。 目前可以用于工业系统故障识别和诊断的方法可分为两大类：一类是基于模型的 方法，另一类是基于历史数据的方法i l 叫2 1 。 1 2 1 基于模型的方法 基于模型的故障诊断方法又可分为定量模型法和定性模型法。 定量模型法需要准确测试过程的动态特性，然后用理论推导和系统辨识等方法得 到过程系统的准确数学模型【1 3 l 。当过程结构变化时，模型必须跟踪变化。由于很难获 取过程对象的精确定量动态模型，此方法实用性受到限制。 定量模型法有状态估计法、等价空间法、参数估计法如奇偶校验法、卡尔曼滤波 法、扩展卡尔曼滤波法等。由于定量数学模型不易得到，基于定性数学模型的故障检 测和诊断方法得到重视和发展。该方法基于定性过程理论，由f o r b u s 于1 9 8 4 年提出。 理论认办，系统分析的实质是确定构成系统的各个过程，确定这些过程在何种条件下 2 第一章绪论 会如何影响系统的发展。 基于定性模型的故障诊断方法是采用不完备的先验知识，用定性的方法对系统的 结构和功能进行描述，建立起定性模型，对系统进行推理，预测系统的定性行为，通 过与实际的系统测试数据进行比较，分析系统是否发生故障。 定性推理方法是一种定性数学模型的故障检测和诊断方法。本方法从微分方程中 推导出定性方程，称为集合方程( c o n n u e n c ee q u a t i o n ) 。定性模型不需要有关过程的 详细准确表达和数值信息，只需要正常工况过程参数的数量级信息，就可以推理求解。 例如，当预测储罐的液位在入口流量增加时，用定性推理，能够推出液位也增加，而 不必知道储罐的横截面积是多少数值以及输出条件等。 基于定性数学模型的故障检测和诊断方法中，图论方法是最有实用价值的一种类 型。而符号定向图( s d g ) 方法取得了很大进展。s d g 方法是将变量间定性影响关系 用原因一后果的方式，表达成节点和节点之间的有向支路的图模型，在某一时间点上， 先检测到各节点的当前状态，然后通过推理引擎搜索危险传播的路径。从偏离点反向 找到故障源，正向预测不利后果。图论方法还包括原因后果图法( c e ) 、故障树分析 法( f t ) 等。 1 2 2 基于历史数据的方法 基于历史数据的故障诊断方法，顾名思义，必须依据对过程系统己知的先验知识， 此类方法不能离开历史数据，对新出现的故障没有识别能力。 基于历史数据的故障诊断方法又可分为定量方法和定性方法1 1 4 。1 引。 定性方法中应用最广的是基于规则的专家系统，又称为浅层知识专家系统。用于 故障诊断的专家系统主要由知识库、推理机和数据采集系统构成，知识库中存有根据 先验知识得到的规则，推理时依据所采集的实时数据进行判断，当某一对应规则成立 时，该事故被检出。显然，诊断的完备性受到规则的局限。普渡大学过程系统研究室 提出了一种基于记录曲线的定性趋势分析方法( q t a ) 。本方法将记录曲线的形状分 成数种典型单调的样本，用这种样本对先验的故障记录曲线进行编码，得到对应事故 的图谱，当过程出现故障，其记录曲线与某一图谱对应时，该故障被检出。此方法和 浅层知识专家系统类似，只是规则由记录曲线图谱代替。 3 北京化工大学硕j ：学位论文 基于历史数据的故障诊断定量方法又分统计学方法和非统计学方法两大类。两类 方法都是对实时数据的抽样进行特征提取的方法。统计学方法中，静态数据的回归分 析常用于检测仪表的故障诊断，目前工业中常用主元分析法( p c a ) 、部分最小二乘 法( p l s ) 等。新的研究热点称为“数据挖掘”，是基于历史数据的故障诊断定量方法 范畴”19 1 。 基于历史数据的故障诊断定量方法的非统计学方法，即常用的人工神经网络法。 本方法用先验的历史数据对神经网络进行训练，使其对多种故障数据有记忆作用，当 记忆中的故障发生时，得到识别【2 0 1 。 