·358· 智能系统学报 第10卷 3.2TE过程的故障诊断 的诊断结果。图5(a)为采用原始方法得出的诊断结 由于TE过程故障较多，本文只列举了几个典型果，排序概率仅为1.23%，图5(b)为采用新方法得出 的故障进行详细的讲述。 的诊断结果，排序概率已达100%。从图中可以明显 TE过程的一个典型故障时A/C进料比发生变发现，新的处理方法诊断的结果更加准确。 化、B组分不变（故障1），该故障类型为阶跃。从故 障数据可以观测到该故障的异常状态为E=X,2X7.2 11 X,1X0,2X2X14.2X,2X18,1X2.2Xn.2X9.2,其他X型变 4@ 量的状态是正常的。当这些异常状态的信号被输入 (a)原始方法，排序概率为1.23% 到DUCG后，DUCG的推理机将开始工作，所有不相 关或无意义的变量和因果关系都从DUCG中删除。 图4展示了故障1的推理结果。在图4中，浅灰色表 示变量的状态为高，深灰色表示变量的状态为低（不 19 同颜色代表的不同状态可以查阅DUCG的变量列 (b)新方法，排序概率为100% 表)，从图中可以很容易地理解故障1的推理结果。 图5故障14的诊断结果 Fig.5 The fault diagnosis result of fault 14 3.4诊断结果 DUCG可以清晰地描述故障的传递过程，如图6 ②+②9 所示。在t,时刻，DUCG接收到了异常状态X4,2和 17 X2.1;根据这2个异常状态，推理机给出了如图6(a)》 图4故障诊断结果 的推理结果：B。当这2个状态引起异常状态X.2发 Fig.4 The diagnosis result of TE process 生并输入到推理机后，DUCG转变成图6(b)所示的 推理结果。随着时间的进一步推移，DUCG的推理结 故障诊断的推理结果和预计一样是正确的，因为 果也如图6(c)~6(g)一样逐步展开，图6(g)便为包 只有B,能引起所有图中的异常状态。由于推理结果含了所有异常状态的最终展开结果。 中只有一个B型变量，B,是根据观测到的证据所得 到的惟一结果，B变量的先验概率及作用强度都可以 -14 忽略。 3.3震荡型故障的处理方法 (a)t,时刻诊断结果 TE过程的另一典型故障是反应器冷却水阀门粘 滞（故障14），该故障的故障数据呈震荡趋势。由于 原DUCG的采用的是只保留异常变量的初始状态这 12 一方法，在处理化工过程普遍存在的震荡型故障存在 (b)L2时刻诊断结果 着一些不足，无法准确推理出震荡故障的结果。针对 这一问题，本文对数据发送模块重新进行了编译，采 口2⑦@-四 用了五点计数法、将震荡当作一个异常状态来处理， 12 使诊断结果更加准确，更适用于化工系统。该方法设 (c)13时刻诊断结果 置检测到变量的状态为高的次数为a,检测到变量的 状态的低的次数为b,当a+b=5时，则令变量状态发 送模块发送出震荡状态。从最初的故障数据可以观 测到故障的异常状态为X1、X、X9,1,其余的变量 @ (d)t,时刻诊断结果 和因果关系被删除，经过一段时间后，震荡状态被检 测出来，故障的异常状态更新为X,5、X5、X95,并 口→@2⑦@ 输入到DUCG中得到新的诊断结果。此方法不仅适 @⑦①22 用于处理震荡故障，同时也可以处理阶跃等各种类型 (e)L,时刻诊断结果 的故障。图5展示了采用不同的处理方法对故障14３．２ ＴＥ 过程的故障诊断 由于 ＴＥ 过程故障较多，本文只列举了几个典型 的故障进行详细的讲述。 