石油化工SDG故障诊断仿真试验系统

基于SDG深层知识模型的推理方法是一种完备的揭示系统故障的有效方法，石油化工的SDG故障诊断方法也是当前研究的热点问题。系统仿真技术在故障诊断系统中发挥了特殊的作用，建立用于故障诊断的仿真试验系统是必要的。本文给出了该系统的硬件和软件结构，讨论了其中的关键技术。该试验系统可用于辅助建立SDG故障诊断模型、阈值修正、案例试验、模型验证及模型简化等，并可依据国际标准对诊断系统进行系统安全整体性要求测试，包括软件可靠性试验和硬件可靠性试验。     

基于符号定向图(SDG)深层知识模型的定性仿真

定性仿真是系统仿真技术中的重要研究和应用方向，同时也是人工智能技术的一个重要方面。近年来，随着现代计算机技术的日新月异，使得基于符号定向图(SDG)深层知识模型的定性仿真研究和应用取得了显著进展。SDG模型能够表达复杂的因果关系，具有包容大规模潜在信息的能力，因此特别适合于过程系统危险评价(PHA)、危险识别与故障诊断。SDG模型结构简单，易于建立和修改。然而高质量的SDG模型必须采用经验数据和定量动态仿真检验和校正。采用SDG模型进行定性仿真的关键技术是高效双向推理“引擎”，由计算机软件自动完成。目前，在计算机辅助过程系统危险评价方面，SDG是最有效的方法；在过程系统故障诊断方面，其完备性较好，但诊断分辨率尚待提高。今后的研究应解决：定性仿真和定量仿真相结合；SDG自动建模；通用推理软件平台；大系统高分辨率故障诊断等问题。     

定性代数方程的简明表达方法-影响方程及其建模

提出了定性代数方程简明表达方法的实现及建模规则.以化工装置中的固定床式烷基转移反应器为例讨论了影响方程建模过程,建立了烷基转移反应器的影响方程,并将影响方程模型直接转化为较为直观的符号有向图(SDG)模型.采用SDG定性推理(即基于网络拓扑的定性仿真方法)识别故障的完备性较高、能够揭示故障演变的路径和历程,在复杂过程系统危险识别和故障诊断领域得到广泛应用.     

基于PCA和SDG的传感器故障诊断方法研究及应用

针对传统基于PCA(主元分析)的传感器故障诊断方法缺乏故障推理能力,难以定位故障源的缺点,提出一种PCA与SDG(符号有向图)相结合的传感器故障诊断的方法。此方法分为2步:首先建立系统的SDG模型和PCA模型,使用PCA方法监控所有的过程变量;第二步,当故障发生的时候,通过PCA得到异常变量的状态,根据变量的状态,通过SDG模型进行反向推理,找到可能发生故障的传感器。通过液位控制系统的仿真实验以及在常减压装置(AUDU)故障诊断上的应用,结果表明方法能够及时有效地检测出单个或多个传感器故障,提高了诊断的准确性与分辨率。     

基于SDG的加热炉HAZOP与故障诊断

随着现代流程工业日益大型化和复杂化,生产中重大恶性事故不断发生,促使人们越来越重视对安全技术问题的研究,而安全评价与故障诊断正是安全工程领域中的两个重要方面。在分析符号有向图(SDG)技术的理论基础上,探讨了SDG定性模型在计算机辅助HAZOP安全评价和故障诊断中的实际应用,并针对石化领域中常用的加热炉设备,建立SDG模型进行HAZOP和故障诊断分析。实验结果表明,基于SDG的HAZOP和故障诊断技术具有完备性好、节省时间、人力、费用等众多优点。     

基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法

为了提升电网复杂故障时的态势感知能力,提出了基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法.首先,基于层次化、动态建模的思想,在建立元件一般故障诊断模型的基础上,引入浮动库所、浮动弧、浮动变迁的概念来合理的体现主保护、断路器以及后备保护之间的逻辑关系,建立了元件复杂故障时的诊断模型;其次,挖掘故障信息源的特性进行预处理,依据故障类型动态建立相应Petri网诊断模型;再次,利用改进的遗传算法对模型中的参数进行了训练、优化;最后,探讨了该Petri网故障诊断模型的容错性、通用性.对算例系统仿真的结果表明:该方法突出了故障诊断过程的层次性、可理解性,提升了诊断模型的透明性、改善了诊断模型的易维护性,在电网复杂故障的情况下诊断结果仍具有较高的准确度,并呈现有较好的容错性.     

集成化SDG建模、推理与信息处理软件平台

过程工业的安全问题正日益引起公众及政府的关注和担忧。大量的人力物力被投入到过程风险评价(PHA)中，而它们的大多数依靠人工完成。近年来，通过引入符号有向图(SDG)，基于计算机的自动PHA成为了可能。这项工作的首要任务是建立一个实用的SDG建模、推理平台。我们基于对HAZOP评价方法的研究，根据操作的步骤和需要，最终设计、开发了一个图形化、层次化、支持组件可复用的SDG软件平台，以供建模、推理和数据后处理使用。该平台基于自主开发的SDG推理引擎和图形建模环境，其设计充分考虑技术研究的持续和渐进性，利用迭代开发和面向对象的技术，支持多种算法的混合使用和组件的复用，从而在SDG的图形建模、推理引擎构架和双向推理方面做出了有益的探索。     

基于Gibbs抽样的诊断贝叶斯网络模型评估方法

贝叶斯网络模型应用到故障诊断之前,必需对模型的正确性、故障诊断率、故障隔离率等进行全面的分析评估。通常的评价方法是用基于标准案例的测试程序对模型进行测试,但这些案例毕竟是有限的,不能穷尽所有情况。提出一种基于Gibbs抽样的诊断模型评估方法,不需要特殊的诊断案例,该方法采用等概率故障注入算法,自己产生测试案例,仿真故障传播和故障诊断过程,能够保证对系统的全面覆盖测试,对诊断模型进行全面评估。     

