旋轉(zhuǎn)刮膜蒸發(fā)裝置的故障診斷方法研究.pdf

1、蒸餾化工領(lǐng)域是我們國家的支柱性產(chǎn)業(yè)，每年會為國家的經(jīng)濟(jì)發(fā)展做出巨大的貢獻(xiàn)，同時，它也能夠影響到能源、材料等許多方面。作為一種復(fù)雜的自動化大型工業(yè)過程，蒸餾過程也是危險性極高的行業(yè)之一。在蒸餾生產(chǎn)過程中，某些微小故障若不能及時排除，就有可能造成巨大的災(zāi)難。而隨著科技進(jìn)步，自動化水平的提高，蒸餾生產(chǎn)過程的高度集成化，生產(chǎn)設(shè)備功能愈來愈完善，結(jié)構(gòu)愈來愈復(fù)雜。維修人員在設(shè)備出現(xiàn)故障時難以迅速的找到故障點，導(dǎo)致維修時間的延長，整個生產(chǎn)流程停滯，同

2、時對設(shè)備也會產(chǎn)生不利的影響。為了提高系統(tǒng)安全性和可靠性，采用故障診斷技術(shù)是極其有必要的。
　　貝葉斯網(wǎng)絡(luò)是目前故障診斷方向的一個研究熱點，本文研究針對旋轉(zhuǎn)刮膜蒸發(fā)裝置的故障診斷系統(tǒng)，考慮了蒸發(fā)過程復(fù)雜、危險的特點，根據(jù)整個蒸發(fā)的工藝流程，設(shè)計了與其相匹配的診斷貝葉斯網(wǎng)絡(luò)(Diagnostic Bayesian Networks,DBN)。將蒸發(fā)裝置各個部件的參數(shù)量抽象成節(jié)點變量引入到貝葉斯網(wǎng)絡(luò)中，根據(jù)節(jié)點變量之間的因果關(guān)系，確定貝

3、葉斯網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)。利用故障樣本對貝葉斯網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得出所有子節(jié)點的條件概率。訓(xùn)練后的網(wǎng)絡(luò)能夠?qū)^大部分故障現(xiàn)象準(zhǔn)確判斷故障原因。
　　在診斷貝葉斯網(wǎng)絡(luò)建立的過程中，經(jīng)過數(shù)據(jù)樣本的訓(xùn)練得出網(wǎng)絡(luò)中各個節(jié)點的條件概率表（Conditonal Probabilities Table,CPT），對于沒有父節(jié)點的節(jié)點變量需要人為給定其先驗概率，考慮到貝葉斯網(wǎng)絡(luò)先驗概率對最后診斷的影響，采用BP預(yù)測神經(jīng)網(wǎng)絡(luò)，根據(jù)旋轉(zhuǎn)刮膜蒸發(fā)裝置目前的運行狀

4、態(tài)參數(shù)，預(yù)測蒸發(fā)器中的環(huán)境參數(shù)，將環(huán)境參數(shù)作為先驗概率給出的依據(jù)，以此提高整個貝葉斯網(wǎng)絡(luò)診斷的準(zhǔn)確率。在給出先驗概率時，根據(jù)運行狀態(tài)，通過模糊推理的方式給出貝葉斯網(wǎng)絡(luò)的先驗概率值。通過對模型的仿真分析，未優(yōu)化的貝葉斯網(wǎng)絡(luò)對某些因故障點較近而故障現(xiàn)象類似的狀況會出現(xiàn)錯誤判斷，貝葉斯網(wǎng)絡(luò)在優(yōu)化前，整體預(yù)測的錯誤率在10％左右，而使用BP預(yù)測神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化后，貝葉斯網(wǎng)絡(luò)在這些情況下的錯誤率能夠迅速降低，整體預(yù)測錯誤率可以降低到5%左右，從而