一种工业生产过程智能集成故障诊断方法及装置

摘要

本发明涉及一种工业生产过程智能集成故障诊断方法，其特征在于，包括以下步骤：工业生产过程数据采集；根据采集到的信号进行对象特征的分析和处理；按照智能集成方法，结合专家知识，进行高炉故障诊断分析，对故障进行识别，寻找故障原因，进行故障准确定位和诊断决策，有效地调节生产过程，从而使工业生产过程能正常进行。其中智能集成诊断方法包含以下步骤：贝叶斯网络模型的建立；FTA和FMEA模型的综合分析和处理；神经网络专家系故障诊断分析和处理。同时还涉及到采用一种工业生产过程智能集成故障诊断装置，用以实现所提供的故障诊断方法。根据本发明方法，融合各种信息，在复杂情况下进行推理，能有效地对工业生产过程故障进行综合诊断，提高了故障诊断系统的集成性、智能性、准确性和有效性，保障生产过程的顺利进行。

主权项

一种工业生产过程智能集成故障诊断方法，其特征在于，包括以下步骤：(1)工业生产过程故障诊断数据的检测、信号采集；(2)根据采集到的信号进行对象特征的分析和处理；(3)根据对象特征，按照智能集成故障诊断方法，对生产过程故障诊断分析，故障进行识别；步骤(3)是通过以下步骤实现的：a)贝叶斯网络模型的建立；b)FTA和FMEA模型的综合分析和处理；c)神经网络专家系统故障诊断分析和处理；(4)寻找故障原因，进行故障准确定位和进行诊断决策，有效地调节生产过程；智能集成故障诊断方法的诊断过程：整个网络诊断系统由贝叶斯网络模型、FTA和FMEA故障影响分析模型和神经网络模型构成，用以完成模型的建立、故障分析和逻辑推理过程；这里引入贝叶斯网络模型是为了解决工业生产过程的不确定因素，提高工业生产过程故障诊断的准确性；采用FTA和FMEA技术，可以帮助系统在故障诊断早期确定导致软件失效的模块，缩小故障定位的范围；此外，贝叶斯网络技术在推理机制和系统状态上与FTA和FMEA有很大的相似性，同时还可以提高它们的描述能力，通过表达不确定、随机事件之间的概率关系获得更多有益的结论，为故障诊断和定位提供依据；这里FMEA故障模式影响分析法是分析系统中每一个模块、组建所有可能产生的故障模式及其对系统造成的所有可能影响的一种归纳方法；FTA故障树分析法是用于表明系统中哪些模块有故障、外部事件或者它们的组合导致系统发生故障的逻辑关系；单独使用FTA和FMEA都各有弊端，只利用FMEA会加大工作量，而且容易遗漏故障模式和故障影响，只利用FTA又容易遗漏造成顶事件发生的底事件；因此，为避免单独使用FTA和FMEA所带来的弊端，将FTA和FMEA分别与贝叶斯网络技术结合，化为贝叶斯网络结构模型进行故障诊断，可以提高故障诊断效率；诊断模型首先通过基于贝叶斯网络的FTA和FMEA综合分析技术对故障现象进行分析，将故障初步定位到某一模块，然后运用神经网络专家系统诊断技术实现故障进一步准确定位，完成故障诊断过程；对于工业生产过程，整个系统通常会被划分成不同层次多个部分，包括：原因层分析、故障层分析、影响层分析；一般来说，需要把系统低一层次FMEA(Failure Modes and Effects  Analysis)的分析结果综合到高一层次结构，才能得到总体上的FMEA分析结果，在各个层次的分析结果之间，存在着一定的因果关系，即：低一层次系统的故障模式对高一层次的影响，就是高一层次系统的故障模式；而低一层次系统导致该故障影响的故障模式，则是高一层次系统该故障撞式的故障原因，由此上推至整个系统；通过这种迭代关系，可以将低一层次系统的分析结果纳入到高一层次系统的分析之中；通过贝叶斯网络的故障分析系统确定了变量间的相互关系，使对复杂系统的分析成为可能，用贝叶斯网络进行复杂系统的FMEA研究，能融合各种来源信息，在不确定条件下进行推理，提高了可信度；围绕重要底事件展开FMEA分析，给出严酷度等级定义表，并分析故障原因、故障模式、严酷度和故障影响，将FMEA分析结果转化为CFE贝叶斯网络模型；其中，FMEA的故障原因、故障模式和故障影响分别对应于CFE模型中的原因层、故障层和影响层；CFE型贝叶斯网络的诊断决策是结合原因层各节点的先验概率和所有故障层节点在其母节点给定情况下的条件概率，依据全概率公式推理得出故障层各节点的先验概率值，当给定征兆信息时，通过贝叶斯公式进一步修正该先验概率值，得到后验概率值，从而可以确定某一节点故障发生的可能性；采用神经网络通过对初级知识进行学习来处理过程的底层故障，专家系统则根据知识库储存的目标级知识和中间级知识对过程的高层故障进行诊断；该神经网络方法是先进行学习，学习完成后，启动专家系统，再给出诊断结果，其学习是有指导的学习，即人为给出输入和输出样本；按照智能集成方法，根据对象特征，进行生产过程故障诊断分析，对故障进行识别，寻找故障原因，进行故障准确定位，并进行诊断决策，有效地进行系统调节，从而使工业生产过程能顺利进行；整个集成系统充分利用模型内故障诊断方法各自的优点进行互补，从而有效地克服了它们各自存在的不足，具有较好的的诊断效率和可靠性。