[发明专利]一种流程工业系统的过程故障分析装置及方法

说明书

技术领域

本发明涉及基于复杂网络理论的流程工业系统，特别涉及一种流程工业系统的过程故障分析装置与方法。

背景技术

在流程工业中，由于工业过程规模的不断扩大、复杂性的日益增加，生产系统的安全性和可靠性要求也日益提高，生产过程安全、可靠、无故障地稳定运行，已成为现代工业的一个重要任务。为此，在系统运行过程中，需要及时检测到故障或异常的发生，并故障类型进行判断和故障源定位，消除不利影响因素。传统的过程异常监测方法可以分为三类：基于解析的、基于知识的和基于数据驱动的方法。基于解析的方法是建立在严格的数学模型基础上的，如卡尔曼滤波器，参数估计，等价空间等方法；基于知识的方法主要是依据定性模型建立的，如故障树(FTA)、决策树(DT)等；基于数据的方法主要是以采集的过程数据为基础，通过各种数据处理与分析方法挖掘出数据中隐含的信息，进而指导生产过程，如多元统计方法、聚类分析、频谱分析等。由于流程工业中的生产系统无论是整个工厂还是单独一个生产单元，都是一个大系统，获取严格的数学模型和详细的系统知识比较困难，因此，基于解析的和基于知识的方法受到限制；并且，典型的现代过程中存在大量的仪器仪表，大系统会产生大量的数据，所以基于数据驱动的分析方法在流程工业中的异常监测、故障诊断等方面得到了广泛的应用。

然而，在实际应用中，基于数据驱动的方法存在的首要问题就是数据监测点的选择问题，即对系统中存在的成百上千的监测点位，哪些点位对过程监测是必要的和重要的，实际上，技术人员通常只关注部分经验认识中重要监测点位；再者，由于基于数据驱动的方法没有利用到过程系统领域知识，其异常的识别和分离能力将会受到限制(虽然知道某个变量产生异常，但很难确定其根本原因)；另外，对大型复杂系统，如果对全部过程变量进行监控，无疑将会产生更多的噪声信息，加重故障监测和分析的计算负担。因此，如何选择反映过程系统的监测变量、减少监测变量数目、提高过程的故障的识别与分离能力对于保证流程工业系统的安全、平稳运行具有重要应用价值。

实际上，流程工业中的生产系统通过各种介质(流体、电力、信号)传递，将离散的设备装置连接成一个相互关联、高度耦合的复杂机电系统网络。系统中的数据变量之间存在相关性，具有强耦合性，在整体联系上呈现出复杂的网络形式。因此，本发明的依托的主要技术思路为：利用众多变量具有网络形式的特点，分析变量在网络具有的拓扑特性，并以此为依据对重要的过程变量进行选择；在此基础上，结合传统的数据驱动方法，如主元分析方法(PCA)，对系统过程故障进行监测和识别。基于以上技术思路，申请人提出的一种基于复杂网络理论的流程工业系统故障分析装置及方法，可以解决复杂过程系统故障分析中面临的上述问题，减少和优化过程监测变量数目，提高系统故障的监测、分离能力。

发明内容

本发明的目的在于提供一种基于复杂网络理论的流程工业系统过程故障分析装置及方法，以便能对大型流程工业系统存在的众多变量进行选择，能够识别影响系统故障监测的关键重要变量，减少过程监控变量数目；同时，充分利用流程工业过程系统中实时数据信息，结合系统结构关联信息、故障模式信息等，提高异常或故障的分离识别能力。

为了实现上述任务，本发明采取如下的技术解决方案：

一种基于复杂网络理论的流程工业系统过程故障分析装置，该装置包括：

(1)人机交互模块，用于实现用户与过程故障分析系统的交互，输入被分析对象的相关信息，包括工艺流程信息、过程测点变量信息、变量间联系信息以及分析结果等，并且能够修改系统结构信息库、过程数据以及故障分析流程。

(2)过程数据管理模块，用于对系统运行过程中产生的实时数据进行存贮和管理，包括DC S控制系统数据和人工点检数据等。

(3)系统结构信息库，用于存储、管理系统节点结构信息及故障模式的数据结构模型相关信息；

(4)系统网络特性分析模块，用于对过程系统进行网络构建、并对系统进行网络特性分析。

(5)过程故障分析模块，执行过程系统故障分析，并对分析的工作流程进行管理；

本发明过程数据管理模块、系统结构信息库、系统网络特性分析模块分别与过程故障分析模块连接，人机交互模块分别与过程故障分析模块、系统结构信息库连接。

所述的系统结构信息库中的信息主要包括：描述系统网络模型的近邻矩阵、网络拓扑特性以及故障模式中的故障原因、关联节点、关联节点征兆、严重程度和维护措施信息，以及故障模式信息采用以关联节点征兆为引导词的存贮方式。

上述基于复杂网络理论的流程工业系统过程故障分析方法，具体包括以下步骤：