第2期 杨佳婧，等：动态不确定因果图在化工过程故障诊断中的应用 ·159 2.3TE过程的实时故障诊断测试 故障。图4所示为引入故障3后，实时推理诊断的 完成TE过程的DUCG知识库建模后，运行TE的 结果图。由图4(a)可以看出，变量Xg(反应器冷却 MATLAB仿真可产生TE过程的实时数据，用通信模块 水控制阀)出现异常，其开度微偏大，此时推理诊断 将DUCG软件系统与之相连，可对TE过程进行实时监 出的故障原因有2个：B,和B4,即故障3和故障 控和故障诊断。实验中，在第6小时引入故障。在实 14:再由图4(b)所示的故障列表及计算出的排序概 时监控中发现有变量处于异常，DUCG软件系统自动启 率可以看出，B3的排序概率为95%，排在第一位，B14 动实时推理诊断，并显示结果。下面选其中2个故障 的排序条件概率仅为5%，因此B,是真正故障原因 的实验结果进行分析。在诊断结果图中，黄色表示变 的概率很大。此故障中，只有七，时刻出现异常，之 量值偏高，浅蓝色表示变量值偏低，深蓝色表示变量值 后未再收到异常信号。 极低，粉色表示变量值出现振荡。 2.3.1故障6 图3所示为引入故障6后，出现型的异常变量的 4个时刻(t1<t2<t3<14)的实时推理诊断结果图。 其中图3(a)是过程出现第1个异常信号时刻的诊断 反应器冷却水控制阀 所在状态2：反应器冷却水控制阀开度微偏大 结果，可以看出DUCG系统迅速准确地诊断出了故障 原因为B。,即故障6，其中变量X(物料A的进料流 (a)t,时刻故障3诊断结果 量)的测量值处于极低的状态，这正是由于物料A进 故障列表 料损失导致X的值极低。类似地，图3(b)、图3(c)、 制新清除闪烁诊新结東柱状图停止报警 标识 变量描述 解率 图3()为后继3个异常时刻的诊断结果图，说明随 B3 物料D的进料温度变化（流2） 95.00% 着时间的推移变化，由故障6引起的初始干扰对过程 造成了进一步影响，不仅物料A的进料流量X因损 B14 反应器冷却水控制阀粘漆 5.00% 失而极低，还进一步导致了很多其他变量都偏离了正 常值范围，并被陆续检测到，如X,偏高，X,偏低等。 6 (b)t,时刻故障列表及概率 图41，时刻故障3的诊断结果 (a)k,时刻诊断结果 Fig.4 The diagnosis results of fault 3 at time 故障3是TE过程中公认的用其他很多故障诊 断方法都很难进行诊断或诊断正确率极低的一个故 障。这里用本文提出的基于动态不确定因果图的实 时故障诊断方法，诊断出故障3的概率为95%，说明 (b)t,时刻诊断结果 了该方法用于故障诊断的可行性及优越性。TE过 程的20个故障的测试结果如表2所示，其中故障 16因过程运行数据未出现任何异常，故无故障诊断 或故障预报。其余故障的诊断结果良好。 表2TE过程20个故障的最终诊断结果 Table 2 The diagnosis results of the 20 faults of the TE (c)t3时刻诊断结果 故障 排序概率/% 故障排序概率/% 100 11 100 2 100 12 100 3 95 13 100 4 95 14 100 5 80 15 100 (d)t4时刻诊断结果 6 100 16 7 图3故障6的诊断结果 100 17 80 Fig.3 The diagnosis results of fault 6 8 100 18 100 9 100 100 2.3.2故障3 如 10 100 20 100 故障3是物料D的进料温度变化（流2）的一个２．