论文摘要
化工生产过程控制中应用了大量的传感器,用于生产过程的监测和控制,一旦传感器出现故障,如果未能及时排除,将引起设备工作状态的误判,影响正常生产,甚至导致重大事故。因此,开展化工设备常用传感器的故障检测与隔离方法的研究非常必要,有利于实现设备故障的自动检测与隔离。本文针对化工静设备涉及的常用传感器的故障开展研究。首先分析了化工静设备常用传感器的类型和特点,结合化工设备的工作特点,总结了传感器输出信号变化的特点。然后对静设备传感器的故障进行分类,并建立了故障模型。通过对国内外传感器故障检测与隔离方法的研究,提出了单传感器故障检测与隔离方法和多传感器故障检测与隔离方法相结合的传感器系统故障检测与隔离的整体方案。单传感器故障检测与隔离方法主要采取对传感器的输出建模,利用模型输出与传感器的实际输出对比,将残差与信号阈值比较分析,以确定传感器是否发生故障,并可以利用模型输出信号短时间内替代故障信号,实现对故障传感器的检测与隔离。采用动态神经网络按时间序列对传感器的输出建立模型,分别以自身传感器信号建立模型和利用相邻传感器的输出建立模型,通过仿真分析,都能够实现对偏差、断路、漂移故障的检测与隔离。支持向量机具有泛化能力强等优点,因此本文利用支持向量机预测器回归模型建立了单传感器输出信号的回归模型,利用该模型对传感器的主要故障形式进行检测与故障隔离,也得到了良好的效果。根据化工流程一般处于动态稳定状态,设备中各检测点的信号之间具有一定的相关性的特点,利用设备上的多传感器相关性建立传感器系统模型,当传感器系统中某个传感器发生故障时,系统模型改变超过阈值,由残差生成的不同形式判断出哪个传感器出现故障,实现对故障传感器的检测与隔离。利用matlab软件,结合支持向量机和神经网络工具箱对故障检测方法进行仿真研究。结果表明,本文提出的方法能够有效完成化工静设备常用传感器的故障检测与隔离。预测模型的准确性和可靠性较高。