基于模型的化工过程故障诊断与预测方法进展

李新 田文德 胡明刚

青岛科技大学化工学院，山东青岛，266042

摘 要：故障诊断与预测是解决化工生产安全问题的重要技术。基于模型的故障诊断方法，能够更加深入和全面地反映化工过程的异常工况变化，已经成为化工安全领域的研究热点。但该类方法目前还存在着模型简化严重、诊断步骤不统一等不足，引入动态模拟技术是改进诊断性能的有效手段。构建故障软仪表和混合系统则是其中的重要内容，需要综合化学工程、多元统计分析等多种方法来实现。故障预测是故障诊断的延伸，是预防事故发生的有效预警手段。

关键词：动态模拟；故障诊断；化工过程；故障预测

Model based Fault Diagnosis and Prediction in Chemical Processes

LI Xin TIAN Wen-de HU Ming-gang

College of Chemical Engineering, Qingdao University of Science & Technology, Qingdao 266042

Abstract：Fault diagnosis and prediction is the important technology to solve the security issues of chemical production. Model-based fault diagnosis method can be more in-depth and comprehensive to reflect the abnormal condition changes in the chemical process，which has become a hot research in the field of chemical engineering safety. However, since these methods are currently still having the shortages such as serious lack of simplified model and disunity of diagnostic step, the introduction of dynamic simulation technology is an effective means of improving diagnosis performance. Constructing fault soft instruments and mixing system is one of the important content, which needs many methods such as comprehensive chemical engineering and multivariate statistical analysis to realize. Fault Prediction is an extension of fault diagnosis and an effective warning means to prevent the accident.

Key words：dynamic simulation; fault diagnosis; chemical process; fault prediction

引言

化工生产大量使用易燃、易爆、有毒或腐蚀性的化学品，并采用高温高压或低温真空的操作方式，所以如果对其危险性不能正确认识，不采取科学有效的防范措施，必将造成事故的发生，导致严重的生命财产损失和不可挽回的环境污染问题^[1]。例如，1984年在印度博帕尔市发生的美国联合碳化公司农药厂甲基异氰酸酯泄漏事故，共造成约2万人死亡，20多万人中毒，5万人失明，10万人终身残疾。2005年11月，我国中石油吉化双苯厂大爆炸，造成多人死亡，几十人受伤，数万人转移撤离，松花江水体受到严重污染。所以，化工生产安全的重要性已不限于化工生产本身，逐渐发展成为一门包括化学工程、安全科学、系统工程、控制工程等多种高新技术、复杂理论和工程实践相结合的学科，其研究内容包括化工生产故障分析、有毒流体扩散、燃烧与爆炸、环境污染等问题。化工生产故障分析是从源头上预防和杜绝事故发生的重要技术手段，包括故障诊断与故障预测，它们都是通过收集装置的现有数据来分析装置的状态，但所针对的时间域不同。

1基于定量分析的化工过程故障诊断

化工过程故障诊断由状态检测、故障原因分析及劣化趋势预测等步骤构成^[2]。目前，化工过程故障诊断主要采用定性分析、历史数据分析和定量分析三类方法。定量诊断，以测量到的输入与输出为基础，使用详细的数学模型来生成残差。残差主要通过参数估计、观测器估计和等价关系三种方法来产生，其数值在故障发生时相对较大。如果可以得到较为精确的基本原理模型或其它数学模型，与另外两种方法相比，定量诊断方法具有更强的过程监控能力，已成为当前故障诊断研究的重点^[3-5]。但由于化工过程模型较为复杂，该方法多集中应用在航天、机械、过程控制和电子工程领域，而在化工系统中的应用较少。1990年，Grantham等^[6]提出了一个基于原型第一定律的故障诊断系统，该系统基于对物理和化学现象的理解进行推理，允许在一个较为基础的层次上分析和解释故障原因。2000年，Huang等^[7]将基于扩展卡尔曼滤波（EKF）的故障诊断系统应用于流化床催化裂化单元，提出了基于诊断结果的动态优化控制方案。该故障诊断系统由过程动态模型、故障检测与分离、故障识别与状态估计、以及用于重设控制参数的动态优化模块构成。2005年，Prakash等^[8]将模型预测控制（MPC）的状态空间模型与故障诊断相结合，提出了一种在线容错的MPC方案（FTMPC)。与MPC相比，FTMPC可以在故障确定的位置及时进行模型偏差校正，从而消除被控变量设定值与真实值之间的偏差。2009年，田文德等^[9]基于文献提供的部分数据，建立了田纳西-伊斯曼过程的非线性动态数学模型，为基于模型的定量故障诊断数学模型的建立、诊断方法的选择和后果分析等方面的研究奠定了基础。

