史曉楠 田文德 武玉民

(青島科技大學(xué)化工學(xué)院，山東 青島 266042)

精餾塔是化工企業(yè)生產(chǎn)過程中應(yīng)用廣泛的傳質(zhì)設(shè)備，在化工行業(yè)有著很重要的地位[1]。因此精餾塔的故障診斷成為了化工生產(chǎn)的重要環(huán)節(jié)。目前，對精餾塔的診斷方法研究較多，Zhou D H和Hu Y Y將故障診斷方法整體分為定性分析方法和定量分析方法[2]。Tu Y L和He G G提出了一種基于專家系統(tǒng)的精餾塔故障診斷方法[3]。Darwisha N A和Hilalb N提出了一種應(yīng)用Aspen Plus流程模擬軟件使用人工神經(jīng)網(wǎng)絡(luò)方法在線診斷故障并尋找最優(yōu)參數(shù)的方法[4]。田文德等提出了基于動態(tài)模擬構(gòu)建精餾塔故障診斷的新方法，研究了故障檢測與診斷的具體步驟并分析了故障類型等因素對診斷結(jié)果的影響[5]。

筆者以TEP仿真流程中的汽提塔為例，在基于動態(tài)模擬故障診斷方法的基礎(chǔ)上提出了基于Himmelblau算法的精餾塔故障診斷數(shù)據(jù)濾波研究。該方法首先利用Himmelblau算法對化工過程大系統(tǒng)進(jìn)行分解[6]，減少了計(jì)算量；然后利用中值濾波和提升小波分析相結(jié)合的方法去除分解后小系統(tǒng)的噪聲，減小了噪聲對計(jì)算結(jié)果的影響。兩種方法的結(jié)合不僅簡化了計(jì)算而且消除了噪聲在實(shí)際測量和傳輸過程中的影響。最后給出了故障診斷的結(jié)果，并進(jìn)行了比較分析。

系統(tǒng)的分解就是將一個結(jié)構(gòu)已定的系統(tǒng)分割成一些更小的次一級系統(tǒng)的方法。將系統(tǒng)的總目標(biāo)分解成更小的系統(tǒng)目標(biāo)，或者將階數(shù)、維數(shù)很大的系統(tǒng)的數(shù)學(xué)模型分解成階數(shù)、維數(shù)較小的子系統(tǒng)的數(shù)學(xué)模型。這種方法可以將高維的、不易求解的問題分解成若干低維的子問題，然后分別進(jìn)行求解。

Himmelblau算法的步驟如下：

a. 在m×m事件矩陣M中選出非零元素最多的列k；

b. 保留M中k列內(nèi)每個為零元素對應(yīng)的行；k列中為1的元素所對應(yīng)的行用布爾加法合并成一行排列在最后；得到新的j×m布爾矩陣記做M(0)；

c. 重復(fù)步驟b，從而得到序列{M,M(0),M(1),…,M(n)}。

最終得到矩陣M(n)，其每一列只含有一個非零元素，每一行與原方程系統(tǒng)中的不相關(guān)子系統(tǒng)對應(yīng)。

2 基于中值濾波和提升小波分析的去噪方法

在過程工業(yè)中對數(shù)據(jù)信號進(jìn)行實(shí)時采樣是很重要的環(huán)節(jié)，但是由于信號在傳輸過程中可能會受到高斯噪聲和粗大噪聲的影響，造成數(shù)據(jù)信號的偏差。因此，如何去除噪聲提取有用信號成為信息科學(xué)研究的焦點(diǎn)。筆者采用中值濾波和小波變換相結(jié)合的方法[7]，首先用中值濾波去除信號中的粗大噪聲，然后用小波變換對處理后的信號進(jìn)行濾波去除高斯噪聲，得到降噪后的信號。

2.1 中值濾波

基于提升小波分析的去噪方法對去除高斯噪聲非常有效，但是對于去除粗大噪聲的效果并不理想，中值濾波可以有效地去除信號中的粗大噪聲。因此，首先用中值濾波的方法去除粗大噪聲，以增強(qiáng)后續(xù)去噪方法的魯棒性。

中值濾波法的定義如下：設(shè)一維窗口V的長度是l=2k+1，位于窗口中的輸入信號為xi-k,…,xi,…,xi+k，輸出為yi=media(xi-k,…,xi,…,xi+k)其中media為取中值函數(shù)。窗口的長度決定了去噪的效果，窗口長度過長會破壞原來信號的特征，太短則去噪效果不理想。

