【污水处理厂故障诊断研究的国内外文献综述2100字】

污水处理厂故障诊断研究的国内外文献综述1.1常见故障诊断方法及研究现状故障诊断（FaultDiagnosis，FD）是指通过历史数据对系统中可能出现的故障进行检测、诊断分类并给出最终决策方案的一系列流程，其大致流程如图1.1所示。FD这一概念最早由BeardREF_Ref69935887\r\h[6]和MehraREF_Ref69935909\r\h[7]等人提出，最初用于故障诊断的方法是通过比较设备实时数据和历史数据的差别进行人为判断。之后，willskyREF_Ref70858813\r\h[8]发表了世界上第一篇关于FD的综述文章，并详细介绍了FD技术。随着各种机器学习算法的提出和不断发展，越来越多的学者开始研究故障诊断技术。Choudhary等人REF_Ref69935952\r\h[9]将卷积神经网络用于旋转机械轴承的故障诊断中，最终实现对轴承故障的诊断并提前报警；李楠楠等人REF_Ref69935965\r\h[10]通过粒子群算法对SVM参数进行优化调整，并实现对供水管网的故障诊断；Zhuo等人REF_Ref69935977\r\h[11]通过采集多传感器数据并改进adaboost实现电机的故障诊断，证明了这一诊断方法的优越性；张立智等人REF_Ref69935988\r\h[12]提出一种基于EMD-SVD-CNN的故障诊断方法，并将其用于齿轮箱的故障诊断；刘宇REF_Ref69935999\r\h[13]采用专家系统对污水处理厂故障部分工艺进行诊断。图1.1设备故障诊断流程图伴随着故障诊断技术的不断发展和方法的改进，国内外专家学者开始深层次的研究各种机器学习方法，并按照不同的标准对这些方法进行整理和分类。FrankREF_Ref69936015\r\h[14]把故障诊断方法分成三类：基于模型的、基于信号的和基于知识的；Venkatasubramanian等人REF_Ref69936040\r\h[15]REF_Ref69936043\r\h[16]REF_Ref69936044\r\h[17]将故障诊断方法总结为基于定量模型的、基于定性模型的和基于历史数据的；李晗等人REF_Ref69936060\r\h[18]将故障诊断方法概括为基于分析模型的、基于经验知识的和基于数据驱动的；周东华等人REF_Ref69936078\r\h[19]仅将故障诊断方法分为两大类：定性分析模型和定量分析模型。本文将常见故障诊断方法进行归纳总结，分成四类：基于专业知识的方法、基于数学模型的方法、基于信号处理的方法和基于数据驱动的方法REF_Ref70859316\r\h[20]，具体方法如图1.2所示。在上述四类方法中，最基本的方法是基于数学模型的方法REF_Ref69936090\r\h[21]。这种方法最大的缺点是需要用到大量复杂的数学公式、函数和方程的变换，且算法的复杂度较高，完成建模所需时间较长。基于信号处理的方法需要用到小波变换、快速傅里叶变换、希尔伯特布变换以及他们的变种，由于该方法需要通过人工提取和选择信号的特征向量，可能导致所提取的信号特征无法全面反应设备的健康状况，最终导致对故障信息的误判。基于数据驱动的方法是利用数据库中的历史数据，对诊断设备在特定数学模型的不确定性下进行分析，提取特征，检测故障种类、确定故障发生位置的过程。基于知识的方法需要大量相关领域的专业知识，专家系统就是其中最常用的方法之一，另外还包括一些信息融合的方法。图1.2常见故障诊断方法1.2污水处理厂故障诊断方法及研究现状污水处理厂是对污水进行处理以达到排放标准的重要基础设施，由于其过程的复杂性导致故障时常发生且不易诊断。Yoo等人REF_Ref69936133\r\h[22]将KPCA和EWMA用于污水处理厂生物过程的故障诊断，效果显著；Choi等人REF_Ref69936158\r\h[23]采用DKPCA的方法对污水处理过程进行诊断；王波等REF_Ref69936169\r\h[24]利用HMM和专家系统相结合的方法对采用生物膜法的污水处理过程进行故障检测，诊断正确率可达到98%；赵超REF_Ref69936180\r\h[25]等通过AWLS对SVM参数进行优化，并对污水处理厂故障进行诊断，诊断正确率比传统SVM提高很多。针对以往污水处理厂故障诊断的方法，现对常见的故障诊断技术和研究现状进行总结，将其分成五大类：基于经验知识的、基于数学模型的、基于统计学的、基于数据驱动的和基于集成算法的REF_Ref70859316\r\h[20]。基于经验知识的方法主要是通过知识的积累和包括设计方案、用户手册等在内的相关资料的获取，对特定的案例进行分析以达到故障诊断的效果。基于数学模型的方法是指利用现有的数学模型和相关软件对污水处理厂的故障进行模拟诊断，其过程需要污水处理方面的专业人员进行软件的调试和结果的分析REF_Ref69936090\r\h[21]。基于统计学的方法需要对污水处理过程的相关参数之间的关系进行分析，常见的方法有：主成分分析法、故障树、支持向量机等。基于数据驱动的方法是目前最常用的污水处理厂故障诊断方法，该方法包含各种神经网络算法、优化算法以及专家系统REF_Ref70859930\r\h[26]。最后一种基于集成算法的方法主要是将一些效果较好的方法进行组合，最终达到更佳的效果REF_Ref69936090\r\h[21]。