崔金玉

(延安職業(yè)技術(shù)學(xué)院， 陜西 延安 716000)

0 引言

隨著無(wú)線傳感器組網(wǎng)技術(shù)的發(fā)展，通過(guò)優(yōu)化的信息處理技術(shù)和安全預(yù)警控制技術(shù)進(jìn)行化工設(shè)備狀態(tài)監(jiān)測(cè)和故障監(jiān)測(cè)，提高化工設(shè)備工況狀態(tài)的特征分析能力以確?；ぴO(shè)備運(yùn)行的穩(wěn)定性，其相關(guān)的檢測(cè)監(jiān)測(cè)技術(shù)已經(jīng)受到人們的極大關(guān)注。研究化工設(shè)備狀態(tài)監(jiān)測(cè)方法，在提高化工設(shè)備的穩(wěn)定性和安全性方面具有重要意義[1]。

對(duì)化工設(shè)備狀態(tài)監(jiān)測(cè)是建立在狀態(tài)特征分析和結(jié)構(gòu)重組技術(shù)上的。構(gòu)建化工設(shè)備狀態(tài)監(jiān)測(cè)的可靠性參數(shù)分析模型，通過(guò)模糊度約束控制，進(jìn)行化工設(shè)備狀態(tài)監(jiān)測(cè)和信息融合處理。傳統(tǒng)方法中，對(duì)化工設(shè)備狀態(tài)監(jiān)測(cè)方法主要有：關(guān)聯(lián)規(guī)則挖掘的監(jiān)測(cè)方法、統(tǒng)計(jì)信息分析的監(jiān)測(cè)方法、模糊度特征匹配的監(jiān)測(cè)方法等[2-3]；通過(guò)自相關(guān)特征匹配和信息融合，進(jìn)行化工設(shè)備狀態(tài)監(jiān)測(cè)。但傳統(tǒng)方法的自適應(yīng)性不高，可靠性不好。針對(duì)上述問(wèn)題，本文提出基于無(wú)線傳感器節(jié)點(diǎn)的化工設(shè)備狀態(tài)監(jiān)測(cè)模型。首先對(duì)化工設(shè)備狀態(tài)數(shù)據(jù)采集進(jìn)行優(yōu)化處理，合理部署無(wú)線傳感器節(jié)點(diǎn)，在此基礎(chǔ)上實(shí)現(xiàn)狀態(tài)信息融合；通過(guò)提取化工設(shè)備運(yùn)行狀態(tài)特征量和控制監(jiān)測(cè)輸出，完成監(jiān)測(cè)優(yōu)化和工況可靠性分析；最后進(jìn)行仿真測(cè)試分析。文中闡述了本文方法在提高化工設(shè)備狀態(tài)監(jiān)測(cè)和故障工況可靠性分析能力方面的優(yōu)越性能。

1 化工設(shè)備狀態(tài)數(shù)據(jù)采集及優(yōu)化處理

1.1 化工設(shè)備狀態(tài)參數(shù)采集的無(wú)線傳感器節(jié)點(diǎn)部署

構(gòu)建基于無(wú)線傳感器節(jié)點(diǎn)的化工設(shè)備狀態(tài)監(jiān)測(cè)模型，優(yōu)化無(wú)線傳感器節(jié)點(diǎn)分布，通過(guò)無(wú)線傳感器節(jié)點(diǎn)的空間輪換調(diào)度和狀態(tài)參數(shù)融合，進(jìn)行存儲(chǔ)控制[4]。采用ZigBee組網(wǎng)技術(shù)，進(jìn)行無(wú)線傳感器節(jié)點(diǎn)監(jiān)測(cè)和信息融合控制，并在存儲(chǔ)介質(zhì)中實(shí)現(xiàn)化工設(shè)備狀態(tài)數(shù)據(jù)存儲(chǔ)，得到無(wú)線傳感器節(jié)點(diǎn)部署及化工設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)結(jié)構(gòu)圖如圖1所示。

圖1 化工設(shè)備狀態(tài)監(jiān)測(cè)的設(shè)計(jì)結(jié)構(gòu)圖

圖1所示的化工設(shè)備狀態(tài)監(jiān)測(cè)結(jié)構(gòu)圖，是以重油催化裂化裝置化工設(shè)備為研究對(duì)象[5]，得到在平衡點(diǎn)附近，重油分餾塔化工設(shè)備的系統(tǒng)狀態(tài)參量分布集為

