基于神經(jīng)網(wǎng)絡的故障診斷方法在化工過程中的應用研究.pdf

1、自Wiener于40年代提出控制論到現(xiàn)在，自動控制技術已經(jīng)廣泛應用于工業(yè)生產(chǎn)、航空、航天、機器人、核電站等各種領域。隨著科學和工程技術的不斷發(fā)展，現(xiàn)代生產(chǎn)過程日趨大型化、復雜化，連續(xù)化，其自動化的程度和自動化水平越來越高，但系統(tǒng)發(fā)生故障的可能性也隨之增加。尤其在某些工程領域中，工藝、設備和控制系統(tǒng)發(fā)生故障，會導致災難性的后果。因此故障診斷技術的研究近年來越來越受到重視，其理論體系不斷完善，在各種工業(yè)場合都有很多應用成果，并且不斷出現(xiàn)新的

2、理論和方法，其中采用神經(jīng)網(wǎng)絡技術進行故障診斷是一種重要的智能故障診斷方法，每年都有大量的相關論文出現(xiàn)。 該文根據(jù)廣東省國際合作項目“煉油廠蒸餾裝置生產(chǎn)過程智能監(jiān)控與事故預報系統(tǒng)的研究”的目標和主要研究內(nèi)容，對一典型的石化過程工藝和控制中的故障診斷問題進行了研究，具體的研究對象是廣州石化廠常減壓(一)裝置中的常壓B區(qū)部分，主要設備有初餾塔、常壓塔以及加熱爐等。這一裝置的穩(wěn)定運行非常重要，直接關系到后續(xù)工藝的穩(wěn)定生產(chǎn)及產(chǎn)品質(zhì)量。因此

3、如何采用有效的方法對其進行監(jiān)測和故障預報是殛待解決的問題。 該論文對上述內(nèi)容進行了研究和開發(fā)，取得了以下有益的結果： 1.該項目采用INTEMOR(INTElligentMonitoringOn-lineReal-timeSystem)軟件構造和開發(fā)智能監(jiān)測和事故預報系統(tǒng)，對該裝置的運行進行在線監(jiān)視和事故預警。該系統(tǒng)經(jīng)調(diào)試已初步應用于工業(yè)現(xiàn)場，并且成功地預報過工藝過程和設備的異常狀況，如對加熱爐輻射室溫差過大產(chǎn)生報警。

4、 2.其中故障診斷部分采用了專家系統(tǒng)和神經(jīng)網(wǎng)絡兩種方法，并重點討論了神經(jīng)網(wǎng)絡在這一領域應用的可行性。具體的做法是采用產(chǎn)生式規(guī)則構建知識庫，在此基礎上針對系統(tǒng)常見的加熱爐故障，選取對其影響較大的四個變量作為輸入，并定義一個故障參數(shù)Y作為輸出，采用改進的BP神經(jīng)網(wǎng)絡對樣本進行訓練。這一方法能彌補基于產(chǎn)生式規(guī)則的知識庫的某些不足，對系統(tǒng)的故障診斷和預報有一定的作用。 3.另外，該文還選取了在化工行業(yè)常用的連續(xù)攪拌反應釜(CSTR

5、)為對象，對神經(jīng)網(wǎng)絡在故障診斷中的應用做進一步研究。該文基于“等價偏差思想”，針對特定的CSTR，提出了一種基于改進BP神經(jīng)網(wǎng)絡的集成傳感器故障診斷方法。該方法用BP神經(jīng)網(wǎng)絡建立傳感器故障模型，對系統(tǒng)的狀態(tài)和故障參數(shù)進行在線估計，然后將故障參數(shù)與修正的Bayes分類算法(MB算法)相結合，進行傳感器故障在線檢測、分離和估計。該集成故障診斷方法能夠對多重傳感器故障進行快速準確的分離和估計。由于各種傳感器故障對狀態(tài)估計值影響極小，因此，傳感

6、器故障對基于狀態(tài)估計值構成的閉環(huán)控制系統(tǒng)影響極小，使得該控制系統(tǒng)具有容錯控制能力。仿真結果表明，當系統(tǒng)中兩個傳感器都發(fā)生故障時，對濃度設定點的跟蹤精度幾乎沒有任何影響，表明改進的BP神經(jīng)網(wǎng)絡對系統(tǒng)狀態(tài)估計準確。同時由于采用狀態(tài)反饋控制，因此該控制系統(tǒng)具有對傳感器故障的容錯性。從仿真曲線可以看出，故障被及時檢測出來，其幅值估計也較準確。 最后，該文根據(jù)上述結果，總結了神經(jīng)網(wǎng)絡用于故障診斷的優(yōu)缺點，并對其今后的發(fā)展方向做了一點探討。