第10卷第3期 智能系统学报 Vol.10 No.3 2015年6月 CAAI Transactions on Intelligent Systems Jun.2015 D0:10.3969/j.issn.1673-4785.201503012 网络出版地址：htp:/www.cnki.net/kcms/detail/23.1538.tp.20150518.0907.001.html 动态不确定因果图在化工系统动态故障诊断中的应用 曲彦光，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：为了避免化工工程中经济及生命的损失，有效及时检测出故障是十分必要的。动态不确定因果图(DUCG) 是一种根据有向图实现动态不确定因果关系表达与推理的方法。其处理信息的特性，对于目前规模庞大的化工过 程故障诊断有着自身的优势。因此运用DUCG,通过构建对象系统知识库、对故障数据进行概率推理，实现化工过程 的故障诊断，并针对化工过程的震荡信号，对原DUCG系统的数据发送模块做出改进，使之适用范围更全面。为了 验证DUCG理论的有效性，采用TE过程作为实验对象，建立包含54个变量，114条因果关系的DUCG模型。该模型 对TE过程中的故障得到较高诊断排序概率，诊断正确概率达到了100%，与贝叶斯网络的平均诊断正确概率79. 71%相比，说明了DUCG是一种行之有效的方法。 关键词：化工过程；动态不确定因果图：故障诊断：TE过程：概率推理 中图分类号：TP391.41文献标志码：A文章编号：1673-4785(2015)03-0354-08 中文引用格式：曲彦光，张勒，朱群雄.动态不确定因果图在化工系统动态故障诊断中的应用[J].智能系统学报，2015,10(3)： 354-361. 英文引用格式：QU Yanguang,,ZHANG Qin,ZHU Qunxiong..Application of dynamic uncertain causality graph to dynamic fault di-- agnosis in chemical processes[J].CAAI Transactions on Intelligent Systems,2015,10(3):354-361. Application of dynamic uncertain causality graph to dynamic fault diagnosis in chemical processes QU Yanguang',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:In chemical processes,it is necessary to effectively diagnose the fault on time in order to avoid losses of economy and lives.Dynamic uncertain causality graph(DUCG)is a method,which represents and infers the dy- namic,uncertain causalities of the process system according to directed graph.Based on the characteristics of pro- cessing information,DUCG has its own advantages for fault diagnosis in chemical processes on a large scale.There- fore,this article applies DUCG to realize fault diagnosis of chemical processes by constructing the object system knowledge base and probabilistic reasoning on fault data.The data transmission module of the former DUCG system is improved to deal with the vibrational signals in the chemical process,and to widen the scope of application.The Tennessee Eastman (TE)simulator is taken as the experimental subject to test the effectiveness of DUCG methodol- ogy and software.54 variables and 114 causalities are included in the constructed