目前，基于半定性的方法得到重视和发展，所谓半定性是结合随机理论、模糊集 理论、加权方法等，在定性故障诊断方法中加入定量信息，使定量方法和定性方法相 互弥补不足，实现优势互补【2 1 1 。例如，模糊符号定向图( s d g ) 方法，在故障诊断时， 如果系统的部分定量信息已知，可以用模糊集隶属度函数的方法，结合到s d g 方法中， 基于模糊逻辑，如果故障源、阈值或危险通路的真值可以计算，能提高故障诊断的分 辨率，克服了s d g 方法分辨率低的缺点。而当缺少定量信息时，该方法又退化成定性 s d g 方法。 由于故障识别与诊断( f d d ) 面对的是多变的、复杂的过程系统，目前，尚没有 一种方法能普遍适用于各种工业的多种故障诊断的问题，因此提倡数种实用的方法并 行，取长补短。各种常用故障诊断方法及相互关系见图1 1 所示。 基于模型的方法 定量方法ll 定性方法 状态估计 参数估计 等价空间 卡尔曼滤波 图论方法 s d g c e 故障识别与诊断技术 因果关系l1 分级提取 訾懈物理l i 结构化法l f 功能在法 基于历史数据的方法 定量方法ii 定性方法 l i 统计学方法| l 专家系统i i 神经网络法l i p c a i | 模糊集方法i lq 1 a l l p l s i l 视箍集方法l l 图1 1 各种常用故障诊断方法及相互关系 f i g 1 - lr _ e l a t i o n s h i po fv a r i o u sm e t h o d so fd i a g n o s i s 4 第一章绪论 1 3 故障诊断技术要求 为了对常用的故障诊断方法的优缺点进行比较，有必要总结一下故障诊断技术的 要求。主要有如下十个方面： 快速检测与诊断 为了及早发现故障，通常希望诊断越快越灵敏越好。但是也有一个权衡利弊问题， 因为故障诊断系统对干扰太快、太灵敏可能在正常工况下也会频繁报警。 隔离( 分辨) 特性 隔离特性是指诊断系统对不同故障诊断结果的区分能力，因此也可以称为诊断方 法的分辨特性。该特性在很大程度上与过程特性有关。对隔离特性的过高要求会导致 诊断建模的困难。 鲁棒性 故障诊断系统的鲁棒性即强壮性，要求对多种干扰和不确定因素不敏感。要求过 高可能将阈值选得过于保守，会影响诊断系统的性能。 “ 新事件的可识别性 当先验知识不足、历史记录信息不足、诊断模型也无法预测的新事件出现时，诊 断系统有能力识别或自学习是故障诊断的一项极具挑战性的任务。 偏差估计的分级特性 如果故障诊断系统能够预先给出可能发生的偏差的分级信息的估计，则用户对于 诊断的可靠性就会信心倍增。 适应特性 过程的变化和改进是经常可能的事情，例如技术改造、生产负荷的变化、原料特 性的变化、外部条件的变化、内部结构的变化、操作条件的变化等。故障诊断系统应 能适应这种变化。当然，系统如果有自适应特性更好。 解释能力 解释功能是一个故障诊断系统实用性的重要特点。故障诊断系统不仅具有识别故 障源的能力，而且应当对诊断的结果提供故障是如何起源、如何演变传播到当前的状 况的解释信息。在设计在线决策支持系统时，这是一个非常重要的需求，要求故障诊 断系统有能力推断故障传播过程中原因及后果的关系。另外，诊断系统应当证明推断 的合理性，操作员才能通过其经验决定其行动。更进一步的解释应当说明为什么提出 这种假设而不提出其他的假设。 建模的需要 作为实时故障诊断系统，建模工作量应当尽可能少，模型结构应当简单明了、易 北京化工大学硕：l 学位论文 学、易用。模型具有继承性，即系统过程的局部改变不会导致模型推倒重来，在原模 型基础上只进行对应的局部修改就能继续使用。模型具有复用性，即具有共性的部分 可以任意调用。 存储量和计算量小 通常，对故障诊断系统的实时性要求高时，计算方法和运算的复杂程度必须简化， 而占用的存储容量要大一些。