基于信息熵和传递熵的化工过程故障诊断方法研究

发布时间：2020-07-20 13:57

【摘要】：随着计算机技术的快速发展和现代化工装置的大型化,化工生产中通常会得到大量的过程监测数据。如何快速有效地从这些大数据中提取出故障特征进行过程监控来确保生产过程的安全稳定,已成为新的研究热点。为此本文提出了一种基于信息熵和传递熵的化工过程故障诊断方法。首先,采用相关信息熵建立复杂化工过程监测模型。计算实时工况与正常工况之间的相关信息熵残差,当残差超过阈值,判断为非正常工况。由于只需要对强相关变量进行监测计算,因此提高了监测效率。然后,对非正常工况,利用信息熵能够衡量任意数据关系的特点对过程数据进行特征提取,去除冗余变量,提高故障诊断准确度。再引入传递熵对变量之间的传递关系分析,利用传递熵的单向性得到故障传播路径,用以描述故障的发生机理。同时提取故障传播路径中变化灵敏的变量作为故障的特征变量并设置报警值,由于特征变量和故障根本原因是一一对应的,因此结合特征变量报警的先后顺序建立故障根本原因-故障特征变量数据库。在线监测中,当监测到非正常工况时,通过与上述建立的故障诊断数据库中特征变量报警组比对,辨识出故障类型,即诊断出故障根本原因。最后,以田纳西-伊斯曼(Tennessee Eastman,TE)化工过程为应用实例,研究结果表明,采用相关信息熵能够快速、有效地对复杂化工过程进行实时非正常工况监测,基于信息熵和传递熵方法建立的故障根本原因-故障特征变量数据库能够为操作人员和管理人员提供可靠的故障诊断决策依据,识别出故障根本原因。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TQ050.7
【图文】：

样本数量,标准正态分布,窗宽,样本

逡逑为０，标准差为１的正态分布函数（如图２－２）为研究实例。逡逑逦正态分布逡逑．／Ａ逡逑ｇ．逦／逦＼逡逑Ｖ邋＼逡逑Ｉ逦Ｉ逦■逦Ｉ逦■逦Ｉ逦１逡逑－２－１０１２逡逑图２－２标准正态分布逡逑首先，在区间［－２，２］中分别选取２０、１０００、１００００个样本，观察样本数量对于概逡逑率密度估计结果的影响。然后通过在同一样本数中选取不同窗宽［０．０５、０．１、０．２、０．５、逡逑０．６、２、１０、２０、１．０６ｘｓｔｄ（Ｘ）ｘＴ＼Ｔａ２］（邋ｓｔｄ表示样本Ｘ的标准差，７Ｖ表示样本数量）逡逑探寻窗宽大小对于概率密度估计的影响。逡逑当样本数为２０时，不同窗宽的概率密度曲线如图２－３所示。由图２－３邋（ａ）可以逡逑看出，窗宽越小概率密度曲线波动越频繁，波动的幅度越大；由图２－３邋（ｂ）可以看逡逑出，概率密度曲线的波动随着窗宽的增大而消除，形成一条光滑的曲线；从图２－３（ｃ）、逡逑可以看出，当窗宽过大时，概率密度曲线会变得平坦。逡逑，？邋ａ逦逦窗宽０．０５逡逑．＿逦．逦…窗宽０．１逡逑

曲线,窗宽

－２－１０１２逡逑图２－３邋＃＝２０时不同窗宽的概率密度曲线逡逑当样本数为１０００时，不同窗宽的概率密度曲线如图２－４所示。从图２－４邋（ａ）可逡逑以看出窗宽越小波动得越频繁，波动的幅度越大。但是与图２－３邋（ａ）相比波动的频逡逑率变少，幅度变小；从图２－４邋（ｂ）可以看出波动随着窗宽的增大而消除，形成一条逡逑光滑的曲线；从图２－４邋（ｃ）可以看出当窗宽过大时，曲线会变得平坦。窗宽越大，逡逑曲率越小，峰值会变得越小。逡逑１４逡逑

曲线,窗宽,样本数,和图

逡逑当样本数为１００００时，不同窗宽的概率密度曲线如图２－５所示。从图２－５邋（ａ）可逡逑以看出窗宽越小波动得越频繁，波动的幅度越大。但是与图２－３邋（ａ）和图２－４邋（ａ）逡逑相比波动的频率变少，幅度变小，说明样本数的增加会减少窗宽过小的影响；从图逡逑２－５邋（ｂ）可以看出波动随着窗宽的增大而消除，形成一条光滑的曲线；从图２－５邋（ｃ）逡逑可以看出当窗宽过大时，曲线会变得平坦，但是与图２－３邋（ｃ）和图２－４邋（ｃ）相比没逡逑有明显变化，说明当窗宽过大时，样本数对于结果不产生显著影响。由上述研宄结逡逑果表明样本数的增多会降低窗宽过小的影响，因此应该尽可能选取足够多的样本数。逡逑同时避免选取过大的窗宽，这样才能降低窗宽取值对于概率密度估计结果的影响。逡逑ａ逦……窗宽０．０５逡逑０．４－逦…窗橈邋１６８逡逑ｌｉｆｅ逡逑０

【参考文献】