[发明专利]一种工业生产过程智能集成故障诊断方法及装置

说明书

技术领域

本发明涉及测控技术中故障诊断技术，尤其涉及故障诊断中的智能集成诊断方法及装置，并且更具体地涉及工业生产过程智能集成故障诊断方法及装置。

背景技术

随着现代工业和科学技术的发展，由于产品质量改善、产量提高、节约能源、防止环境污染的需要，对于连续、大批量的现代化生产过程迫切需要建立监控系统对生产过程控制系统进行故障诊断，实时检测出系统发生的故障，并对故障原因、故障频率和故障危害程度进行分析、判断，得出结论，采取必要的措施，防止灾难性事故的发生，保障生产的稳定运行，从而切实提高工业企业的经济效益。

现有的故障诊断方法主要有：基于规则的诊断、基于实例的诊断、模糊诊断等，各种诊断方法在诊断知识获取、诊断结论的可靠性，以及解释能力上具有各自的特点。

基于规则的诊断方法是通过专家诊断经验的积累而建立的。这些经验由规则形式描述，将征兆与潜在的故障联系起来该诊断方法。专利文献：一种建立网络故障诊断规则库的方法(CN 100393048C)、一种故障诊断方法及系统(CN 101848477A)和基于分类式规则的空调系统故障诊断方法(CN 1967077A)，通过建立网络故障诊断规则库、知识库进行故障诊断。该方法存在着知识获取困难，知识间上、下文敏感，不确定推理及自适应能力差等问题。在诊断方面，存在的问题是对生产系统的依赖性强，即每一种新生产系统都需要一组新规则，而积累这些规则是需要很长时间的，知识成了经验的封装。在故障诊断之前，必须要有相当多的经验规则，否则无法进行诊断。如果诊断经验不多，不仅会出现新的情况，还会发生漏诊现象。

基于实例的诊断是一种使用过去的经验实例指导解决新问题的方法，该诊断方法的关键，是如何建立一个有效的实例索引机制与实例组织方式。专利文献：一种基于PDA故障诊断系统及方法(CN 101387582A)，主要针对飞行系统采用典型案例法进行故障分析，该方法能搜集到的诊断实例是有限的，不可能覆盖所有解空间，搜索时也可能会漏掉最优解，当出现异常征兆时，由于找不到最佳匹配，可能造成误诊或漏诊，产生严重后果。此外，故障实例之间的一致性维护困难，改写新实例需更多的知识。这样建立起来的故障诊断系统抗干扰能力弱，安全性难以保障。

基于模糊理论的诊断方法，由于模糊语言变量接近自然语言，知识的表示可读性强，模糊推理逻辑严谨，类似人类思维过程，易于解释。但模糊诊断知识获取困难，尤其是故障与征兆的模糊关系较难确定，且系统的诊断能力依赖模糊知识库，学习能力差，容易发生误诊或漏诊。

由于目前各种故障诊断方法各自存在着局限性，对于工业生产过程这种复杂对象的故障诊断，如用单一的知识表示方法，有时很难完整地表示对象的故障诊断知识领域，而集成多种知识表示方法则能更好地表示对象的故障诊断领域知识。基于贝叶斯网络模型、FTA故障树分析模型、FMEA故障模式影响分析模型、神经网络模型、专家系统的集成诊断方法能综合各种诊断方法的特点，克服各诊断方法的局限性，从而提高诊断系统的智能性和诊断效率，集成型的故障诊断系统还能有效地处理真值维护、结论解释、机器学习等。智能集成故障诊断技术是故障诊断领域的一个重要发展方向。

目前故障诊断的装置多采用常规仪表和设备以及传统的工业控制器，这些传统常规的模拟信号诊断装置功能结构单一，可靠性、互换性差，维护困难，影响了故障诊断的效果。本发明采用全数字化的FCS现场总线控制系统进行工业生产过程的故障诊断，由于该系统是一个分布式的网络控制系统，功能综合、可靠性高、互换性好、抗干扰能力强、维护容易、安装使用费用低等特点，能有效地提高故障诊断效率，系统达到较好的诊断控制水平。

该方法及装置具有重要的应用价值，它能更有效地减少故障误报或漏报的现象，及时采取措施进行相应地调整，保障工业生产过程安全有效地运行。

发明内容

本发明要解决的技术问题是，针对工业生产过程的复杂性、不确定性等特点，及现有诊断技术和方法存在的局限性，用准确、可靠的方式进行工业生产过程故障诊断，为正常的工业生产过程提供有效地保障。

为实现上述目的，本发明提供了一种工业生产过程故障诊断方法，其特征在于包括以下步骤：

生产过程故障诊断数据的检测、信号采集等工作；

根据采集到的信号进行对象特征的分析和处理；

按照智能集成方法，根据对象特征，进行生产过程故障诊断分析，对故障进行识别，寻找故障原因，进行故障准确定位，并进行诊断决策，有效地进行系统调节，从而使工业生产过程能顺利进行。

其中智能集成诊断方法包含以下步骤：