改进som理念下化工过程障碍诊断研究

《改进som理念下化工过程障碍诊断研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、改进SOM理念下化工过程障碍诊断研究第1章绪论1.1引言化工几乎己经渗透进人们生活工作的方方面面，也涉及到国家工业、国防、农业等各个领域。化工过程需要保证很高的安全性，因为一旦发生故障，如果诊断不及时，故障无法排除，就会造成严重影响，甚至危害人们的人身财产安全，后果不堪设想。因此，化工过程的故障诊断与监控问题越来越受到人们的重视，国内外的专家、学者们针对这一领域进行了深入的讨论，并取得了迅速发展，获得了大量研究成果。随着科学技术的不断发展与创新，现代工业过程与机械设备日益趋向自动化、智能化、高速化，结构也愈发复杂，各个系统之间的

2、联系越来越紧密，并且能够在恶劣环境下运行。这些特性都极大的提高了工业过程的生产能力，同时也减少了生产的成本。但是也正是由于过程复杂，一旦发生故障，就会产生连锁反应，造成大面积停工停产，造成巨大的经济损失和人员伤亡。另外，因为控制过程的规模庞大，复杂程度高，使操作人员很难及时发现故障原因并排除故障。因此，如何有效监控过程、及时发现故障、正确诊断故障原因是当前所面临的一个重要课题，研究化工设备和生产过程的故障诊断和状态监控技术具有重要的现实意义⑴。由于信息技术的迅猛发展，工业系统正在变得更加现代化。一方面，通过众多的仪表监控，人们能

3、够采集到大量的可以用于工程监控的数据，从而收集到庞大的信息。另一方面，由于大型生产过程中正常运行工况多，而故障状态少，人们拥有的知识量不足，且各零部件受影响因素多，导致系统具有很强的非线性。因此面对复杂过程或大型机械设备时，传统的故障诊断方法渐渐失去作用，在很多非线性情况下无法完全解决问题。因此，如何在海量状态信息中发现有价值的、潜在的模式，进行学习并完善诊断知识，是有效提局故障诊断能力的关键。通过对生产过程运行状态的不断监督，检测过程中数据的变化，判断故障类别，分析故障产生的原因，有助于及时釆取有效措施，隔离并且消除故障，能够

4、有效预防重大事故的产生，减少事故对产品质量的波及，也有助于加强竞争力。故障诊断与监控技术在近几年中，得到了巨大的发展，并取得了丰硕的成果，应用方面也在不断开拓新的领域。1.2过程监控概述人们通常将故障定义为某一系统中至少一个特性或变量发生了一种不允许的偏离，与正常值有较大的偏差。故障有可能导致系统的一个永久性中断，也可能是一个未知的扰动，使变量暂时离幵正常区域。当一个系统发生某类故障的时候，这个系统的性能会产生较显著的变化，有可能会无法实现该系统预期的功能，甚至会发生危险。工业系统的故障类型有很多，总结起来可以概括为过程执行器、

5、传感器、参数变化和干扰参数变化等问题。过程监控，也称为广义的故障诊断系统，就是指对故障进行检测、识别、诊断和消除，以确保过程运行的状态能够满足规定的性能指标[8]。一个良好的过程监控系统，能够让工作人员实时跟踪整个过程的整体运行情况，同时还能够对故障的发生及时检测，能够马上提供补救行动，有效解决了非正常的干扰，以保证整个系统可以顺利安全的完成计划运营。整个过程监控的最终目标就是最小化损失，保证安全性，控制并减少生产运营成本。过程监控系统是一个融合了很多门学科的大综合系统，包括了模式识别、现代控制理论、人工智能、信号处理等。整个过

6、程监控系统通常可以分为四个步骤，分别是故障检测、故障识别、故障诊断和过程恢复[8]。整个系统过程可以从图1.1的流程图中得到。第2章自组织特征映射2.1引言人类大脑由大量的神经元经过相互的连接，形成神经元网络，这些神经元能够逐步处理从外部或内部环境传递的信息，从而找到外部现象的内部表述，这种特性就是大脑的自我学习功能人工神经网络就是模仿大脑学习信息的过程，通过建立简单的数学模型，互连的神经元组成神经网络系统，具有高度非线性，能够处理复杂的非线性问题。因此，神经网络己经被广泛应用于诸多领域。自组织特征映射（Self-organiz

7、ingmap,SOM)是一个无监督旳神经网络，它于1982年由芬兰学者TeuvoKohonen根据人脑的生物特性研究而成。所谓无监督的神经网络是指无需知道数据的模式类别属性，网络会根据某种规则更新网络权值，自动地对模式样本进行学习和调整，最终网路能够合理地反映训练样本的分布情况。SOM算法能够根据输入数据的情况自主地进行学习和分类，具有很强的数据挖掘和聚类能力。通过自组织特征映射网络，高维输入数据能够映射到一维或二维的输出空间中。SOM算法的最大特性是它能够保留原始样本的拓扑空间不变。当数据从高维映射到低维时，原始数据之间的相互

8、距离被很好地保护，输入空间中距离相近的输入点将被映射到输出空间中距离相近的神经元上。所以，SOM是一个很好的高维数据聚类工具，并且是一个很有价值的数据可视化工具。基于自组织特征映射网络的良好特性，SOM被成功地应用于各类复杂数据问题的处理中，在语音识别功能、生物