定量故障诊断研究虽然取得了一定的进展，但仍然存在一些问题。首先，整个故障诊断过程由明确分界的检测、分离和评估三个步骤构成，给过程模型的选择和解算带来了一定的困难。其次，实测数据经常是不完整或不准确的，这就需要设计特定的观测器，需要大量的数学推导，通用性不强。最后，模型大量线性化，大大限制了故障预测的准确性和可靠性。这些问题的存在，都是由于大量简化过程模型引起的。所以，如果可以通过某种手段得到一个统一和能够相对准确反映化工过程故障发生机理的数学模型，就可以据此同时进行故障的检测、分离和分析，从而达到简化故障诊断过程和提高诊断效果的目的。

3基于动态模拟的化工故障诊断

动态模拟是简化故障诊断过程和提高诊断效果的一个有效手段。动态模拟可以分析化工过程的动态变化，被广泛应用于动态特性研究、开停车指导和设计先进控制系统等，在提高人员技术水平和增强应对突发事件能力方面发挥了重要的作用^[10,11]。如果将其作为故障推理的逻辑关系主体，那么诊断结果的完整性和机理性将会得到很大的提高。动态模拟多用于正常工况分析，较少用于故障诊断的应用研究。而以动态模拟为主体进行定量故障诊断的研究方法利用一个动态模拟核心模块，同时实现了故障检测、状态估计和故障原因分析的多个功能，诊断过程得到了较大的简化，各诊断步骤的一致性也得到了加强。动态模拟故障诊断方法将与常规定量诊断方法不同，许多具体过程需要作深入研究和探索，具有重要理论意义。为了验证动态模拟的故障诊断方法的可行性，2007年，田文德等^[12]将其应用在水储罐和反应器两个实例，考察了该方法在单个故障和多个故障的有效性。

动态模拟进行化工过程故障诊断的核心内容是构造故障软仪表和混合系统。首先，故障软仪表即是由实测数据获得故障参数的过程。化工生产中软仪表的主要作用是由众多的测量数据计算出与生产状态密切相关的少量“软测量”信息，是提高报警处理效率的有效手段。如2009年，Hiromasa Kaneko等^[13]利用独立主元分析(ICA)判断数据是否异常(工艺故障)，无异常则利用偏最小二乘法(PLS)建立软仪表模型，并检查其输出是否与实测数据一致(分析故障)。该类研究存在如下两个问题：① 软仪表模型多为经验稳态模型，不太适用于耦合性很强的动态化工过程，故障识别精度较低；② 软仪表作用局限于补充现场数据，对诊断算法贡献较小。化工生产中过程性能的降低更多地表现为参数的变更，往往需要辨识未知的过程参数（如催化剂活性、泄露量、传热热阻等）。相对实测数据而言，针对故障参数的变化来检测和诊断故障更为直接和有效，这正是软仪表的作用过程。以化学工程“三传一反”的学科理论为基础构建动态故障软仪表，不仅可以充分发挥软仪表在故障诊断中的强大作用，而且可以大大提高故障识别精度。其次，集成各种故障诊断方法的优势开发混合算法，是克服单一求解策略局限性的有效途径。如2004年，Yvonne Power等^[14]将大规模流程分解为多个子系统，用基于实时数据的Petri网络定位故障发生的特定子系统<