基于狀態(tài)估計(jì)的石化過程故障診斷與預(yù)報(bào)方法研究.pdf

1、石化生產(chǎn)過程具有高溫高壓、易燃易爆、有毒有害等特點(diǎn)，未及時(shí)發(fā)現(xiàn)和排除故障將會(huì)導(dǎo)致重大人員傷亡和經(jīng)濟(jì)損失，甚至影響生態(tài)環(huán)境。因此研究過程故障診斷和預(yù)報(bào)技術(shù)具有重要現(xiàn)實(shí)意義。本文以連續(xù)生產(chǎn)過程為背景，針對(duì)多變量、非線性以及非高斯性等問題，基于狀態(tài)估計(jì)方法研究并提出了新的過程故障診斷和預(yù)報(bào)方法，并通過仿真研究對(duì)方法的有效性進(jìn)行了驗(yàn)證和分析。
　　 首先，為了考慮多維觀測(cè)數(shù)據(jù)的時(shí)序自相關(guān)性和變量互相關(guān)性，利用低維特征捕捉過程動(dòng)態(tài)特性，提

2、出一種基于典型變量分析狀態(tài)殘差的故障檢測(cè)方法。首先利用觀測(cè)數(shù)據(jù)建立典型變量分析模型，然后提取過程狀態(tài)，估計(jì)狀態(tài)空間矩陣，從而建立子空間模型。將典型變量分析模型估計(jì)的狀態(tài)與子空間模型估計(jì)的狀態(tài)進(jìn)行對(duì)比獲得殘差，設(shè)計(jì)多元統(tǒng)計(jì)量監(jiān)控殘差的變化趨勢(shì)。在連續(xù)攪拌反應(yīng)器上的仿真研究表明，所提方法能夠根據(jù)低維特征信息更快速更靈敏地檢測(cè)到故障。
　　 其次，針對(duì)非線性多變量過程，提出兩種基于unscented卡爾曼濾波新息特征的故障診斷方法：多

3、變量序貫概率比檢驗(yàn)方法和信息散度方法。利用unscented卡爾曼濾波器產(chǎn)生預(yù)測(cè)新息，對(duì)新息特征進(jìn)行深入研究。多變量序貫概率比檢驗(yàn)方法通過構(gòu)造對(duì)數(shù)概率似然比統(tǒng)計(jì)量和判決規(guī)則監(jiān)控過程的運(yùn)行狀態(tài)。為了進(jìn)一步考慮預(yù)測(cè)新息中的非高斯特征，信息散度方法利用核密度估計(jì)計(jì)算多元新息的概率分布，設(shè)計(jì)信息散度統(tǒng)計(jì)量監(jiān)控過程的運(yùn)行狀態(tài)。利用對(duì)稱信息散度計(jì)算待診斷過程與故障庫中各類故障之間的距離，識(shí)別故障類型。在連續(xù)攪拌反應(yīng)器上的仿真結(jié)果表明，提出的方法能夠

4、有效監(jiān)控過程變化，正確識(shí)別故障類型。
　　 針對(duì)未知非線性系統(tǒng)故障預(yù)報(bào)問題，提出一種基于支持向量機(jī)新息預(yù)測(cè)的改進(jìn)卡爾曼預(yù)測(cè)方法。通過典型變量分析子空間辨識(shí)算法獲得未知非線性系統(tǒng)的局部線性化模型，利用該模型和卡爾曼濾波器對(duì)過程進(jìn)行跟蹤和預(yù)測(cè)，并利用支持向量機(jī)時(shí)間序列預(yù)測(cè)算法預(yù)測(cè)未來新息，基于未來新息修正卡爾曼單步和多步預(yù)報(bào)。在連續(xù)攪拌反應(yīng)器上的仿真研究表明，所提方法能夠準(zhǔn)確預(yù)測(cè)過程的動(dòng)態(tài)變化趨勢(shì)，提前預(yù)報(bào)故障狀態(tài)。
　　

5、最后，為了增強(qiáng)unscented卡爾曼濾波對(duì)故障過程的跟蹤和預(yù)報(bào)能力，提出一種基于模糊自適應(yīng)unscented卡爾曼濾波的預(yù)測(cè)器。根據(jù)預(yù)測(cè)效果調(diào)節(jié)狀態(tài)誤差協(xié)方差矩陣和卡爾曼增益，增強(qiáng)unscented卡爾曼濾波器對(duì)故障過程的跟蹤能力。針對(duì)過調(diào)節(jié)導(dǎo)致的跟蹤波動(dòng)較大問題，設(shè)計(jì)Takagi-Sugeno模糊邏輯系統(tǒng)平滑調(diào)節(jié)。仿真研究表明，模糊自適應(yīng)濾波器能夠在保證強(qiáng)跟蹤能力的同時(shí)實(shí)現(xiàn)平滑跟蹤，基于模糊自適應(yīng)濾波的預(yù)測(cè)器能夠精確預(yù)測(cè)未來過程輸出