因此，必须在两者间权衡。当然，故障诊断技术的进步 和方法的进步也能使计算存储量和计算量大幅减少。 多故障源的识别能力 多故障源的识别能力对于故障诊断系统是一个重要且难于实现的需求。这是由于 大多数故障是天然相互关联的，不易区分。同时对于大型过程系统要想列举多故障组 合也十分困难。 表1 1 列举了一些当前主要的故障诊断技术以及每种技术的一些优缺点。其中， 表中的符号意义为：“”一有此特点，“一”一可以改进，“一无此特点。 表1 1 常用故障诊断方法的优缺点比较 t a b l e 1 1c o m p a r i s o no fm e t h o d so fd i a g n o s i si nc o l 砌o nu s e 特点观测器s d g 分级提取 专家系统 q p c a神经网络 灵敏性 、，、， 隔离性 鲁棒性 、，、，、， 、f 新事件识别、f x 、 偏差分级 、， xxx 适应性 、，、， 解释能力 x 、，、，、，、， 建模需要 、，、，、， 、， 存储和计算 、，、，、， 多故障识别 纵观目前各种故障诊断方法，客观地说，目前没有哪种诊断方法是明显优越于其 它诊断方法的，每种方法都只是抓住诊断推理特性的一个方面或为这些特性建立模 型，因而会比其它问题更适于处理这个方面的问题。论文研究的基于s d g 模型的故 障诊断方法在新事件的可识别性、鲁棒性、偏差估计的分级特性、适应特性、解释能 力、建模需要等方面均有优势，这是因为s d g 模型具有很强的表示能力和推理能力 瞄2 4 】。并且由于s d g 模型具有较高的完备性，近年来被广泛研究，成为新一代故障 诊断方法的基础。 6 第一章绪论 1 4s d g 故障诊断方法 s d g 模型是从d g 模型( 包括故障传播图、认知图和过程图等) 发展而来的。s d g 模型不同于一般过程的数学模型或者物理模型，它是对过程及其设备的一种图式抽 象，其节点和有向边都有比较鲜明的物理意义。s d g 模型虽然不是精确的定量模型， 但它通过有向符号有效的表达了系统的机理和关系。 基于s d g 模型的故障诊断是图论在故障诊断中的应用。故障诊断主要是故障的 检测( d e t e c t i o n ) 、分离( i s o l a t i o n ) 和处理，基于s d g 模型的故障诊断能够利用s d g 模型节点和有向边的表示能力快速地检测和有效地定位，成为基于定性模型的故障诊 断方法的重要一支。 基于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 符号定向图描述系统，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符号定向图及 用于诊断。 近3 0 年来，s d g 模型和基于s d g 模型的故障诊断方法都获得了较大的发展。s d g 模型不断改进，节点和有向边的表示能力渐渐增强，其负载信息量渐渐增加。基于s d g 模型的故障诊断方法不断丰富，且以9 0 年代为界，s d g 研究逐渐与人工智能相结合， 故障传播路径的搜索融入了模糊推理等各种方法，基于定性模型的方法和基于定量模 型的方法不断有所融合。因此，对s d g 模型和基于s d g 模型的故障诊断的研究已经 成为一个不断发展的技术方向，有很多理论问题和应用问题有待解决f 2 5 。2 7 】。 在s d g 模型以及基于s d g 模型的故障诊断研究中，现在有这样一些问题还没有 得到很好的解决： s d g 模型的建立方法。目前多数研究都以已经建立了反映对象特性的s d g 模型为前提，但建立准确的s d g 模型却并不容易。实际上，s d g 模型作为定性模型， 虽然它有很强的表示能力，即完备性，但它又往往会产生虚假解( s p 谢o u ss o l u t i o n ) ， 即分辨率低，这与模型的特性有关。