生产过程早期故障检测与诊断的一种新方法
更新：2019-01-21
1 引言
生产进程故障基本可分两类［1］：一类是当故障发生后，进程系统由一个正常的稳定状态逐渐过渡到另外一个非正常的稳定状态。如电站回热系统，当一台高压加热器因某根钢管破裂而致使给水泄漏时，由于对象自己的动态特征和控制系统的作用，机组将逐渐过渡到另外一个稳定的状态，仍能维持运行；另外一类是故障发生后，系统状态会逐渐恶化，直至解体。如电站汽锅发生水冷壁泄漏故障，如不实时处置，必然会致使机组运行逐渐恶化，直至炉膛熄火或机组迫停。上述两类故障的配合点是：当故障发生后，进程系统将履历一个由多个变量配合浮现出来的特定的动态进程，直至系统重新稳定或解体。
生产进程的故障检测与诊断方式，基本上可分为基于对象机理模子的故障诊断和不依靠于对象模子的定性的故障诊断［2］。前者哄骗观测器或滤波器对进程系统的状态和参数进行重构，并将模子输出与对象现实输出进行比力，形成残差序列，经由过程对残差序列的分析进行故障检测与诊断；后者实质上是一种典型故障模式的识别与匹配进程，其中包括故障诊断专家系统、故障树分析、人工神经网络方式等，这类诊断方式往往需要一些获取故障直接征兆的非凡传感检测装配。凡是上述两类故障诊断方式，不管是残差序列分析，仍是征兆旌旗灯号匹配，都是凭据某一时刻系统的状态进行故障检测与诊断，只有当故障发生到一定水平，系统状态与正常状态有着较年夜的误差后，才能诊断出故障，是以存在故障检测与诊断的滞后性。
本文提出的生产进程早期故障检测与诊断方式，定性地哄骗了故障发生后系统中多个相关变量或征兆信息之间的解析冗余关系，将它们的动态趋向信息哄骗人工神经网络进行有用的融合，在一定水平上避免了上述常规故障诊断方式的错误谬误，减小了故障检测与诊断的滞后性，为运行人员争取了多的故障处置时间和自动。