３ ＴＥ 过程的实时故障诊断测试 完成 ＴＥ 过程的 ＤＵＣＧ 知识库建模后，运行 ＴＥ 的 ＭＡＴＬＡＢ 仿真可产生 ＴＥ 过程的实时数据，用通信模块 将 ＤＵＣＧ 软件系统与之相连，可对 ＴＥ 过程进行实时监 控和故障诊断。 实验中，在第 ６ 小时引入故障。 在实 时监控中发现有变量处于异常，ＤＵＣＧ 软件系统自动启 动实时推理诊断，并显示结果。 下面选其中 ２ 个故障 的实验结果进行分析。 在诊断结果图中，黄色表示变 量值偏高，浅蓝色表示变量值偏低，深蓝色表示变量值 极低，粉色表示变量值出现振荡。 ２．３．１ 故障 ６ 图 ３ 所示为引入故障 ６ 后，出现型的异常变量的 ４ 个时刻（ ｔ １ ＜ ｔ ２ ＜ ｔ ３ ＜ ｔ ４ ）的实时推理诊断结果图。 其中图 ３（ａ）是过程出现第 １ 个异常信号时刻的诊断 结果，可以看出 ＤＵＣＧ 系统迅速准确地诊断出了故障 原因为 Ｂ６ ，即故障 ６，其中变量 Ｘ１（物料 Ａ 的进料流 量）的测量值处于极低的状态，这正是由于物料 Ａ 进 料损失导致 Ｘ１的值极低。 类似地，图 ３（ｂ）、图 ３（ｃ）、 图 ３（ｄ）为后继 ３ 个异常时刻的诊断结果图，说明随 着时间的推移变化，由故障 ６ 引起的初始干扰对过程 造成了进一步影响，不仅物料 Ａ 的进料流量 Ｘ１因损 失而极低，还进一步导致了很多其他变量都偏离了正 常值范围，并被陆续检测到，如 Ｘ１７偏高，Ｘ７偏低等。 （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 图 ３ 故障 ６ 的诊断结果 Ｆｉｇ．３ Ｔｈｅ ｄｉａｇｎｏｓｉｓ ｒｅｓｕｌｔｓ ｏｆ ｆａｕｌｔ ６ ２．３．２ 故障 ３ 故障 ３ 是物料 Ｄ 的进料温度变化（流 ２）的一个 故障。 图 ４ 所示为引入故障 ３ 后，实时推理诊断的 结果图。 由图 ４（ａ）可以看出，变量 Ｘ１９（反应器冷却 水控制阀） 出现异常，其开度微偏大，此时推理诊断 出的故障原因有 ２ 个：Ｂ３ 和 Ｂ１４ ，即故障 ３ 和故障 １４；再由图 ４（ｂ）所示的故障列表及计算出的排序概 率可以看出，Ｂ３的排序概率为 ９５％，排在第一位，Ｂ１４ 的排序条件概率仅为 ５％，因此 Ｂ３是真正故障原因 的概率很大。 此故障中，只有 ｔ １ 时刻出现异常，之 后未再收到异常信号。 （ａ） ｔ １ 时刻故障 ３ 诊断结果 （ｂ） ｔ １ 时刻故障列表及概率 图 ４ ｔ １ 时刻故障 ３ 的诊断结果 Ｆｉｇ．４ Ｔｈｅ ｄｉａｇｎｏｓｉｓ ｒｅｓｕｌｔｓ ｏｆ ｆａｕｌｔ ３ ａｔ ｔｉｍｅ ｔ １ 故障 ３ 是 ＴＥ 过程中公认的用其他很多故障诊 断方法都很难进行诊断或诊断正确率极低的一个故 障。 这里用本文提出的基于动态不确定因果图的实 时故障诊断方法，诊断出故障 ３ 的概率为 ９５％，说明 了该方法用于故障诊断的可行性及优越性。 ＴＥ 过 程的 ２０ 个故障的测试结果如表 ２ 所示，其中故障 １６ 因过程运行数据未出现任何异常，故无故障诊断 或故障预报。 其余故障的诊断结果良好。 表 ２ ＴＥ 过程 ２０ 个故障的最终诊断结果 Ｔａｂｌｅ ２ Ｔｈｅ ｄｉａｇｎｏｓｉｓ ｒｅｓｕｌｔｓ ｏｆ ｔｈｅ ２０ ｆａｕｌｔｓ ｏｆ ｔｈｅ ＴＥ 故障 排序概率／ ％ 故障 排序概率／ ％ １ １００ １１ １００ ２ １００ １２ １００ ３ ９５ １３ １００ ４ ９５ １４ １００ ５ ８０ １５ １００ ６ １００ １６ ／ ７ １００ １７ ８０ ８ １００ １８ １００ ９ １００ １９ １００ １０ １００ ２０ １００ 第 ２ 期 杨佳婧，等： 动态不确定因果图在化工过程故障诊断中的应用 ·１５９·