为此需要深入分析s d g 模型的特性，改进s d g 模型的建立方法，从而消除虚假解，提高分辨率。 基于s d g 模型的半定量推理。s d g 模型作为定性模型，它只深层表达了系 统主要的因果关系，而很多定量信息在基于s d g 模型的定性推理中未加以利用。为 了改进定性推理的不足，以提高故障诊断的分辨率，需要将定量信息和定性模型结合 起来，进行基于定性模型的半定量推理，即将定量数据分析的方法应用于定性模型， 建立半定量推理方法。 多源故障诊断。多数基于s d g 模型的故障诊断研究都以单一故障源假设为 北京化工大学硕士学位论文 前提，这种假设虽然简化了故障诊断，但却存在很大的理论缺陷，并可能与实际不符 合，因为工业过程中并发故障并不鲜见。不以单一故障源假设为前提，进行基于s d g 模型的故障诊断，克服组合爆炸，精确地搜索多故障源集，这渐渐成为关键性的难题。 这些难题嵌在整个s d g 研究系统的框架上，论文的研究也正是在s d g 研究的学科背 景上着重研究了这些问题。 1 5 论文主要内容及章节安排 论文主要研究基于s d g 模型的故障诊断及其应用，并以哈尔滨炼油厂常压蒸馏 装置为应用背景，围绕s d g 建模及基于s d g 模型的推理方法展开。 论文内容共分六章： 第一章是绪论。首先说明了论文研究的学科背景和项目背景( 包括应用背景) ， 阐明了问题的由来；然后综述了故障诊断的分类方法与发展现状，其中较为详细的论 述了基于知识的故障诊断方法，介绍了目前对故障诊断技术十个方面的要求，并对常 用的故障诊断方法基于这些要求进行了比较。根据后面研究的需要，本章也概述了 s d g 故障诊断方法；最后，根据课题研究的背景，给出了论文的结构。 第二章是s d g 技术介绍。首先将s d g 以及s d g 推理时用到的一些基本概念进 行了描述；然后给出了s d g 模型的数学描述，分析了s d g 模型的特点，并扼要阐述 了传统s d g 建模方法及s d g 的推理机制；最后综述了国内外基于s d g 模型的故障 诊断的研究状况。 第三章是基于s d g 的故障诊断模型。本章以常压塔为实例，从节点、支路等s d g 模型的细节出发，通过引入条件有效节点以及考虑控制系统s d g 模型的建立，按照 一套较为成熟完善的建模原则与建模流程，详细阐述了该系统基于s d g 故障诊断模 型的建立过程，主要包括关键变量的选取，影响方程的建立，原因节点的引入，以及 后期模型的精化等。 第四章是改进的s d g 的故障诊断推理。首先对s d g 模型推理过程中的一些基本 概念进行了描述，其次在分析传统的基于反向推理的诊断方法过程中，发现其对不可 观测点进行推理时会产生大量虚假解，针对该问题，提出了一种反向推理正向验证的 算法。 第五章是常压蒸馏装置s d g 故障诊断实例分析。首先对本文依托的工程对象一 常压蒸馏过程的装置与工艺流程进行了概述，其次，针对此前建立好的常压蒸馏装置 s d g 模型，采用反向推理正向验证的推理算法，进行诊断案例研究，进一步验证了采 用改进推理算法的s d g 的诊断效果。 第六章是总结与展望。概括论文研究的内容与方法，总结了论文的创新点，并对 第一章绪论 基于s d g 模型的故障诊断进行了展望。 9 第二章s d g 技术介绍 2 1s d g 的基本概念 第二章s d g 技术介绍 所谓符号有向图，是一种由节点( n o d e ) 和节点之间有方向连线，又称支路( b r a n c h ) 构成的网络图，称之为s d g ( s i 印e dd n c t e dg r 印h ) 。图2 - 1 就是一个简单的s d g 的 例子。 