[发明专利]一种工业精馏塔故障诊断算法

说明书

本发明公开了一种工业精馏塔故障诊断算法，包括如下步骤：1)将模糊Petri网参数作为粒子群导入计算机，利用混沌差分粒子群(CDEDPSO)算法对参数进行优化；2)利用优化后的模糊Petri网对精馏塔故障进行建模3)将精馏塔故障征兆输入模糊Petri网模型，进行仿真；4)根据仿真结果寻找对应的故障点。本发明主要应用于化工石油产业，使得工作人员及时发现精馏塔的故障成因，从而有效避免安全事故的发生。

技术领域

本发明属于工业自动化控制技术领域，涉及一种工业精馏塔故障诊断算法。

背景技术

工业4.0的发展对生产装置提出了高度集成化、自动化的新要求，其发展趋于信息化和智能化。但是，随之产生的问题是大型生产设备的故障成因越来越复杂，影响了规模化生产的正常运行，迫切需要创新研究在线生产设备的智能故障诊断技术。目前工业上已有的故障诊断算法有粒子群算法(PSO)、差分粒子群算法(DEPSO)等。但是这些故障诊断算法的准确性和快速性都不高。

本发明提出一种基于混沌差分粒子群算法的模糊Petri网故障诊断算法，具有较高的故障诊断效率，能够很好的解决上述问题。

发明内容

本发明的技术目的是克服精馏塔中故障点多、排查不方便以及现有技术中故障诊断算法效率不高、性能不稳定的问题，提供一种新型、适用范围广的工业精馏塔故障诊断算法。

为实现以上目的，本发明的技术方案是：

本技术发明基于混沌差分粒子群(CDEDPSO)算法的模糊Petri网故障诊断算法，由混沌算法、差分算法、粒子群算法组合，形成一种新型的CDEDPSO优化算法，并将其应用于精馏塔的故障诊断中。所述模糊Petri网故障诊断算法是一种具有较强并行处理能力的故障诊断算法。所述混沌差分粒子群(CDEDPSO)算法对模糊Petri网的参数进行优化，从而提高精馏塔故障诊断的效率。该算法包括如下步骤：

(1)将模糊Petri网参数作为粒子群导入计算机，利用混沌差分粒子群(CDEDPSO)算法对参数进行优化；

(2)利用优化后的模糊Petri网对精馏塔故障进行建模；

(3)将精馏塔故障征兆输入模糊Petri网模型，进行仿真；

(4)根据仿真结果寻找对应的故障点。

本发明的有益效果是较大程度上提高精馏塔故障诊断的快速性、准确性等效率指标。

附图说明

图1是测试函数Griewank的优化曲线图。

图2是测试函数Rosenbrock的优化曲线图。

图3是测试函数Schwefel的优化曲线图。

图4是测试函数Rastrigin的优化曲线图。

具体实施方式

结合图1、图2、图3、图4详细说明本发明的一个具体实施例。

本技术发明了一种精馏塔故障诊断算法，包括基于混沌差分粒子群(CDEDPSO)算法的模糊Petri网故障诊断算法。采用4个基准测试函数对混沌差分粒子群(CDEDPSO)算法的性能进行测试，它们分别为Griewank函数、Rosenbrock函数、Schwefel函数和Rastrigin函数。首先，将模糊Petri网参数作为粒子群导入计算机，利用混沌算法初始化所有基本参数和初始群体并计算粒子的适应度函数值，再更新粒子的位置和速度，计算粒子群适应度d的值并与0.1比较，若d的值小于0.1，则需要对粒子群做扰动操作，否则就对粒子群进行差分运算，直到满足终止条件，输出参数优化结果。利用优化过后的模糊Petri网对精馏塔进行故障诊断。