基于分層策略與模糊五級(jí)SDG的故障定位方法.pdf

1、隨著科學(xué)技術(shù)的不斷進(jìn)步，化工過程的復(fù)雜性不斷提升，向著大規(guī)模、自動(dòng)化的趨勢發(fā)展?；どa(chǎn)的原料易燃易爆，生產(chǎn)環(huán)境一般處于極端條件，因此故障會(huì)造成很大的危害。如何快速高效地推理并確定故障源已經(jīng)成為了化工安全領(lǐng)域的研究熱點(diǎn)。符號(hào)有向圖(SDG)由于具有良好的信息完備性，不需要精確的數(shù)學(xué)模型即可快速地描繪出故障的傳播過程，以及反映不同工作狀態(tài)下變量間的相互作用關(guān)系等優(yōu)點(diǎn)，被廣泛應(yīng)用于工業(yè)的故障診斷與故障定位。
　　傳統(tǒng)SDG包含的定性信

2、息無法描述故障的嚴(yán)重程度，在進(jìn)行復(fù)雜系統(tǒng)推理時(shí)需要大量時(shí)間，對(duì)于多個(gè)候選故障源無法進(jìn)一步分辨?，F(xiàn)有的SDG診斷方法大多從某一角度對(duì)傳統(tǒng)SDG進(jìn)行改進(jìn)，會(huì)導(dǎo)致一些問題的出現(xiàn)，如對(duì)SDG模型進(jìn)行信息擴(kuò)充后，系統(tǒng)的診斷效率降低;忽略了故障動(dòng)態(tài)信息，無法精確的定位故障源等。為了解決這些問題，本文提出了一種綜合故障診斷方法，從模型、結(jié)構(gòu)、推理三個(gè)方面對(duì)SDG模型進(jìn)行了改進(jìn)。
　　傳統(tǒng)SDG模型中，模型定量信息不足，故障的分辨率較差。變量節(jié)點(diǎn)

3、只有三種狀態(tài)，包含的故障信息較少。節(jié)點(diǎn)狀態(tài)是根據(jù)閾值建立的，而閾值的設(shè)定是判斷系統(tǒng)是否故障的重要標(biāo)準(zhǔn)。傳統(tǒng)SDG模型的建立依托了單一閾值的設(shè)定，節(jié)點(diǎn)只描述了故障是否發(fā)生，并沒有反映出故障的嚴(yán)重程度。同時(shí)由于測量過程中噪聲的存在，清晰值無法準(zhǔn)確的描述故障信息，這就需要用更為完備的方法來描述系統(tǒng)變量。為了彌補(bǔ)SDG模型分辨率低及定量信息不足的缺點(diǎn)，本文將三級(jí)狀態(tài)擴(kuò)展為五級(jí)狀態(tài)，同時(shí)引入了模糊集合理論，得到了一種模糊五級(jí)SDG模型。
　

4、　擴(kuò)充模型信息會(huì)增大系統(tǒng)結(jié)構(gòu)的復(fù)雜性，提高了搜索的難度。將SDG模型按照分層策略進(jìn)行層次化處理，能夠簡化模型的結(jié)構(gòu)。另外，分層后的SDG模型中，故障只能由高層向低層傳播，從而能夠快速得到候選故障源，減少了搜索空間。
　　故障的搜索通常采用回溯搜索，但由于診斷信息不足，無法進(jìn)一步搜索故障源。本文從推理角度引入了故障定位算法，通過公共點(diǎn)的設(shè)定，將故障源定位問題轉(zhuǎn)化為相容通路優(yōu)先級(jí)的排序問題，同時(shí)引入了故障放大倍數(shù)、故障支持度和故障速度