基于SDG的计算机辅助危险与可操作性分析

对于过程系统，危险与可操作性(Hazard and Operabiljty，简称HAZOP)分析是一套应用最广的评价方法。但是人工评价存在费时、费力、成本高等缺点。本文介绍了一种基于SDG(Signed Directed Graph)的计算机辅助危险与可操作性分析系统，该系统基于SDG定性模型。过程模型利用模型库中的单元模型建立，通用性强，且又能分析各种具体工艺的特定信息。应用实验表明，与人工专家评价相比，该系统具有完备性好、省时、省力、成本低、评价结果系统性和条理性强等众多优点。     

基于SDG的智能故障诊断方法研究

提出了一种基于符号有向图 (signeddirectedgraph ,SDG)的智能故障诊断方法 ,其基本思想是通过分别建立系统及其部件所对应的SDG ,并将此SDG对应于需诊断的故障模式进行化简 ,然后将建立的诊断规则库用逻辑运算进行扩充 ,形成系统的诊断规则库。诊断时通过将系统变量的定量取值简化为定性值 ,并应用所建立的规则进行比较 ,得到最后的定性诊断结果。     

基于模型和案例推理的混合故障诊断方法

基于模型的诊断方法描述的是系统内部结构和行为的深知识,能够轻松获取诊断知识,但计算量较大;而基于案例推理的诊断方法依靠的是历史经验,诊断效率比较高,但知识获取是其瓶颈。针对两种方法的优缺点,提出了利用基于模型的方法来实现案例知识的获取,然后通过基于案例推理的方式完成故障诊断过程的混合故障诊断方法。该方法不仅汲取了基于模型方法准确度高的优点,避免了知识获取难的问题,同时继承了基于案例推理方法的快速性,提高了诊断效率。     

SDG方法与过程安全分析的关系

过程安全分析(PHA)涉及，过程的危险、各种事件的超前识别、适用于安全的工程和管理控制、工程和管理控制的事故所造成的后果、设备状态和人的因素等诸多方面。推荐的安全分析方法有，如果…怎么样法、检查表法、危险与可操作分析法(HAZOP)、故障模式及后果分析(FMEA)或故障树分析法等。这些方法中的大多数与SDG(符号定向图)在根本原理上相同。因此，SDG是过程安全分析中一种极为关键的计算机化技术。     

基于代理与仿真技术的远程故障诊断系统

从资源共享、知识集成的角度,探讨服务与诊断技术向远程化、智能化方向发展的必要性和涉及的问题,将多代理技术、仿真技术应用于远程服务与故障诊断研究领域。研究基于多代理的远程服务与故障诊断系统(RSFDS)的工作模式及体系结构,构建基于多代理的RSFDS系统模型,包括概念模型和结构模型,详细论述面向服务与故障诊断的Agent功能结构及基于仿真技术的系统实现与应用策略,给出印刷机械设备远程服务与故障诊断应用实例。     

基于Petri Fault Net的磁浮列车悬浮系统故障分析

随着磁浮列车技术的商业化应用,磁浮列车系统故障诊断越来越受到重视。以中低速磁浮列车为背景,在建立磁浮列车悬浮系统故障模型的基础上,针对磁浮列车悬浮系统的复杂性,将基于Petri Net的故障诊断理论Petri Fault Net应用于磁浮列车悬浮系统的故障诊断中。给出了基于Petri网的最小割集寻找方法;根据磁浮列车2001年以来的运行数据统计,计算出了节点的P概率/T概率;在此基础上进行了故障定位和影响分析。列车的试验运行验证了提出的理论准确性。     

一种基于有向图模型的模糊多故障诊断算法

基于最大后验概率准则的复杂系统多故障诊断推理算法依赖于系统先验故障概率的获取.针对这一不足,提出了一种基于有向图模型的系统级模糊故障诊断算法.首先用有向图模型描述大型复杂系统各子系统及故障观测节点问的信息依赖关系,建立故障依赖矩阵;然后在故障观测概率空间建立特征故障观测概率矩阵;在此基础上设计了模糊函数以描述实际观测向量与故障特征向量的相似度,并提出了相应的诊断算法.仿真结果表明该算法具有足够的故障诊断精度和诊断效率.     

基于自适应神经网络的非线性系统故障诊断

针对一类模型未知及状态不可测的非线性系统,提出了基于自适应神经网络的故障诊断策略,不仅在线估计神经网络的矩阵权重,而且在线估计高斯函数的宽度和中心。该方法对系统的未知非线性特性没有特别要求,仅对神经网络提出较弱的假设条件。首先利用径向基函数(Radial Basis Function,简称RBF)神经网络构造状态观测器,估计系统的状态。然后利用另一个自适应RBF神经网络作为故障估计器,其输入是系统的估计状态(而不是系统状态),其输出为系统所发生的故障模型。利用Lyapunov稳定理论详细分析了状态误差和故障误差的收敛性,分别给出了两个神经网络的参数调整律,仿真证明了该方法的实用性和有效性。     

基于本体的飞机舵面结构故障诊断方法

从系统工程的角度分析了飞机系统的复杂性,将飞机族的概念引入到飞机的本体建模中,并以舵面故障诊断过程为研究对象, 首先用Protégé建立了飞机本体的领域知识模型,然后将单故障和组合故障的诊断知识列为本体中的SWRL规则,最后利用 JESS推理出 新知识得出诊断结果,实现了用本体来选择修复方案的过程.该方法能够实现复杂系统的建模及故障诊断 方案的准确选择,并可通过增加新的诊断知识来完善故障诊断知识库.