第9卷第2期 智能系统学报 Vol.9 No.2 2014年4月 CAAI Transactions on Intelligent Systems Apr.2014 D0I:10.3969/i.issn.1673-4785.201402012 网络出版地址：http://www.cnki.net/kcms/doi/10.3969/j.issn.1673-4785.201402012.html 动态不确定因果图在化工过程故障诊断中的应用 杨佳婧，张勤2，朱群雄 (1.北京化工大学信息科学与技术学院，北京100029；2.北京航空航天大学计算机学院，北京100083) 摘要：化工过程具有高复杂性和高危险性等特点，且生产过程都是长周期连续运转，一旦出现故障就会造成巨大 的损失，因此对化工过程进行实时的过程监控和故障诊断，对于确保化工生产过程的安全性具有十分重要的意义。 动态不确定因果图(Dynamic Uncertain Causality Graph,DUCG)理论是一种动态不确定因果知识的表达和推理方法， 能够以图形方式简洁表达不确定因果关系，并基于证据化简图形知识库和进行事件展开运算，最终得到定性推理结 果（可能的假设事件集合）及其发生的概率。以TE(Tennessee Eastman)化工过程为测试平台，对基于DUCG理论开 发的一种新的应用于化工过程的实时过程监控与故障诊断系统进行了知识库构建和实时在线故障诊断测试，结果 证明基于DUCG的化工过程故障诊断方法及开发的软件系统非常有效。 关键词：动态不确定因果图：故障诊断：化工过程：TE过程 中图分类号：TP391.41文献标志码：A文章编号：1673-4785(2014)02-0154-07 中文引用格式：杨佳婧，张勒，朱群雄.动态不确定因果图在化工过程故障诊断中的应用[J].智能系统学报，2014,9(2)：154-160. 英文引用格式：YANG Jiajing,ZHANG Qin,ZHU Qunxiong..Application of dynamic uncertain causality graph to fault diagnosis in chemical processes[J].CAAI Transactions on Intelligent Systems,2014,9(2):154-160. Application of Dynamic Uncertain Causality Graph to fault diagnosis in chemical processes YANG Jiajing',ZHANG Qin2,ZHU Qunxiong' (1.College of Information Science and Technology,Beijing University of Chemical Technology,Beijing 100029,China;2.School of Computer Science and Engineering,Beihang University,Beijing 100083,China) Abstract:Chemical processes have the characteristics of high complexity and high risk,and the production process is in a continuous operation for a long period of time.Once a fault occurs,huge losses will be the result,so the re- al-time process monitoring and fault diagnosis of the chemical process are of great significance to ensuring the safety of the chemical production.The Dynamic Uncertain Causality Graph (DUCG)is a methodology used to deal with knowledge representation and reasoning of dynamical uncertain causalities.DUCG is able to compactly and graphic- ally represent uncertain causalities,simplify the graphical knowledge base based on the online evidence and expand events as independent random event expressions,and finally reveals the qualitative reasoning results (the set of the possible hypotheses)and the probabilities of these hypotheses.In this paper,we use the TE (Tennessee Eastman) process as