(1)

式中：t為化工設(shè)備狀態(tài)監(jiān)測(cè)方法參數(shù)；s(r)為統(tǒng)計(jì)信息分析數(shù)據(jù)；b為模糊度特征匹配參數(shù)。

通過(guò)無(wú)線傳感器[6-7]節(jié)點(diǎn)進(jìn)行化工設(shè)備狀態(tài)信息采集后的輪換調(diào)度，構(gòu)建大數(shù)據(jù)融合模型，通過(guò)模糊度決策和對(duì)信息特征分布式重組，構(gòu)建化工設(shè)備狀態(tài)信息監(jiān)測(cè)的統(tǒng)計(jì)特征量，以頂部抽出流量作為化工設(shè)備狀態(tài)的關(guān)聯(lián)規(guī)則特征集，分析化工設(shè)備狀態(tài)系統(tǒng)的預(yù)測(cè)輸出與當(dāng)前狀態(tài)的差異性，構(gòu)建化工設(shè)備狀態(tài)監(jiān)測(cè)的指數(shù)函數(shù)V，則

(2)

式中m為無(wú)線傳感器節(jié)點(diǎn)。

結(jié)合化工設(shè)備的運(yùn)維狀態(tài)管理和時(shí)域控制分析，進(jìn)行化工設(shè)備的運(yùn)維狀態(tài)特征重組，通過(guò)參數(shù)辨識(shí)和節(jié)點(diǎn)優(yōu)化部署的方法，進(jìn)行化工設(shè)備狀態(tài)參數(shù)融合和節(jié)點(diǎn)分布設(shè)計(jì)，得到無(wú)線傳感器節(jié)點(diǎn)部署。

1.2 狀態(tài)信息融合

在無(wú)線傳感器節(jié)點(diǎn)部署和優(yōu)化采集的基礎(chǔ)上，進(jìn)行化工設(shè)備的狀態(tài)信息融合，提取特征量，對(duì)采集的化工設(shè)備狀態(tài)信息進(jìn)行譜密度特征分析，構(gòu)建周期性空間互聯(lián)系統(tǒng)模型，分析化工設(shè)備的運(yùn)行狀態(tài)安全監(jiān)測(cè)的統(tǒng)計(jì)特征量[8]，得到周期性耦合分析模型為

f(v)=V+(m+j)

(3)

式中j為化工設(shè)備狀態(tài)的特征量。

通過(guò)對(duì)化工設(shè)備的運(yùn)行狀態(tài)特征進(jìn)行信息融合，在狀態(tài)特征矢量列向量構(gòu)成的狀態(tài)分布空間中，得到化工設(shè)備狀態(tài)信息的譜密度信息，通過(guò)二乘擬合控制[9-10]，得到穩(wěn)態(tài)特征量分布為

(4)

式中：Vj為化工設(shè)備狀態(tài)信息分布的載頻分布；Vb為化工設(shè)備狀態(tài)監(jiān)測(cè)的靈敏度特征分量。

基于結(jié)構(gòu)特征的時(shí)序聚類方法研究……………………………………………………孟志浩，劉建偉，韓靜 24-3-61

考慮一類具有重復(fù)運(yùn)行特性設(shè)備周期管理信息，對(duì)運(yùn)行化工設(shè)備狀態(tài)信息的統(tǒng)計(jì)特征量進(jìn)行模糊采樣，則有

(5)

采用系統(tǒng)綜合分析的方法，進(jìn)行化工設(shè)備的運(yùn)行狀態(tài)判斷，得到化工設(shè)備狀態(tài)監(jiān)測(cè)的信息融合閾值判決式為

g(e)=L+zj+q

(6)

式中L為化工設(shè)備狀態(tài)的無(wú)線傳感器節(jié)點(diǎn)采集的時(shí)間周期。

由此得到化工設(shè)備狀態(tài)的譜密度特征為

(7)

