[發明專利]一種在線故障根源識別的精餾塔故障診斷方法

有效

• 申請號: 202010570550.2
• 申請日: 2020-06-13
• 公開（公告）號: CN111912638B
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 藍艇;其他發明人請求不公開姓名
• 申請（專利權）人: 寧波大學
• 主分類號: G01M99/00
• 分類號: G01M99/00;G01D21/02;G06F17/16
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開一種在線故障根源識別的精餾塔故障診斷方法。在實施故障根源識別時，本發明方法摒棄使用前序的故障檢測指標，取而代之的是構造一個最優的區分向量，使得在線被檢測出的故障數據盡可能的遠離正常工況數據，即可實現變量貢獻度的最佳分析。與傳統方法相比，本發明方法實施貢獻度分析時，是不依賴固定的故障檢測指標的，會根據不同的故障數據在線求解相對應的區分向量，具備較強的靈活性。此外，本發明方法在區分向量的基礎上，通過重構貢獻度的計算方式得到各個變量的貢獻度，在區分向量的基礎上進一步的利用了重構貢獻度分析的優勢。最后，在具體的實施案例中，通過貢獻度的差異對比，驗證了本發明方法相對于傳統方法的優勢。

技術領域

本發明涉及一種化工故障診斷方法，特別涉及一種在線故障根源識別的精餾塔故障診斷方法。

背景技術

利用化工過程的采樣數據來監測運行狀態已經成為化工“大數據”的研究熱門，其優勢在于充分的利用了先進測量儀表與計算機技術，同時避免了為復雜化工系統建立機理模型的難題。經過十幾年的研究發展，數據驅動的化工過程監測已經出現了各式各樣的故障檢測技術。然而，在檢測出故障后，實施數據驅動的故障診斷卻幾乎是停滯不前的。大體來說，數據驅動的故障診斷技術主要有兩種思路：其一，利用變量貢獻度分析識別故障根源；其二，在各類型故障數據充裕的情況下，按照模式識別策略進行故障類型匹配。利用變量貢獻度分析可以不依賴于歷史的故障數據，適用于絕大多數的應用場合。而故障分類依賴于歷史故障類型及其相應的歷史樣本數據，因此適用范圍窄。

精餾塔是石化行業應用非常廣泛的物質分離設備，其主要作用是實現物質的氣液分離。從保證生產的持續性和產品質量的穩定性而言，精餾塔實現物質的分離起到了銜接的關鍵性作用。因此，精餾塔的故障檢測與診斷方法技術在整個化工智能制造系統中占有著重要的地位。如前所述，適用于精餾塔的故障工況檢測方法已經得到了飛速發展，各種方法層出不窮。相比之下，適用于精餾塔的故障診斷技術卻基本上停滯不前，尤其是在沒有歷史故障工況采樣數據可供參考的前提下。

值得注意的是，雖然利用變量貢獻圖能解決在沒有歷史故障數據條件下的故障診斷問題，但是變量的貢獻度分析主要依賴于前序故障檢測指標。換句話說，變量的貢獻度分析是針對故障檢測指標的。那么，若是實施故障檢測的指標無法從最佳層面區分正常工況數據與故障工況數據，相應的變量貢獻度分析得到的結果就無法做到最好的故障變量識別。事實上，數據驅動的故障檢測方法在建立故障檢測模型時，只需利用正常工況采樣數據，是在故障數據無監督情況下建立的模型。從這個角度上講，實施故障檢測的指標能在一定程度上區分正常工況與故障工況數據，但是無法做到最優區分。如此一來，后續實施故障診斷也同樣無法保證最優的故障根源識別。

發明內容

本發明所要解決的主要技術問題是：在實施故障根源識別時，摒棄使用前序故障檢測指標實施變量貢獻度分析，取而代之的是構造一個最優的區分向量，使得在線被檢測出的故障數據盡可能的遠離正常工況數據，則可實現變量貢獻度的最佳分析。

本發明方法解決上述問題所采用的技術方案為：一種在線故障根源識別的精餾塔故障診斷方法，包括以下步驟：

步驟(1)：利用精餾塔設備所安裝的測量儀表，在精餾塔正常運行狀態時采集N個樣本數據x₁，x₂，…，x_N，其中第i個采樣時刻的樣本數據x_i∈R^m×1由m個采樣數據組成，具體包括：塔釜液位、塔釜壓力，塔釜底部產品流量，進料流量，進料溫度，頂部回流流量，冷凝器液位，和各塔板層的溫度，R^m×1表示m×1維的實數向量，i∈{1，2，…，N}。

步驟(2)：根據如下所示公式對N個樣本數據x₁，x₂，…，x_N實施標準化處理，得到N個m×1維的數據向量