2.2 混合去噪信號處理

通過對中值濾波方法和提升小波分析方法的分析得到以下一般去噪過程：

a. 假設(shè)窗口長度為l，對窗口中的數(shù)據(jù)點(diǎn)進(jìn)行中值濾波去除粗大噪聲。

b. 對去除了粗大噪聲的數(shù)據(jù)點(diǎn)用提升小波的方法分解n層。

3 基于數(shù)據(jù)去噪和系統(tǒng)分解的精餾塔故障診斷過程

一般對精餾塔的故障診斷是直接對DCS上采集的數(shù)據(jù)進(jìn)行處理，忽略了噪聲的影響，造成結(jié)果不準(zhǔn)確。筆者在研究了化工過程動態(tài)模擬的基礎(chǔ)上，結(jié)合基于中值濾波和提升小波分析的方法首先對采集來的數(shù)據(jù)進(jìn)行去噪處理，然后根據(jù)Himmelblau算法對過程大系統(tǒng)進(jìn)行分解，對分解之后的小系統(tǒng)進(jìn)行故障診斷，并給出診斷結(jié)果。

以TEP仿真流程中的汽提塔為例進(jìn)行研究。TEP中汽提塔的流程如圖1所示[8]。富含主產(chǎn)物G和H的液體被輸送到汽提塔的頂部，以主要含輕組分A和C的物流作為汽提流股從塔底部進(jìn)入，將殘存的未反應(yīng)組分A、C～E、惰性組分B和副產(chǎn)物F分離出來。

圖1 TEP汽提塔流程

TEP流程中共設(shè)置了21個故障，其中只有故障1、2、7、8和10與汽提塔有關(guān)[9]。系統(tǒng)在8h時引入故障7(物流C的壓差推動力發(fā)生階躍下降)，導(dǎo)致其流量大幅度下降，從而降低了汽提效果。圖2給出了故障診斷的計(jì)算結(jié)果，即物流C壓力損失系數(shù)的變化情況。

圖2 信號處理前故障7的診斷結(jié)果

圖2是沒有經(jīng)過去噪過程和系統(tǒng)分解的診斷結(jié)果，由圖2可以看出，在8h故障發(fā)生以后，物流C的壓力損失系數(shù)開始大幅度下降，并最終穩(wěn)定在0.73左右，雖然可以得出結(jié)論故障是由壓降推動力的降低所引起的，但是診斷結(jié)果并不理想。因此考慮在診斷之前進(jìn)行系統(tǒng)分解和數(shù)據(jù)過濾。

利用Himmelblau算法對汽提塔大系統(tǒng)進(jìn)行分解，可以得到3個不相關(guān)的系統(tǒng)，分別為塔頂進(jìn)料部分、塔底進(jìn)料部分、塔體和出料部分。其中只有塔底進(jìn)料部分與進(jìn)料壓強(qiáng)損失系數(shù)有關(guān)。因此，故障診斷過程只需對塔底進(jìn)料部分的方程進(jìn)行計(jì)算。這樣汽提塔大系統(tǒng)便得到了分解，計(jì)算過程也得到了簡化。最后，只需對分解后的小系統(tǒng)利用中值濾波和提升小波分析結(jié)合的方法濾波即可。圖3給出了分解濾波后的診斷結(jié)果。

圖3 信號處理后故障7的診斷結(jié)果

4 結(jié)束語

在動態(tài)模擬精餾塔故障診斷方法的基礎(chǔ)上，引入了基于Himmelblau算法和提升小波分析方法的精餾塔故障診斷，通過兩者的結(jié)合共同處理了TEP仿真流程中汽提塔的故障診斷問題。經(jīng)兩次診斷結(jié)果對比可以看出，加了系統(tǒng)分解過程和去噪過程的故障診斷效果明顯較好，不僅大幅縮短了故障診斷的時間而且提高了精度，具有較好的實(shí)用性。

[1] EEMUA.Alarm Systems:a Guide to Design,Management and Procurement[M].London:Engineering Equipment and Materials Users’ Association,2007.

[2] Zhou D H，Hu Y Y.Fault Diagnosis Techniques for Dynamic Systems[J].Acta Automatica Sinica, 2009,35(6):748～756.

[3] Tu Y L, He G G.Expert System for Distillation Column Fault Diagnosis[J].Low Temperature and Specialty Gases,2006,24(5):26～29.

[4] Darwisha N A,Hilalb N.Sensitivity Analysis and Faults Diagnosis Using Artificial Neural Networks in Natural Gas TEG-dehydration Plants[J].Chemical Engineering Journal,2008,137(2):189～197.

[5] 田文德，王子平，孫素莉.基于動態(tài)模擬的精餾塔故障診斷[J].計(jì)算機(jī)與應(yīng)用化學(xué)，2011,28(12):1569～1572.

[6] 鄢烈祥.化工過程分析與綜合[M].北京：化學(xué)工業(yè)出版社，2010.

[7] 高東，張貝克，吳重光.基于提升格式的過程數(shù)據(jù)在線去噪方法及其應(yīng)用[J].計(jì)算機(jī)應(yīng)用研究，2008,25(10):3198～3200.

[8] Venkatasubramanian V,Rengaswamy R,Yin K,et al.A Review of Process Fault Detection and Diagnosis Part I: Quantitative Model-based Methods[J].Computers and Chemical Engineering,2003,27(3):293～311.

[9] 蔣浩天.工業(yè)系統(tǒng)的故障檢測與診斷[M].北京：機(jī)械工業(yè)出版社，2003.