DUCG knowledge model.Accord- ing to this model,all the failures simulated by TE are diagnosed in a high probability of ranking.The correct diag- nosis rate is 100%.In comparison of Bayesian Network (BN),the mean correct diagnosis rate is 79.71%reported- ly,showing that DUCG is an effective method. Keywords:chemical process;dynamic uncertain causality graph;fault diagnosis;Tennessee Eastman (TE) process;probabilistic reasoning 迅速有效地诊断出一个复杂系统的故障是所有 过程专家和现场工作人员的主要目的之一。这一举 收稿日期：2015-03-09.网络出版日期：2015-05-18. 措不仅能提高产量，提升经济效益，还能降低事故发 基金项目：国家自然科学基金资助项目(61273330：61473026) 生的风险。目前已有许多学者提出了不同故障诊断 通信作者：张勒.E-mail:zhangqin@buaa.edu.cm. 朱群雄.E-mail:zhuqx(@mail.buct.cdu.cn 的方法。大体来讲，这些方法可分为3类：基于知识第 １０ 卷第 ３ 期 智 能 系 统 学 报 Ｖｏｌ．１０ №．３ ２０１５ 年 ６ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｊｕｎ． ２０１５ ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１５０３０１２ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ｔｐ．２０１５０５１８．０９０７．００１．ｈｔｍｌ 动态不确定因果图在化工系统动态故障诊断中的应用 曲彦光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：为了避免化工工程中经济及生命的损失，有效及时检测出故障是十分必要的。 动态不确定因果图（ＤＵＣＧ） 是一种根据有向图实现动态不确定因果关系表达与推理的方法。 其处理信息的特性，对于目前规模庞大的化工过 程故障诊断有着自身的优势。 因此运用 ＤＵＣＧ，通过构建对象系统知识库、对故障数据进行概率推理，实现化工过程 的故障诊断，并针对化工过程的震荡信号，对原 ＤＵＣＧ 系统的数据发送模块做出改进，使之适用范围更全面。 为了 验证 ＤＵＣＧ 理论的有效性，采用 ＴＥ 过程作为实验对象，建立包含 ５４ 个变量、１１４ 条因果关系的 ＤＵＣＧ 模型。 该模型 对 ＴＥ 过程中的故障得到较高诊断排序概率，诊断正确概率达到了 １００％，与贝叶斯网络的平均诊断正确概率 ７９． ７１％相比，说明了 ＤＵＣＧ 是一种行之有效的方法。 关键词：化工过程；动态不确定因果图；故障诊断；ＴＥ 过程；概率推理 中图分类号：ＴＰ３９１．４１ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１５）０３⁃０３５４⁃０８ 中文引用格式：曲彦光，张勤，朱群雄． 动态不确定因果图在化工系统动态故障诊断中的应用［ Ｊ］． 智能系统学报， ２０１５， １０（ ３）： ３５４⁃３６１． 英文引用格式：ＱＵ Ｙａｎｇｕａｎｇ， ＺＨＡＮＧ Ｑｉｎ， ＺＨＵ Ｑｕｎｘｉｏｎｇ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｄｙｎａｍｉｃ ｕｎｃｅｒｔａｉｎ ｃａｕｓａｌｉｔｙ ｇｒａｐｈ ｔｏ ｄｙｎａｍｉｃ ｆａｕｌｔ ｄｉ⁃ ａｇｎｏｓｉｓ ｉｎ ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓｅｓ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１５， １０（３）： ３５４⁃３６１． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｄｙｎａｍｉｃ ｕｎｃｅｒｔａｉｎ ｃａｕｓａｌｉｔｙ ｇｒａｐｈ ｔｏ ｄｙｎａｍｉｃ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｉｎ ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓｅｓ ＱＵ Ｙａｎｇｕａｎｇ 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：Ｉｎ ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓｅｓ， ｉｔ ｉｓ ｎｅｃｅｓｓａｒｙ ｔｏ ｅｆｆｅｃｔｉｖｅｌｙ ｄｉａｇｎｏｓｅ ｔｈｅ ｆａｕｌｔ ｏｎ ｔｉｍｅ ｉｎ ｏｒｄｅｒ ｔｏ ａｖｏｉｄ ｌｏｓｓｅｓ ｏｆ ｅｃｏｎｏｍｙ ａｎｄ ｌｉｖｅｓ． Ｄｙｎａｍｉｃ ｕｎｃｅｒｔａｉｎ ｃａｕｓａｌｉｔｙ ｇｒａｐｈ （ＤＵＣＧ） ｉｓ ａ ｍｅｔｈｏｄ， ｗｈｉｃｈ ｒｅｐｒｅｓｅｎｔｓ ａｎｄ ｉｎｆｅｒｓ ｔｈｅ ｄｙ⁃ ｎａｍｉｃ， ｕｎｃｅｒｔａｉｎ ｃａｕｓａｌｉｔｉｅｓ ｏｆ ｔｈｅ ｐｒｏｃｅｓｓ ｓｙｓｔｅｍ ａｃｃｏｒｄｉｎｇ ｔｏ ｄｉｒｅｃｔｅｄ ｇｒａｐｈ． Ｂａｓｅｄ ｏｎ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｐｒｏ⁃ ｃｅｓｓｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ， ＤＵＣＧ ｈａｓ ｉｔｓ ｏｗｎ ａｄｖａｎｔａｇｅｓ ｆｏｒ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｉｎ ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓｅｓ ｏｎ ａ ｌａｒｇｅ ｓｃａｌｅ． Ｔｈｅｒｅ⁃ ｆｏｒｅ， ｔｈｉｓ ａｒｔｉｃｌｅ ａｐｐｌｉｅｓ ＤＵＣＧ ｔｏ ｒｅａｌｉｚｅ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｏｆ ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓｅｓ ｂｙ ｃｏｎｓｔｒｕｃｔｉｎｇ ｔｈｅ ｏｂｊｅｃｔ ｓｙｓｔｅｍ ｋｎｏｗｌｅｄｇｅ ｂａｓｅ ａｎｄ ｐｒｏｂａｂｉｌｉｓｔｉｃ ｒｅａｓｏｎｉｎｇ ｏｎ ｆａｕｌｔ ｄａｔａ． Ｔｈｅ ｄａｔａ ｔｒａｎｓｍｉｓｓｉｏｎ ｍｏｄｕｌｅ ｏｆ ｔｈｅ ｆｏｒｍｅｒ ＤＵＣＧ ｓｙｓｔｅｍ ｉｓ ｉｍｐｒｏｖｅｄ ｔｏ ｄｅａｌ ｗｉｔｈ ｔｈｅ ｖｉｂｒａｔｉｏｎａｌ ｓｉｇｎａｌｓ ｉｎ ｔｈｅ ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓ， ａｎｄ ｔｏ ｗｉｄｅｎ ｔｈｅ ｓｃｏｐｅ ｏｆ ａｐｐｌｉｃａｔｉｏｎ． Ｔｈｅ Ｔｅｎｎｅｓｓｅｅ Ｅａｓｔｍａｎ （ＴＥ） ｓｉｍｕｌａｔｏｒ ｉｓ ｔａｋｅｎ ａｓ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｓｕｂｊｅｃｔ ｔｏ ｔｅｓｔ ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ＤＵＣＧ ｍｅｔｈｏｄｏｌ⁃ ｏｇｙ ａｎｄ ｓｏｆｔｗａｒｅ． ５４ ｖａｒｉａｂｌｅｓ ａｎｄ １１４ ｃａｕｓａｌｉｔｉｅｓ ａｒｅ ｉｎｃｌｕｄｅｄ ｉｎ ｔｈｅ ｃｏｎｓｔｒｕｃｔｅｄ ＤＵＣＧ ｋｎｏｗｌｅｄｇｅ ｍｏｄｅｌ． Ａｃｃｏｒｄ⁃ ｉｎｇ ｔｏ ｔｈｉｓ ｍｏｄｅｌ， ａｌｌ ｔｈｅ ｆａｉｌｕｒｅｓ ｓｉｍｕｌａｔｅｄ ｂｙ ＴＥ ａｒｅ ｄｉａｇｎｏｓｅｄ ｉｎ ａ ｈｉｇｈ ｐｒｏｂａｂｉｌｉｔｙ ｏｆ ｒａｎｋｉｎｇ． Ｔｈｅ ｃｏｒｒｅｃｔ ｄｉａｇ⁃ ｎｏｓｉｓ ｒａｔｅ ｉｓ １００％． Ｉｎ ｃｏｍｐａｒｉｓｏｎ ｏｆ Ｂａｙｅｓｉａｎ Ｎｅｔｗｏｒｋ （ＢＮ）， ｔｈｅ ｍｅａｎ ｃｏｒｒｅｃｔ ｄｉａｇｎｏｓｉｓ ｒａｔｅ ｉｓ ７９．７１％ ｒｅｐｏｒｔｅｄ⁃ ｌｙ， ｓｈｏｗｉｎｇ ｔｈａｔ ＤＵＣＧ ｉｓ ａｎ ｅｆｆｅｃｔｉｖｅ ｍｅｔｈｏｄ． Ｋｅｙｗｏｒｄｓ：ｃｈｅｍｉｃａｌ ｐｒｏｃｅｓｓ； ｄｙｎａｍｉｃ ｕｎｃｅｒｔａｉｎ ｃａｕｓａｌｉｔｙ ｇｒａｐｈ； ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ； Ｔｅｎｎｅｓｓｅｅ Ｅａｓｔｍａｎ （ ＴＥ） ｐｒｏｃｅｓｓ； ｐｒｏｂａｂｉｌｉｓｔｉｃ ｒｅａｓｏｎｉｎｇ 收稿日期：２０１５⁃０３⁃０９． 网络出版日期：２０１５⁃０５⁃１８． 基金项目：国家自然科学基金资助项目（６１２７３３３０；６１４７３０２６）． 通信作者：张勤． Ｅ⁃ｍａｉｌ： ｚｈａｎｇｑｉｎ＠ ｂｕａａ．ｅｄｕ．ｃｎ． 朱群雄． Ｅ⁃ｍａｉｌ： ｚｈｕｑｘ＠ ｍａｉｌ．ｂｕｃｔ．ｅｄｕ．ｃｎ． 迅速有效地诊断出一个复杂系统的故障是所有 过程专家和现场工作人员的主要目的之一。 这一举 措不仅能提高产量，提升经济效益，还能降低事故发 生的风险。 目前已有许多学者提出了不同故障诊断 的方法。 大体来讲，这些方法可分为 ３ 类：基于知识