流程工业仪表故障快速检测方法

　　1　引　言

　　随着自动化水平的日益提高,现代化生产过程的控制系统规模不断扩大,复杂性迅速增加,导致维修费用增加,停机损失巨大或事故后果严重等问题。因此,传统的参数报警和联锁保护系统已不能满足现代化生产过程的需要,对于大型复杂系统,人们更为迫切地希望提高其整体可靠性与可维修性,而故障检测与诊断技术恰好为实现这一目标提供了一条有效的途径。

　　工业过程故障检测与诊断系统内容广泛,涉及设备运行、人工操作、仪器仪表、计算机控制系统等环节。从控制系统的角度来看,过程故障可划分为被控过程故障、仪表故障和计算机系统故障三种类型。其中,以传感器和执行器故障为主的仪表故障已成为导致控制系统失效的主要原因。据统计,80%的控制系统失效起因于传感器和执行器的故障[1]。因此,能否快速准确地检测仪表故障是保证控制系统稳定运行的关键。

　　当前的故障诊断与检测方法可分为三大类:基于定量模型的方法、基于定性模型的方法和基于过程历史数据的方法[2]。基于定量模型的方法过于依赖过程模型的准确程度,在复杂、严重非线性以及强耦合的流程工业中难以得到广泛应用[3];基于定性模型的方法也称为基于知识的方法,适合于有大量生产经验和工艺知识可以利用的场合,但通用性较差;基于过程历史数据的方法以采集的过程数据为基础,通过各种数据处理与分析方法挖掘出隐含信息,比较符合流程工业的特点,通用性强,是目前故障诊断方法的研究重点[4]。但大多数基于过程数据的故障诊断分析算法非常复杂,只能监控少数关键变量,当需要检测仪表数量较大时,难以满足实时性的要求,所以在大规模工业过程上成功应用的例子并不多。

　　本文通过对大量真实工业数据的统计分析发现:仪表测量信号变化量的方差能很好地表征仪表性能的稳定状态,由此提出了一种基于信号方差分析的快速仪表故障检测算法,通过分析信号的方差统计量,检测仪表的实时工作状态。并在此基础上开发了一套在线仪表故障检测系统。工业应用结果表明,这种故障检测方法能够对仪表早期的故障做出正确的判断,且检测迅速,物理意义明确,适用于大规模的流程工业过程。*

　　2　基于方差分析的故障检测方法

　　本文方法基于仪表实时信号的差分时间序列,主要由两个步骤组成:首先对差分时间序列进行滤波、去除奇异点等处理,之后对预处理后的数据进行方差估计,即提取仪表的波动状态信息;然后根据由历史故障数据学习而来的方差统计量分类阀值,比较得到当前的仪表状态信息,实现相应的故障检测。