[发明专利]一种基于多层优化PCC-SDG的化工过程故障诊断方法

说明书

本发明公开了一种基于多层优化PCC‑SDG的化工过程故障诊断方法。本发明通过以全工艺的网络拓扑结构为参考点，利用皮尔逊相关系数(PCC)统计指标对选取的变量初步优化，然后运用PCA权重思想从多层相关系数集中选取了权重较大的特殊变量，结合符号有向图(SDG)建立了最优PCC‑SDG网络，最后针对最优PCC‑SDG建立聚集权重系数Q的规则进行故障诊断。本发明提出了一种新的故障诊断方法，完善了SDG建模方法，提高了工作人员检测多变量状态的效率，避免时滞等非信息同步因素的影响，并且更加有效地降低误报率并准确地识别是何种类型的故障，极大降低生产安全事故的发生。

技术领域

本发明属于化工过程故障诊断技术领域，具体涉及一种基于多层优化PCC-SDG的过程故障诊断方法。

背景技术

随着现代工业规模的日益扩大以及系统复杂性的不断提高，化工过程系统对故障进行识别与检测的要求也越来越高。目前，符号有向图(SDG)定量化建模较为困难，而基于简单相关性规律对全工艺的故障诊断效果并不显著，虽然简单的数学模型分析可对故障进行一定的诊断但没有对诊断的规律进行深入探讨，局部性较强，对整体性因素有所欠缺，不能保障系统的安全性和稳定性，应用较为困难。

化工系统过程的正常运行遵循第一定律，因而使工艺变量之间呈现出复杂的关联特性，而SDG对过程工艺及设备的图式抽象特点可表示全流程变量之间的复杂因果影响关系，且SDG理论已经成功应用于工业过程，方法较为成熟但对SDG定量化建模方法的研究较少。相关系数故障诊断是化工领域中一种新的故障检测方法，通过以皮尔逊相关系数(PCC)结合符号有向图(SDG)来进行故障识别与检测，可最大限度地挖掘出故障在复杂系统的内部影响过程，更加全面地诊断故障保证系统安全性。

发明内容

针对上述现有技术中存在的问题，本发明提供一种基于全流程的定性(SDG)与定量(PCC)故障诊断方法，可代替传统故障诊断方法，有较好的故障诊断效果。

为实现上述目的，本发明提供如下技术方案：

基于多层优化PCC-SDG的化工过程故障诊断方法，包括PCC建模进行相关性分析，SDG进行变量优化等，其具体步骤如下：

(1)利用符号有向图(SDG)对具体化工工艺过程选取变量，建立SDG初始网络；

(2)提取变量的实时数据片段并构建数据向量集进行相关性分析，制定相关系数接受标准，确定初始阈值；

(3)利用进行相关性分析的皮尔逊相关系数选取初始特征变量，并建立变量相关系数组进行权重分析；

(4)根据相关系数组的权重分析及工艺分析确定最终优化变量，从多层相关系数组中选取权重较大的相关系数集构建PCC-SDG优化图；

(5)根据聚集权重系数Q规则检测故障并利用状态之间的相关差异度识别何种类型的故障。

(6)当参数Q＞1时，即系统出现了故障，进行一步利用相关差异度确定故障类型寻找故障源，否则为正常状态并重新提取数据进行检测。

本发明方法可完全识别工艺系统的运行状态，寻找故障源解决故障，是解决化工过程系统故障的一个新思路。

本发明的有益效果如下：

(1)本发明提供了基于定性SDG和定量PCC的化工故障多层优化方法，利用该方法不仅能够准确地判断故障状态及完善SDG建模化方法，同时还能使化工过程故障诊断领域提供一个新的思路，深度挖掘工艺流程信息，提高了操作人员的工作效率，防止故障隐患而造成生产过程非计划停工等问题。

(2)本发明方法是由一定时段的变量检测值决定，可对随机干扰的异常测量值具有一定的过滤作用，可保障化工过程系统的正常有效运行以尽量减少非安全因素带来的经济损失。

附图等说明