ao 型竺ob 图2 1 s d g 示意图 f i g 2 一las i m p l es d gm o d e l 基于s d g 的故障诊断，将图2 1 中的节点a 、b 对应部件状态变量或故障源，当 被测变量正常时，节点取“0 ”，当被测变量大于上限时，该节点取“+ ，反之取 “一；其间的有向边表示节点间的因果关系，边上的符号s i 印( a b ) 代表节点间 影响的方向，当s i 印( a b ) 取值为“+ 一，表明原因变量与结果变量变化方向相同； 当s i 印( a b ) 取值为“一”，表明原因变量与结果变量变化方向相反。 除此之外，根据s d g 中s 的不同即节点状态函数值的取值不同，可以将s d g 分 为三级s d g 、五级s d g 及多级s d g 等类型。进一步，如果对支路进行权值的定义， 则又会形成加权s d g 。因而s d g 是一类符号有向图的总称，根据应用领域和对节点 及支路状态函数的定义不同，可以有多种变化形式。目前，在工业领域应用最多的是 三级s d g 【2 8 】。， 2 2s d g 模型 定义2 1 ：s d g 模型s d g 模型) ，是有向图g 与函数妒的组合，即) ，= ( g ， 缈) 。其中： 有向图g 由4 部分组成g = ( ne ，矿，扩) ： ( a ) 节点集合矿= ) ： ( b ) 支路集合e = 锹) ； ( c ) 邻接关联符“矿”：加y ( 支路的起始节点) 和“扩”：b - y ( 支路的 终止节点) ，该“邻接关系”分别表示每一个支路的起始节点“矿魄”和终 止节点“扩鲰”。 函数妒：n + ，一) ，伊( 锹) = 妒( ，吩) 称为支路鲰的符号( 钰= ( ，吁) 北京化工大学硕士学位论文 e ) o 定义2 2 ：s d g 模型样本s d g 模型) ，= ( g ，伊) 的样本是节点状态值的一个 函数少：y + ，o ，一) ，l c ，( ) 称为节点的符号( y ) ，即： 沙( v ) = + a 一- 叫) j | f ，( u ) = o ( 阮一她i 纠) y ( 坼) 2 0 q j 叫) 其中，蹦代表节点处于正常状态的阈值。 系统状态s 根据各状态变量对应的节点值| c f ，( ) 跏确定。当每一个节点的值 确定后，该系统的状态s 就被确定下来。有向边符号妒( 锹) + ，一) 由s d g 模型 给出，节点符号以) + ，o ，一) 由s d g 模型样本给出。 s d g 看似简单，它却能够表达复杂的因果关系，并且具有包容大规模潜在信息的 能力。s d g 所表达的所有节点可能取得不同状态的组合，又称为样本( p a t t 锄) 数， 组合的样本总数p 一= 3 n ，n 为节点数。若节点数为1 0 0 个，则状态组合的样本总数 达到3 1 0 吐5 1 5 1 0 4 7 个! 也就是说当今的海量数字计算机也难于容纳下这些组合。 正是由于s d g 具有包容大量信息的能力，在人工智能领域，称s d g 模型为深层 知识模型( d e 印l 【1 1 0 w l e d g eb a s e dm o d e l ) ，运用s d g 模型揭示复杂系统的变量间内在 因果关系及影响，是定性仿真的一个重要分支，因而s d g 模型又称为定性模型 ( q u a l i t a t i v em o d e l ) 。 2 3s d g 模型的特性 s d g 模型通常表示为g 以e ) ，其中y 为节点集，e 为符号有向边集。s d g 模型的特点通过分析矿和e 即可得到。 设节点nv f 的状态y ( ) + ，o ，一) ，( 或表示为【】 + ，o ，一) ) ， 是否处于正负偏差状态由设定的阈值确定。节点的状态从“0 - l ”二元变为f + ，o ， 一l 三元，有向边也从简单传递变为正负作用，因此模型表示系统状态的能力大大增 强了。