化工过程开车过程故障诊断方法研究

摘要

由于化工过程的开车过程具有强非线性、参数动态变化范围大、非常规状态多等特点，自动控制系统往往被停止使用，取而代之的是众多操作员的手动操作，稍有不慎，就会导致开车失败，严重的会导致安全生产事故。据统计，约40%的化工事故发生在开、停车过程。因此，对化工过程的开车过程进行故障诊断，一进成为故障诊断领域的一个研究前沿。 开车过程的故障诊断方法主要分为两种，分别是基于历史数据的方法和基于模型的方法。由于开车过程的强非线性、动态、大滞后等特性，构建令人满意的数学机理模型比较困难，即使得到了机理模型，在线适时求解机理模型仍然具有挑战性。 本文在研究开车过程的故障诊断方法的基础上，对动态轨迹分析算法进行了改进，实例研究表明，故障诊断效率有较大提高。为将改进的动态轨迹分析算法应用于大规模化工过程的开车过程，本文将其与主元分析法（PCA）相结合，提出了一个混合的故障诊断策略，并在一个实验室规模的精馏塔开车过程中得到成功的应用。为提高诊断未知故障的能力，本文利用Gensym G2 Opetigrity专家系统平台，将符号有向图（signed directed graph，简称为SDG）集成到前面所述的故障诊断策略中，开发了一个化工过程故障诊断原型系统，不仅能及时诊断已知的故障类型，而且使其可以对样本库中不存在的新故障进行诊断，给出可能的故障源和故障传播路径。

目录

文摘

英文文摘

论文说明：符号说明

声明

第一章绪论

1.1故障诊断技术

1.1.1故障诊断的概念

1.1.2故障诊断的分类

1.2过渡过程概述

1.2.1过渡过程

1.2.2 MPCA和DTW

1.2.3 MPCA和DTW在开车过程的应用

1.2.4其它的开车过程故障诊断方法

第二章 动态轨迹分析及改进算法

2.1动态时间规整

2.1.1 DTW原理

2.1.2 DTW在故障诊断领域的应用

2.2动态轨迹分析

2.2.1 DLA原理

2.2.2 DLA实例

2.2.3 DLA在故障诊断领域的应用

2.3改进的动态轨迹分析

2.3.1青霉素发酵过程

2.3.2改进的动态轨迹分析

2.3.3仿真结果

2.4小结

第三章 混合故障诊断策略

3.1主元分析

3.1.1 PCA原理

3.1.2 PCA的几何意义

3.1.3主元选取原则

3.2混合的故障诊断策略

3.2.1精馏塔开车过程概述

3.2.2故障诊断策略

3.2.3仿真结果

3.3小结

第四章 改进的混合故障诊断策略

4.1 G2 Optegrity介绍

4.1.1 Optegrity基本结构

4.1.2 GSI

4.2 G2 SymCure

4.2.1 SymCure结构

4.2.2 SymCure因果关系图与SDG

4.3改进的故障诊断策略

4.3.1 SymCure故障诊断模型结构

4.3.2改进后的故障诊断策略

4.3.3诊断结果：已知故障的诊断

4.3.4诊断结果：未知故障的诊断

4.4小结

第五章结论

5.1总结

5.2研究展望

参考文献

附录

致谢

研究成果及发表的学术论文

作者与导师简介