化工过程开车过程故障诊断方法研究
由于化工过程的开车过程具有强非线性、参数动态变化范围大、非常规状态多等特点，自动控制系统往往被停止使用，取而代之的是众多操作员的手动操作，稍有不慎，就会导致开车失败，严重的会导致安全生产事故。据统计，约40%的化工事故发生在开、停车过程。因此，对化工过程的开车过程进行故障诊断，一进成为故障诊断领域的一个研究前沿。
开车过程的故障诊断方法主要分为两种，分别是基于历史数据的方法和基于模型的方法。由于开车过程的强非线性、动态、大滞后等特性，构建令人满意的数学机理模型比较困难，即使得到了机理模型，在线适时求解机理模型仍然具有挑战性。
本文在研究开车过程的故障诊断方法的基础上，对动态轨迹分析算法进行了改进，实例研究表明，故障诊断效率有较大提高。为将改进的动态轨迹分析算法应用于大规模化工过程的开车过程，本文将其与主元分析法（PCA）相结合，提出了一个混合的故障诊断策略，并在一个实验室规模的精馏塔开车过程中得到成功的应用。为提高诊断未知故障的能力，本文利用Gensym G2 Opetigrity专家系统平台，将符号有向图（signed directed graph，简称为SDG）集成到前面所述的故障诊断策略中，开发了一个化工过程故障诊断原型系统，不仅能及时诊断已知的故障类型，而且使其可以对样本库中不存在的新故障进行诊断，给出可能的故障源和故障传播路径。
故障诊断;主元分析法;符号有向图;化工过程;专家系统平台
北京化工大学
硕士
控制理论与控制工程
赵劲松
2009
中文
TP277;TQ019
71
2010-01-19（万方平台首次上网日期，不代表论文的发表时间）