但是，这种表示依然要根据阈值定性为偏高、正常或偏低的状态从而快速准确 的判明故障源及其传播路径。在s d g 模型中，节点的状态可以扩充：有的扩充为 + ， + ? ，o ，一? ，一1 ，但增加“+ ? ”“一? ”节点状态本质上是为了减小“+ ”“一”节点 状态的量化误差；有的甚至扩充至l o 个层次，此时s d g 模型描述系统的复杂性大增， 反而不便，对于故障诊断中故障判断和故障分离的定性目标来讲也不必要；有的对节 点状态进行模糊处理，但这也是定性模型基础上的一种半定量处理。 总之，s d g 模型以节点正负偏差和有向边增减作用描述系统之间影响关系，其基 本特点之一是定性模型。 第二章s d g 技术介绍 设v f ，v 形则矿( ，吩) + ，一) 表示节点对节点吁的关联作用，“+ ” “一”表示的增减作用是s d g 模型确定的。在s d g 模型中故障节点沿相容路径少 ( ) 伊( ， ) y ( )= “+ ”传播。 首先，对每一个节点进行考察。对于s d g 模型中的节点而言，需要满足节点平 衡( n o d a lb a l a n c e ) ，即一个系统变量的定性状态是所有指向该节点的符号有向边的净 作用。设系统的系统变量集为x ，系统的外部变量集为e ( 班i x + e ) ，系统满足微分 代数方程( d a e ：d i f 】衙锄t i a la l g e b r a i ce q u a t i o n ) ： j 讶出2e ( 玉x ，q e ) jj 趔7 出2 4 x + 蜀e ( 2 1 ) i，_j 【e ( 薯x ，白e ) = o【4 x + 曼e = o 则节点平衡可以表示为： 【吨】= s 忉( 专_ ) 【呶】+ s 劬( q 一屯) 【如】 ( 2 2 ) b j l 节点平衡式表明子节点状态是各个父节点状态的线性加权，且其权重为特殊的 s i 印( ) ( + ，一) ，或者说是一种符号加权。 其次，考察每一个状态方程。系统稳态时微分方程的微分项为零，于是也变成相 应的代数方程，因此就考察各个代数方程。系统稳态时系统变量的代数状态方程式和 相应的节点平衡式为： 薯+q ，_ + 吃= o j 粕，l i e x i k ，e k e e t q 薯】i l i 玉i + 【q ，】 t l q 川乃l + 】 吼】i i k i = o j 1 x l e x ik ，e k e e 由此得到： m m + m 】+ 】 吃】= o ( 2 3 ) j i ，i f e x ik # k e e i 原代数方程为线性空间的方程，其节点平衡式则在+ 目的符号集生成的线性空间 中。其中( 2 3 ) 式中的定性符号代数规则如表2 1 所示。 表2 1 定性符号代数规则 7 r a b i e 2 一ll a w so fq u a l i t a t i v ea l g e b r a 最后从相容路径的表达式可以看出： 北京化工大学硕二j j 学位论文 ( u ) 伊( y f ，) ( ) = t + ” j ( ) = 缈( v f ，) 沙( v ) 也就是说，节点状态也在符号作用下按线性传递。 因此，s d g 模型的第二个基本特点是线性模型。 s d g 作为线性模型表明，s d g 传递了节点之间主要作用即线性作用，实际上是 一次量( 偏差) 之间的线性作用。也正因为如此，当系统变量问的作用比较复杂时， s d g 模型的描述就不够精确了。 s d g 模型从物理上而言是根据式( 2 1 ) 的微分代数方程建立的，虽然事实上不 一定存在这样的数学模型。作为一个稳定系统，微分方程的作用最终会由于系统处于 稳定状态而转变成相应的代数方程的作用。 定义2 3 ：初始响应系统变量的初始响应( i n r ：i n j t i a lr e s p o n s e ) 是指其 最初的非零响应。