ＴＥ 过程的一个典型故障时 Ａ／ Ｃ 进料比发生变 化、Ｂ 组分不变（故障 １），该故障类型为阶跃。 从故 障数据可以观测到该故障的异常状态为 Ｅ ＝ Ｘ１，２Ｘ７，２ Ｘ９，１Ｘ１０，２Ｘ１２，１Ｘ１４，２Ｘ１７，２Ｘ１８，１Ｘ２２，２Ｘ２７，２Ｘ２９，２ ，其他 Ｘ 型变 量的状态是正常的。 当这些异常状态的信号被输入 到 ＤＵＣＧ 后，ＤＵＣＧ 的推理机将开始工作，所有不相 关或无意义的变量和因果关系都从 ＤＵＣＧ 中删除。 图 ４ 展示了故障 １ 的推理结果。 在图 ４ 中，浅灰色表 示变量的状态为高，深灰色表示变量的状态为低（不 同颜色代表的不同状态可以查阅 ＤＵＣＧ 的变量列 表），从图中可以很容易地理解故障 １ 的推理结果。 图 ４ 故障诊断结果 Ｆｉｇ． ４ Ｔｈｅ ｄｉａｇｎｏｓｉｓ ｒｅｓｕｌｔ ｏｆ ＴＥ ｐｒｏｃｅｓｓ 故障诊断的推理结果和预计一样是正确的，因为 只有 Ｂ１能引起所有图中的异常状态。 由于推理结果 中只有一个 Ｂ 型变量，Ｂ１是根据观测到的证据所得 到的惟一结果，Ｂ 变量的先验概率及作用强度都可以 忽略。 ３．３ 震荡型故障的处理方法 ＴＥ 过程的另一典型故障是反应器冷却水阀门粘 滞（故障 １４），该故障的故障数据呈震荡趋势。 由于 原 ＤＵＣＧ 的采用的是只保留异常变量的初始状态这 一方法，在处理化工过程普遍存在的震荡型故障存在 着一些不足，无法准确推理出震荡故障的结果。 针对 这一问题，本文对数据发送模块重新进行了编译，采 用了五点计数法、将震荡当作一个异常状态来处理， 使诊断结果更加准确，更适用于化工系统。 该方法设 置检测到变量的状态为高的次数为 ａ，检测到变量的 状态的低的次数为 ｂ，当 ａ＋ｂ ＝ ５ 时，则令变量状态发 送模块发送出震荡状态。 从最初的故障数据可以观 测到故障的异常状态为 Ｘ９，１ 、Ｘ１１，１ 、Ｘ１９，１ ，其余的变量 和因果关系被删除，经过一段时间后，震荡状态被检 测出来，故障的异常状态更新为 Ｘ９，５ 、 Ｘ１１，５ 、 Ｘ１９，５ ，并 输入到 ＤＵＣＧ 中得到新的诊断结果。 此方法不仅适 用于处理震荡故障，同时也可以处理阶跃等各种类型 的故障。 图 ５ 展示了采用不同的处理方法对故障 １４ 的诊断结果。 图 ５（ａ）为采用原始方法得出的诊断结 果，排序概率仅为 １．２３％，图 ５（ｂ）为采用新方法得出 的诊断结果，排序概率已达 １００％。 从图中可以明显 发现，新的处理方法诊断的结果更加准确。 （ａ）原始方法，排序概率为 １．２３％ （ｂ）新方法，排序概率为 １００％ 图 ５ 故障 １４ 的诊断结果 Ｆｉｇ． ５ Ｔｈｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｒｅｓｕｌｔ ｏｆ ｆａｕｌｔ １４ ３．４ 诊断结果 ＤＵＣＧ 可以清晰地描述故障的传递过程，如图 ６ 所示。 在 ｔ １时刻，ＤＵＣＧ 接收到了异常状态 Ｘ１４， ２ 和 Ｘ１２， １ ；根据这 ２ 个异常状态，推理机给出了如图 ６（ａ） 的推理结果：Ｂ１ 。 当这 ２ 个状态引起异常状态 Ｘ７，２发 生并输入到推理机后，ＤＵＣＧ 转变成图 ６（ ｂ）所示的 推理结果。 随着时间的进一步推移，ＤＵＣＧ 的推理结 果也如图 ６（ｃ） ～６（ｇ）一样逐步展开，图 ６（ｇ）便为包 含了所有异常状态的最终展开结果。 （ａ）ｔ １时刻诊断结果 （ｂ）ｔ ２时刻诊断结果 （ｃ）ｔ ３时刻诊断结果 （ｄ）ｔ ４时刻诊断结果 （ｅ）ｔ ５时刻诊断结果 ·３５８· 智 能 系 统 学 报 第 １０ 卷