论文部分内容阅读
化工生产一方面大量使用易燃、易爆、有毒或腐蚀性的化学品,另一方面往往采用高温高压或低温真空的操作方式,危险性较之其他行业要大,发生事故的后果也更严重。对化工流程和设备进行早期和准确的故障检测与诊断,可以提高设备运行的安全性,避免发生重大安全事故,降低生产成本。基于符号有向图(Signed Directed Graph, SDG)的深层知识模型能表达复杂的因果关系,具有包容大规模潜在信息的能力、灵活的推理方式和有效的推理算法,所以本文对基于SDG的化工过程故障诊断系统进行了研究。结合实例,本文研究了SDG故障诊断的有效性和局限性。为了更好地进行故障诊断,提出了将数据采集、SDG、专家系统融合构成混合诊断系统的思想,并开发了一套用于化工过程的故障诊断系统软件对其加以验证。考虑到实际化工系统的复杂性,开发了多种数据接口,可连接不同结构类型的化工过程。对采集到的数据,采用基于SDG技术的“推理引擎”,实现对过程的故障诊断。为了提高人机接口的友好性,使用专家系统的思想对SDG的推理结果进行分析,给出合理的解释,以便操作人员采取合理的措施,减小损失的发生。同时,为了提高SDG在故障诊断过程中的诊断速度,改善其故障分辨力,本文提出了完善混合故障诊断的几种方法。采用本文建立的系统软件,对某石化企业的PTA装置进行了在线故障诊断分析。实践证明,该软件能及时发现故障并给以提示,为及早发现、排除故障提供依据。以上工作是建立混合故障诊断系统的前期工作,将为构建混合故障诊断系统提供理论支持和试验平台。课题下一步将在SDG的基础上,研究将多种诊断方法融合的混合算法,为构建混合诊断系统软件奠定理论基础。