系统的初始响应是指在最短时间内所有系统变量表现初始响应的系 统响应。需要注意的是，这里所谓非零响应是对阈值而言的。 定义2 4 ：最终响应最终响应( f r ：f i n a lr e s p o n s e ) 是指动态系统的稳态 响应。动态系统的演变包括二个阶段，即初始响应，中间瞬态，最终响应。 由过程图可知，所谓故障，就是系统在故障集，( 系统变量x x 或者外部变量 p e ) 作用下，状态x 发生变化使系统的稳定状态遭受破坏，那么s d g 的模型是对 故障集，的响应模型，必然是在燃0 的条件下根据系统的微分方程及代数方程 建立的，即根据系统的初始响应建立的，反映了删o 时即微分方程作用下的系 统特性( 代数方程则始终作用) 。 因此，s d g 模型的第三个基本特点就是初始响应模型。 故障发生后系统可能破坏或者进入故障运行的新稳态，而故障诊断就动态系统而 言就是考察不稳定状态及其向稳定状态演变时的故障传播情形。由于初始响应和最终 响应并不相同，基于s d g 模型的故障诊断就比较复杂。 2 4 传统s d g 建模方法 对一个系统进行建模，必须在符合客观规律的前提下，慎重地选择s d g 模型中 的每一个变量，确定各个变量之间的关系，在必要的情况下，还需要进行仿真实验， 对模型进行验证。因此，在一定程度上来说，准确地建立系统的s d g 模型是一个不 断完善的过程，是一种“试差”的方、法【四川】。 传统s d g 建模方法主要有三种：第一种是基于流程图的方法；第二种是基于数 学模型的方法；第三种是基于经验、知识的方法。在实际应用中，由于定量动态模型 通常很难得到，多采用经验法来对系统进行s d g 建模。基于经验的s d g 建模过程可 1 4 第二章s d g 技术介绍 按如下步骤进行： 步骤一：找出与故障相关的关键变量作为节点； 步骤二：尽量找出导致这些节点故障原因的节点和支路的组合，从原理上分清是 增量影响还是减量影响，然后用支路与各关键节点相连； 步骤三：分析和确认关键变量节点之间的关系，用“+ 或“一 支路相连； 步骤四：采用经验信息、现场信息或该系统的动态定量仿真模型进行检验、案例 试验、修改和化简s d g 模型直到合格。 一 ， 上述三种建模方法各有特点，但也存在着的不足，表2 2 是上述三种建模方法的 优缺点。 表2 2 三种建模方法的优缺点 t a b l e 2 - 2n ea d v 蛆t a g e sa n dd i s a d v a i l t a g e so ft l l et h r e em o d e l i n gm e t l l o d s 优点缺点 l 、在建立设备单元模型的过程中容易漏 l 、支路状态半定量化掉整个系统故障传播的重要变量 基于流程2 、直观形象、易于建立 2 、建立设备单元模型还需依靠经验、仿 图的方法3 、依据工艺流程，更恰如其分真或数学模型 地反映故障传播关系3 、建立的模型比较复杂，需要进一步简 化 1 、在模型中引入时间变量，易 基于数学 于表达开、停车等动态过程1 、推导繁琐 模型的方 2 、基于数学模型，特别是机理2 、不易表达故障 法 模型，支路状态准确 l 、针对不同用途，具有不同的 基于经验建模方法l 、模型的精度取决于建模者的水平和经 知识的方2 、评价模型具有高的完备性 验 法 3 、诊断模型简单精炼、具有较2 、诊断模型揭示故障的完备性不易保证 高的分辨率 可以看出，这三种建模方法各有特点，但它们有一个共同的不足之处，就是它们 建立的模型都不能很好地体现实际过程中多个变量之间的相互约束关系，知识表达的 能力不强。 2 5s d g 的推理机制 s d g 所建立的模型，针对其应用的领域，可以分为安全评价和故障诊断两类。前 1 5 北京化工大学硕士学位论文