式中μ為化工設(shè)備狀態(tài)監(jiān)測(cè)的統(tǒng)計(jì)特征量。

根據(jù)上述分析，對(duì)采集的化工設(shè)備狀態(tài)信息進(jìn)行譜密度特征分析和狀態(tài)監(jiān)測(cè)。

2 化工設(shè)備狀態(tài)監(jiān)測(cè)優(yōu)化

2.1 化工設(shè)備運(yùn)行狀態(tài)特征提取

對(duì)化工設(shè)備監(jiān)測(cè)的實(shí)時(shí)數(shù)據(jù)采用信息融合和模糊層次分析的方法進(jìn)行頻譜特征分解，采用動(dòng)態(tài)ARMA模型進(jìn)行化工設(shè)備運(yùn)行狀態(tài)綜合調(diào)度，建立特征分析的統(tǒng)計(jì)特征量，結(jié)合描述性統(tǒng)計(jì)分析的方法，對(duì)化工設(shè)備狀態(tài)監(jiān)測(cè)的無(wú)線傳感信息進(jìn)行譜密度分解[11]，得到狀態(tài)監(jiān)測(cè)的可靠性分布概率密度滿足下式：

(8)

式中k為化工設(shè)備運(yùn)行狀態(tài)綜合調(diào)度參數(shù)。

通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解的方法，建立化工設(shè)備狀態(tài)監(jiān)測(cè)的無(wú)線傳感信息融合模型[12-13]，得到無(wú)線傳感監(jiān)測(cè)的模糊度函數(shù)為

(9)

式中：U為化工設(shè)備狀態(tài)監(jiān)測(cè)的正交規(guī)范矩陣；I為初始化工設(shè)備狀態(tài)監(jiān)測(cè)的無(wú)線傳感信息的聚類中心F(xi,Aj(L))，i=1,2,…,m；j=1,2,…,k。

2.2 化工設(shè)備狀態(tài)監(jiān)測(cè)輸出控制

通過(guò)關(guān)聯(lián)度特征分析的方法，建立化工設(shè)備狀態(tài)監(jiān)測(cè)的穩(wěn)態(tài)特征分析模型，在無(wú)線傳感器采集系統(tǒng)終端，得到化工設(shè)備狀態(tài)監(jiān)測(cè)的輸出參數(shù)分布集為

(10)

其中：化工設(shè)備的運(yùn)行狀態(tài)特征分布基頻和諧波分量為A/B；θ為化工設(shè)備的運(yùn)行譜分解系數(shù)；fg為化工設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)的振動(dòng)頻率；fm為化工設(shè)備狀態(tài)監(jiān)測(cè)的無(wú)線傳感信息采樣的頻率。

基于人工智能控制技術(shù)[14-15]進(jìn)行化工設(shè)備監(jiān)測(cè)的智能數(shù)據(jù)分析，得到化工設(shè)備狀態(tài)監(jiān)測(cè)的信息傳遞模型為

(11)

式中N為化工設(shè)備狀態(tài)監(jiān)測(cè)的節(jié)點(diǎn)數(shù)。

通過(guò)多模態(tài)參數(shù)分析，得到化工設(shè)備狀態(tài)監(jiān)測(cè)的輸出穩(wěn)態(tài)特征量

bg=z(e)+fg+N

(12)

利用化工設(shè)備監(jiān)測(cè)智能實(shí)時(shí)數(shù)據(jù)流監(jiān)測(cè)的輸出結(jié)果進(jìn)行信息融合，得到多模態(tài)屬性分布集,根據(jù)無(wú)線傳感節(jié)點(diǎn)采集的化工設(shè)備狀態(tài)信息的譜密度特征差異性進(jìn)行異常狀態(tài)融合，得到自適應(yīng)尋優(yōu)的迭代為

f(u)=Ke+bg+z(e)

(13)

其中Ke為化工設(shè)備監(jiān)測(cè)實(shí)時(shí)數(shù)據(jù)。

采用信息融合和模糊層次分析方法，采用自回歸分析進(jìn)行化工設(shè)備監(jiān)測(cè)采集和統(tǒng)計(jì)分析，得到實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)模糊度特征量及統(tǒng)計(jì)序列為

(14)