参考文献TangZhao,LiuZeHua,WangHao,DangZhi,LiuYu.Occurrenceandremovalof17α-ethynylestradiol(EE2)inmunicipalwastewatertreatmentplants:Currentstatusandchallenges.[J].Chemosphere,2021,271.张效苇,崔克力,范力杰,朱晓峰,时艳茹,徐映雪.农村分散污水处理设施在线远程监控管理系统设计与实现[J].给水排水,2019,55(07):128-132.Technology-GreenTechnology;FindingsfromShanghaiJiaoTongUniversityHasProvidedNewDataonGreenTechnology(ApplicationofIndustrialBigDataforSmartManufacturingInProductServiceSystemBasedOnSystemEngineeringUsingFuzzyDematel)[J].JournalofEngineering,2020.MagalhãesEmiliannyR.B.,CostaFilhoJoséD.B.,PadilhaCarlosE.A.,SilvaFrancinaldoL.,SousaMagnaA.S.B.,SantosEveraldoS..Activatedsludgetreatmentforpromotingthereuseofasyntheticproducedwaterinirrigation[J].JournalofEnvironmentalScienceandHealth,PartB,2021,56(2).胡小兵,饶强,叶星,周东宝,完颜健飞.焦化废水活性污泥法处理中微型动物群落及其与处理性能之间的关系[J].环境科学学报,2015,35(09):2780-2789.BeardRV.Failureaccommodationinlinearsystemsthroughself-reorganization[D].Cambridge:MassachusettsInstituteofTechnology,1971.MehraRK,PeschonJ.Aninnovationapproachtofaultdetectionanddiagnosisindynamicsystems[J].Automatica,1971,7(5):637-640.WillskyAlanS..Asurveyofdesignmethodsforfailuredetectionindynamicsystems[J].Pergamon,1976,12(6).ChoudharyAnurag,MianTauheed,FatimaShahab.Convolutionalneuralnetworkbasedbearingfaultdiagnosisofrotatingmachineusingthermalimages[J].Measurement,2021,176.李楠楠,郄志红,古田均.供水管网爆管故障诊断的PSO-SVM方法[J].系统工程理论与实践,2012,32(09):2104-2110.LongZhuo,ZhangXiaofei,ZhangLi,QinGuojun,HuangShoudao,SongDianyi,ShaoHaidong,WuGongping.Motorfaultdiagnosisusingattentionmechanismandimprovedadaboostdrivenbymulti-sensorinformation[J].Measurement,2021,170.张立智,徐卫晓,井陆阳,谭继文.基于EMD-SVD和CNN的旋转机械故障诊断[J].振动.测试与诊断,2020,40(06):1063-1070+1228.刘宇.城市污水处理厂A~2/O工艺故障诊断专家系统研究[D].哈尔滨工业大学,2013.FrankPM.Analyticalandqualitativemode-basedfaultdiagnosis-asurveyandsomenewresults[J].EuropeanJournalofControl,1996,2(1):6-28.VenkatasubramanianV,RengaswamyR,YinK,etal.AreviewofprocessfaultdetectionanddiagnosispartⅠ:quantitativemodel-basedmethods[J]ComputersandChemicalEngineering,2003,27(3):293-311.VenkatasubramanianV,RengaswamyR,KavuriSN.AreviewofprocessfaultdetectionanddiagnosispartⅡ:qualitativemodelsandsearchstrategies[J]ComputersandChemicalEngineering,2003,27(3):313-326.VenkatasubramanianV,RengaswamyR,KavuriS