the test platform,and the knowledge database is built for the new real-time process monitoring and the fault diagnosis is applied to the chemical process based on the DUCG and the real-time online fault diagnosis is per- formed.The results show that the fault diagnosis method based on the DUCG for chemical processes and our soft- ware system are very effective. Keywords:Dynamic Uncertain Causality Graph;fault diagnosis;chemical process;Tennessee Eastman 故障诊断主要研究如何对系统中出现的故障进行检测、分离和辨识，即判断故障是否发生，定位故 障发生的部位和种类以及确定故障的大小和发生的 收稿日期：2014-02-18.网络出版日期：2014-03-31. 时间等。在存在多种可能故障的情况下，计算各种 基金项目：国家自然科学基金资助项目(61273330). 通信作者：张勤.E-mail:zhangqin@(buaa.edu.cn. 故障的概率并根据其大小排序。故障诊断发展至今 朱群雄.E-mail:zhug平@mail.buct..cdu.cn.第 ９ 卷第 ２ 期 智 能 系 统 学 报 Ｖｏｌ．９ №．２ ２０１４ 年 ４ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ａｐｒ． ２０１４ ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１４０２０１２ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｏｉ ／ １０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１４０２０１２．ｈｔｍｌ 动态不确定因果图在化工过程故障诊断中的应用 杨佳婧１ ，张勤２ ，朱群雄１ （１．北京化工大学 信息科学与技术学院，北京 １０００２９； ２． 北京航空航天大学 计算机学院，北京 １０００８３） 摘 要：化工过程具有高复杂性和高危险性等特点，且生产过程都是长周期连续运转，一旦出现故障就会造成巨大 的损失，因此对化工过程进行实时的过程监控和故障诊断，对于确保化工生产过程的安全性具有十分重要的意义。 动态不确定因果图（Ｄｙｎａｍｉｃ Ｕｎｃｅｒｔａｉｎ Ｃａｕｓａｌｉｔｙ Ｇｒａｐｈ，ＤＵＣＧ）理论是一种动态不确定因果知识的表达和推理方法， 能够以图形方式简洁表达不确定因果关系，并基于证据化简图形知识库和进行事件展开运算，最终得到定性推理结 果（可能的假设事件集合）及其发生的概率。 以 ＴＥ（Ｔｅｎｎｅｓｓｅｅ Ｅａｓｔｍａｎ）化工过程为测试平台，对基于 ＤＵＣＧ 理论开 发的一种新的应用于化工过程的实时过程监控与故障诊断系统进行了知识库构建和实时在线故障诊断测试，结果 证明基于 ＤＵＣＧ 的化工过程故障诊断方法及开发的软件系统非常有效。 关键词：动态不确定因果图；故障诊断；化工过程；ＴＥ 过程 中图分类号： ＴＰ３９１．４１ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１４）０２⁃０１５４⁃０７ 中文引用格式：杨佳婧，张勤，朱群雄． 动态不确定因果图在化工过程故障诊断中的应用［Ｊ］． 智能系统学报， ２０１４， ９（２）： １５４⁃１６０． 英文引用格式： ＹＡＮＧ Ｊｉａｊｉｎｇ，ＺＨＡＮＧ Ｑｉｎ，ＺＨＵ Ｑｕｎｘｉｏｎｇ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｄｙｎａｍｉｃ ｕｎｃｅｒｔａｉｎ ｃａｕｓａｌｉｔｙ ｇｒａｐｈ ｔｏ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｉｎ ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓｅｓ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１４， ９（２）： １５４⁃１６０． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｄｙｎａｍｉｃ Ｕｎｃｅｒｔａｉｎ Ｃａｕｓａｌｉｔｙ Ｇｒａｐｈ ｔｏ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｉｎ ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓｅｓ ＹＡＮＧ Ｊｉａｊｉｎｇ １ ， ＺＨＡＮＧ Ｑｉｎ ２ ， ＺＨＵ Ｑｕｎｘｉｏｎｇ １ （１．Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， Ｂｅｉｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｅｍｉｃａｌ Ｔｅｃｈｎｏｌｏｇｙ， Ｂｅｉｊｉｎｇ １０００２９， Ｃｈｉｎａ； ２． Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｂｅｉｈａｎｇ Ｕｎｉｖｅｒｓｉｔｙ， Ｂｅｉｊｉｎｇ １０００８３， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓｅｓ ｈａｖｅ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｈｉｇｈ ｃｏｍｐｌｅｘｉｔｙ ａｎｄ ｈｉｇｈ ｒｉｓｋ， ａｎｄ ｔｈｅ ｐｒｏｄｕｃｔｉｏｎ ｐｒｏｃｅｓｓ ｉｓ ｉｎ ａ ｃｏｎｔｉｎｕｏｕｓ ｏｐｅｒａｔｉｏｎ ｆｏｒ ａ ｌｏｎｇ ｐｅｒｉｏｄ ｏｆ ｔｉｍｅ． Ｏｎｃｅ ａ ｆａｕｌｔ ｏｃｃｕｒｓ， ｈｕｇｅ ｌｏｓｓｅｓ ｗｉｌｌ ｂｅ ｔｈｅ ｒｅｓｕｌｔ， ｓｏ ｔｈｅ ｒｅ⁃ ａｌ⁃ｔｉｍｅ ｐｒｏｃｅｓｓ ｍｏｎｉｔｏｒｉｎｇ ａｎｄ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｏｆ ｔｈｅ ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓ ａｒｅ ｏｆ ｇｒｅａｔ ｓｉｇｎｉｆｉｃａｎｃｅ ｔｏ ｅｎｓｕｒｉｎｇ ｔｈｅ ｓａｆｅｔｙ ｏｆ ｔｈｅ ｃｈｅｍｉｃａｌ ｐｒｏｄｕｃｔｉｏｎ． Ｔｈｅ Ｄｙｎａｍｉｃ Ｕｎｃｅｒｔａｉｎ Ｃａｕｓａｌｉｔｙ Ｇｒａｐｈ （ＤＵＣＧ） ｉｓ ａ ｍｅｔｈｏｄｏｌｏｇｙ ｕｓｅｄ ｔｏ ｄｅａｌ ｗｉｔｈ ｋｎｏｗｌｅｄｇｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ａｎｄ ｒｅａｓｏｎｉｎｇ ｏｆ ｄｙｎａｍｉｃａｌ ｕｎｃｅｒｔａｉｎ ｃａｕｓａｌｉｔｉｅｓ． ＤＵＣＧ ｉｓ ａｂｌｅ ｔｏ ｃｏｍｐａｃｔｌｙ ａｎｄ ｇｒａｐｈｉｃ⁃ ａｌｌｙ ｒｅｐｒｅｓｅｎｔ ｕｎｃｅｒｔａｉｎ ｃａｕｓａｌｉｔｉｅｓ， ｓｉｍｐｌｉｆｙ ｔｈｅ ｇｒａｐｈｉｃａｌ ｋｎｏｗｌｅｄｇｅ ｂａｓｅ ｂａｓｅｄ ｏｎ ｔｈｅ ｏｎｌｉｎｅ ｅｖｉｄｅｎｃｅ ａｎｄ ｅｘｐａｎｄ ｅｖｅｎｔｓ ａｓ ｉｎｄｅｐｅｎｄｅｎｔ ｒａｎｄｏｍ ｅｖｅｎｔ ｅｘｐｒｅｓｓｉｏｎｓ， ａｎｄ ｆｉｎａｌｌｙ ｒｅｖｅａｌｓ ｔｈｅ ｑｕａｌｉｔａｔｉｖｅ ｒｅａｓｏｎｉｎｇ ｒｅｓｕｌｔｓ （ｔｈｅ ｓｅｔ ｏｆ ｔｈｅ ｐｏｓｓｉｂｌｅ ｈｙｐｏｔｈｅｓｅｓ） ａｎｄ ｔｈｅ ｐｒｏｂａｂｉｌｉｔｉｅｓ ｏｆ ｔｈｅｓｅ ｈｙｐｏｔｈｅｓｅｓ． Ｉｎ ｔｈｉｓ ｐａｐｅｒ， ｗｅ ｕｓｅ ｔｈｅ ＴＥ （Ｔｅｎｎｅｓｓｅｅ Ｅａｓｔｍａｎ） ｐｒｏｃｅｓｓ ａｓ ｔｈｅ ｔｅｓｔ ｐｌａｔｆｏｒｍ， ａｎｄ ｔｈｅ ｋｎｏｗｌｅｄｇｅ ｄａｔａｂａｓｅ ｉｓ ｂｕｉｌｔ ｆｏｒ ｔｈｅ ｎｅｗ ｒｅａｌ⁃ｔｉｍｅ ｐｒｏｃｅｓｓ ｍｏｎｉｔｏｒｉｎｇ ａｎｄ ｔｈｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｉｓ ａｐｐｌｉｅｄ ｔｏ ｔｈｅ ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓ ｂａｓｅｄ ｏｎ ｔｈｅ ＤＵＣＧ ａｎｄ ｔｈｅ ｒｅａｌ⁃ｔｉｍｅ ｏｎｌｉｎｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｉｓ ｐｅｒ⁃ ｆｏｒｍｅｄ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｔｈｅ ＤＵＣＧ ｆｏｒ ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓｅｓ ａｎｄ ｏｕｒ ｓｏｆｔ⁃ ｗａｒｅ ｓｙｓｔｅｍ ａｒｅ ｖｅｒｙ ｅｆｆｅｃｔｉｖｅ． Ｋｅｙｗｏｒｄｓ：Ｄｙｎａｍｉｃ Ｕｎｃｅｒｔａｉｎ Ｃａｕｓａｌｉｔｙ Ｇｒａｐｈ； ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ； ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓ； Ｔｅｎｎｅｓｓｅｅ Ｅａｓｔｍａｎ 收稿日期：２０１４⁃０２⁃１８． 网络出版日期：２０１４⁃０３⁃３１． 基金项目：国家自然科学基金资助项目（６１２７３３３０）． 通信作者：张勤． Ｅ⁃ｍａｉｌ：ｚｈａｎｇｑｉｎ＠ ｂｕａａ．ｅｄｕ．ｃｎ． 朱群雄． Ｅ⁃ｍａｉｌ：ｚｈｕｑｘ＠ ｍａｉｌ．ｂｕｃｔ．ｅｄｕ．ｃｎ． 故障诊断主要研究如何对系统中出现的故障进 行检测、分离和辨识，即判断故障是否发生，定位故 障发生的部位和种类以及确定故障的大小和发生的 时间等。 在存在多种可能故障的情况下，计算各种 故障的概率并根据其大小排序。 故障诊断发展至今