式中：pi為第i個(gè)傳感器節(jié)點(diǎn)采集的化工設(shè)備狀態(tài)監(jiān)測(cè)模糊序列；pt為前i個(gè)監(jiān)測(cè)節(jié)點(diǎn)采集的設(shè)備信息。至此可實(shí)現(xiàn)化工設(shè)備狀態(tài)監(jiān)測(cè)和工況可靠性分析。

3 仿真測(cè)試分析

設(shè)定化工設(shè)備狀態(tài)監(jiān)測(cè)的無(wú)線傳感器節(jié)點(diǎn)個(gè)數(shù)為120，設(shè)備信息存儲(chǔ)節(jié)點(diǎn)數(shù)為50，對(duì)化工設(shè)備監(jiān)測(cè)的數(shù)據(jù)采樣間隔為0.65s，傳感器進(jìn)行設(shè)備信息采集的時(shí)間間隔為0.69 s，對(duì)設(shè)備工況信息檢測(cè)的幅值為24，干擾強(qiáng)度為-25 dB，根據(jù)上述參數(shù)設(shè)定，得到化工設(shè)備狀態(tài)信息采集輸出如圖2所示。

圖2 化工設(shè)備狀態(tài)的無(wú)線傳感信息采集

以圖2的采集數(shù)據(jù)為研究對(duì)象，進(jìn)行化工設(shè)備的狀態(tài)工況信息特征提取，結(jié)果如圖3所示。

圖3 化工設(shè)備狀態(tài)工況信息提取

分析圖3得知，本文方法進(jìn)行化工設(shè)備狀態(tài)監(jiān)測(cè)的工況信息融合聚類性較好，這是由于本文通過(guò)無(wú)線傳感器節(jié)點(diǎn)部署和優(yōu)化采集化工設(shè)備狀態(tài)參數(shù)，對(duì)化工設(shè)備的狀態(tài)進(jìn)行信息融合，提取化工設(shè)備狀態(tài)的特征量，提高了化工設(shè)備狀態(tài)監(jiān)測(cè)的準(zhǔn)確性，得到對(duì)比結(jié)果見(jiàn)表1。分析表1得知，本文方法進(jìn)行化工設(shè)備狀態(tài)監(jiān)測(cè)的輸出準(zhǔn)確性較高。

表1 化工設(shè)備狀態(tài)監(jiān)測(cè)精度對(duì)比 單位：%

由表1可知相較于關(guān)聯(lián)規(guī)則和粗糙集匹配方法監(jiān)測(cè)精度均在78%以上，而本文方法的監(jiān)測(cè)精度在93%以上。因此在化工設(shè)備狀態(tài)監(jiān)測(cè)中，本文方法的準(zhǔn)確性更高。這是由于本文通過(guò)多模態(tài)參數(shù)分析，計(jì)算化工設(shè)備狀態(tài)監(jiān)測(cè)的輸出穩(wěn)態(tài)特征量，對(duì)其進(jìn)行信息融合，利用譜密度特征差異性進(jìn)行異常狀態(tài)融合，得到自適應(yīng)尋優(yōu)，從而達(dá)到提高監(jiān)測(cè)精度的目的。

4 結(jié)語(yǔ)

采用無(wú)線傳感器節(jié)點(diǎn)的優(yōu)化部署和信息采集的方法，進(jìn)行化工設(shè)備狀態(tài)監(jiān)測(cè)，以提高化工設(shè)備的狀態(tài)可靠性運(yùn)行和管理能力。本文提出基于無(wú)線傳感器節(jié)點(diǎn)的化工設(shè)備狀態(tài)監(jiān)測(cè)模型，采用動(dòng)態(tài)ARMA模型進(jìn)行化工設(shè)備運(yùn)行狀態(tài)的綜合調(diào)度，建立化工設(shè)備運(yùn)行特征分析的統(tǒng)計(jì)特征量，根據(jù)無(wú)線傳感節(jié)點(diǎn)采集的化工設(shè)備狀態(tài)信息分析其譜密度特征差異性，實(shí)現(xiàn)化工設(shè)備狀態(tài)監(jiān)測(cè)和工況可靠性分析。研究結(jié)果表明，本文方法可靠性較高，穩(wěn)定性較好，監(jiān)測(cè)精度較高。