[发明专利]石化过程中基于定性SDG的故障混合诊断方法

权利要求书

1.一种石化过程中基于定性SDG的故障混合诊断方法，在中控室配置服务器，所述服务器与生产过程中的实际流程通过局域网相连，采集来自生产现场的实时数据，并通过公共网络与客户端相连接，该方法建立了一个三层的层次诊断模型：

1)第一层是专家系统模块

提取工艺流程的关键节点在故障状态下的特征数据，存入专家知识库；实时监测时，如果关键节点的状态在专家知识库定义好的状态中，则能够得出结论：已经进入某种故障状态，原因和后果即可确定；

2)第二层是综合诊断模块

结合PCA、模糊逻辑和主元分析，得到基于SDG的故障诊断的混合算法，进入混合算法后，首先以PCA方法对实时数据进行监测，当监测到异常波动时，求出偏离点以供SDG进行故障推理；

随后，运用SDG算法进行故障推理，得到相容通路，即故障传播路径，随后先后送入采用模糊逻辑的SDG推理引擎进行故障诊断，结合混和专家知识库系统，得到故障的原因、后果以及处理措施；

对于建立的SDG模型，自动推理进行HAZOP，搜索故障传播路径，把分析结果以故障症兆、故障原因、传播路径和不利后果以及处理措施以专家知识的形式存在故障知识库中；

3)第三层是混合专家知识系统

该混合专家知识系统主要由专家系统和HAZOP分析结果构成。

2.如权利要求1所述的故障混合诊断方法，其特征在于，采集到的现场数据首先送到PCA算法模块，用于诊断整个装置或单元的工艺状态是否正常，随后先后送入SDG推理引擎进行故障诊断，此时的SDG节点和通路的阈值采用模糊逻辑算法，将SDG模型中的节点和支路状态模糊化。

3.如权利要求2所述的故障混合诊断方法，其特征在于，

所述PCA算法模块，包括以下步骤：

a.以PCA方法对实时数据进行监测，采集实时数据，建立主元模型；

b.计算残差；

c.建立PCA-SDG模型；

d.对于已经赋值的SDG模型进行双向推理，得到故障传播路径。

4.如权利要求2所述的故障混合诊断方法，其特征在于，

a.SDG节点的模糊包括阈值上下限的模糊，采集DCS上现场仪表的高高报、高报、低报、低低报数据，根据试验得到SDG中各节点的阈值缩放因子，以所述数据为基础，乘以阈值缩放因子，将报警限的范围放大或缩小一定的倍数，从而得到适用于SDG推理的模糊阈值；

b.SDG节点的模糊还包括实时测量值对阈值的模糊，通过引入隶属度表示，在某一时刻，获得SDG模型中各节点的实际测量值，并计算得到其相对于模糊阈值的隶属度；

c.将系统因果变量间的稳态增益定义为SDG支路的灵敏度，由人工设定。

d.从某一发生偏离的节点出发，进行前向推理和反向推理，找出所有相容通路，把每一条相容通路中各节点的隶属度和各支路的灵敏度分别相乘，得出整条相容通路的相容度和灵敏度；

e.考虑相容通路的节点数目不同的影响，把每条相容通路的相容度根据节点数取几何平均值，灵敏度根据支路数取几何平均值；

f.综合考虑相容通路的相容度和灵敏度大小，进行优先级排队，并自动解释造成当前报警的原因和危险传播路径；

g.每隔一个选定的时间间隔重复以上步骤a-f，以便实时跟踪现场故障情况。