动态概率SDG模型及复杂化工过程故障诊断方法研究

摘要

随着石油化工过程大型化和自动化的发展，故障诊断一直是石化生产过程中的一个重要课题，在过往十几年受到了许多学者和石化企业的关注。基于概率符号定向图(Probabilistic Signed DirectedGraph，PSDG)的故障诊断方法是一种对传统符号定向图(SignedDirected Graph，SDG)故障诊断方法的继承和改进，它不仅为复杂系统提供了潜在的因果关系表达和故障传播路径解释，且适应性强、完备性好，同时通过变定向边的定性关系为定量概率关系，进一步实现了对冗余解和虚假解的区分。然而，基于PSDG的故障诊断方法存在模型精度不高、静态概率值不能反映过程故障的时效性、正反馈回路内故障诊断可靠性不高等问题。针对以上问题，论文通过分析故障传播的时间关系，提出了一种动态概率SDG(DynamicProbabilistic Signed Directed Graph，DPSDG)模型，并在此基础上开展了SDG故障建模和基于DPSDG模型的单源、多源故障诊断方法研究。论文的主要研究内容如下:
　　(1)针对现有基于数据驱动的SDG建模方法不能解决数据采样时间不一致和非同步化的问题，提出了一种基于改进时滞分析的SDG建模方法。此方法首先依据动态时间规整（Dynamic TimeWarping,DTW）技术，平移时间序列并寻找最优错位对应组合，确定变量的相关性和时滞时间。然后基于所确定的时滞时间，给出了一套完整的复杂过程定向因果关系建模流程，实现变量的相关关系向因果关系的转换。
　　(2)针对现有PSDG模型不能反映过程故障传播时效性的问题，提出了一种针对复杂化工过程的故障解释模型——动态概率SDG(DPSDG)模型。该模型在保证已建SDG模型结构不变的基础上，引入定向边条件概率表示故障在节点中的传播强度。其中，定向边的条件概率定义为因节点状态值和故障传播时滞时间两个条件下引起果节点状态值的概率，并且采用离线训练和在线选择两步进行估计。相比PSDG模型，所建DPSDG模型具有时效性的优点，实现了故障的统一深层次描述，为之后的单源和多源故障诊断研究打下基础。
　　(3)针对现有PSDG故障诊断方法不能隔离正反馈回路内部故障的问题，提出了一种基于DPSDG模型的单源故障诊断方法。该方法在推导串联连接结构和汇合连接结构的概率计算公式基础上，以故障症状作为后验条件，提出一种新的后验概率计算方法求取每个候选故障原因的后验概率值，并按照概率值大小对候选故障原因进行排序，以概率排序为依据进一步区分故障源，保证了单源故障诊断的完备性。
　　(4)针对过程中真实存在而研究较少的多源故障问题，结合已有DPSDG模型，提出了一种基于贝叶斯理论的多源故障诊断方法。既然DPSDG模型描述了每条定向边的传播概率，就可以利用后验概率值极大化的方法处理多源故障。这种方法以可解释性准则和可靠性准则为基础，其中，可解释性准则要求每个异常症状和故障原因具有可达关系，是优化的约束条件;可靠性准则要求异常症状条件下故障原因组合具有最大的后验概率，是优化的目标函数。最后，采用遗传算法对多约束目标函数求解获得多源故障诊断结果。
　　本研究以连续搅拌釜式加热器(continuous stirred tank heater，CSTH)和田纳西-伊斯特曼(Tennessee Eastman，TE)过程作为应用案例，通过与其他文献结果比较，验证了所提出的DPSDG模型以及基于DPSDG模型的复杂化工过程故障诊断方法的实用性和优越性。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 复杂化工过程的特点

1．3 故障诊断方法研究现状

1．3．1 基于解析模型的方法

1．3．2 基于数据驱动的方法

1．3．3 基于定性经验知识的方法

1．4 SDG故障诊断方法研究现状

1．5 论文的研究内容和组织结构

第二章 基于改进时滞分析算法的SDG建模

2．1 引言

2．2 SDG建模方法综述

2．2．1 传统SDG建模方法

2．2．2 基于数据驱动的SDG建模方法

2．3 基于AANN-ELM的数据预处理

2．4 动态时间规整技术

2．4．1 DTW距离定义

2．4．2 约束条件

2．4．3 快速求解方法

2．5 基于改进时滞分析的SDG建模流程

2．6 案例分析

2．6．1 案例一：CSTH过程故障建模

2．6．2 案例二：TE过程故障建模

2．7 小结

第三章 动态概率SDG模型

3．1 引言

3．2 PSDG模型综述

3．3 动态PSDG模型

3．3．1 动态PSDG模型定义

3．3．2 先验概率动态估计

3．3．3 动态PSDG模型的特征

3．4 案例分析

3．4．1 案例一：CSTH过程的DPSDG模型

3．4．2 案例二：TE过程的DPSDG模型

3．5 小结

第四章 基于动态概率SDG模型的单源故障诊断

4．1 引言

4．2 DPSDG模型基本拓扑结构分析

4．3 DPSDG故障诊断方法

4．3．1 环状结构的解环方法

4．3．2 后验概率计算方法

4．3．3 DPSDG模型故障诊断流程

4．4 案例分析

4．4．1 案例一：CSTH过程故障诊断

4．4．2 案例二：TE过程故障诊断

4．4．3 讨论

4．5 小结

第五章 基于贝叶斯理论的多源故障诊断

5．1 引言

5．2 基于SDG的多源故障诊断综述

5．3 基于DPSDG模型和贝叶斯理论的多源故障诊断

5．3．1 多源故障诊断的基本评价指标

5．3．2 多源故障诊断的优化算法

5．3．3 多源故障诊断流程

5．4 案例分析

5．4．1 案例一：CSTH过程多源故障诊断

5．4．2 案例二：TE过程多源故障诊断

5．4．3 讨论

5．5 小结

第六章 结论和展望

6．1 结论

6．2 展望

参考文献

致谢

攻博期间完成的论文和参加的科研项目

作者简介

导师简介