[发明专利]一种流程工业系统的过程故障分析装置及方法

权利要求书

1.一种流程工业系统的过程故障分析方法，其特征在于，包括下列步骤：

步骤1：流程工业系统网络特性分析，依据系统工业流程信息、过程测点变量信息对过程系统进行结构分解，以监测变量节点网络形式描述系统，通过对系统进行网络特性分析，依据网络特性确定对系统动态行为有重要影响的关键变量节点集合；获取系统结构信息的数据结构模型，该数据结构模型包括节点描述信息、故障模式信息，并存储在系统结构信息库中；

步骤2：基于关键节点集的系统主元分析(PCA)过程监测，利用过程系统运行中的实时数据、分析获取的关键节点集构建系统数据主元分析(PCA)监测模型，对系统过程故障进行监测；

步骤3：变量节点集及其定性故障描述信息获取，如果发生故障，则获取具有故障征兆的变量节点集合及其定性故障描述信息；

步骤4：基于关联节点征兆与观测征兆的故障原因分析，在获取故障征兆后，对比已经建立的故障模式即可进行故障原因分析，确定维护措施；

步骤5：将分析结果通过人机交互模块显示出来，

所述的流程工业系统网络特性分析，包括如下步骤：

(a)依据系统工业流程信息、过程测点变量信息对过程系统进行结构分解，以监测变量节点网络形式描述系统，并采用近邻矩阵形式存储于系统结构信息库中；

(b)通过对近邻矩阵按照网络特性定义进行计算，得到集群系数、特征路径长度、节点度数、节点介数网络特性值，并存储于系统结构信息库中，为从网络角度认识系统及后续分析提供依据；

(c)依据网络特性确定节点重要度w_i，获取反映系统整体行为的关键变量节点集，此信息存储于系统结构信息库中；

(d)故障模式信息获取；根据历史故障数据建立系统故障模式信息，包括故障原因、关联节点、关联节点征兆、严重程度和维护措施，

所述的基于关键节点集的系统主元分析(PCA)监测方法，首先，利用稳态无故障状况下的过程数据及获取的关键变量集，构造正常状况下的主元模型，即构造出主元得分矩阵和主元负荷矩阵；然后，对于一个新的样本，构造相应的统计量T²和Q及其相应控制限阀值T_α²和Q_α监测系统过程行为，所述的基于关联节点征兆与观测征兆的故障原因分析方法，依据故障模式中的关联节点征兆信息，确定初始原因集合，如果存在一种原因解释全部观测到的故障征兆，则该原因即为最终分析结果，并说明系统可能发生单一故障；如果不能全部解释观测征兆，则记录解释征兆数最大的原因作为最终可能原因之一；对剩余的原因集合重复以上步骤，直到所得原因集能够全部解释观测的故障征兆。