薛峰,李欣銅,周琨,魏志強(qiáng),葛曉霞,葛志強(qiáng),宋凱
(1 天津大學(xué)化工學(xué)院,天津化工安全與裝備重點(diǎn)實(shí)驗(yàn)室,天津300350; 2 蘇州創(chuàng)元產(chǎn)業(yè)投資有限公司,江蘇蘇州215000; 3 巨化集團(tuán)有限公司健康安全環(huán)保部,浙江衢州324004; 4 浙江大學(xué)控制科學(xué)與工程學(xué)院,工業(yè)控制技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室,浙江杭州310027)
氟化工是典型的精細(xì)化工過(guò)程,其產(chǎn)品在汽車(chē)、環(huán)保、航空、新能源等領(lǐng)域有著廣泛應(yīng)用。隨著產(chǎn)品的多樣化和應(yīng)用領(lǐng)域的不斷發(fā)展,氟化工行業(yè)變得越來(lái)越重要。然而,在氟化工生產(chǎn)過(guò)程中廣泛存在著劇毒性材料。這些劇毒物質(zhì)即使在環(huán)境中有少量泄漏,仍會(huì)對(duì)人員、設(shè)備以及公共財(cái)產(chǎn)造成巨大危害。隨著現(xiàn)代氟化工生產(chǎn)過(guò)程的大型化和復(fù)雜化,給氟化工過(guò)程監(jiān)測(cè)系統(tǒng)帶來(lái)了巨大的壓力。
由于氟化工過(guò)程機(jī)理復(fù)雜,強(qiáng)時(shí)變、劇毒等特性加上專利保護(hù)等,嚴(yán)重阻礙了先進(jìn)的控制和監(jiān)測(cè)方法在氟化工過(guò)程中的廣泛應(yīng)用。另一方面,隨著這些過(guò)程復(fù)雜化和大型化,專家知識(shí)出現(xiàn)差異的概率越來(lái)越高,難以在過(guò)程監(jiān)測(cè)方法中應(yīng)用準(zhǔn)確的專家知識(shí)。當(dāng)前,由于上述原因,過(guò)度維護(hù)策略是氟化工過(guò)程安全管理中最常用的策略。顯然,這些方法會(huì)導(dǎo)致巨大的經(jīng)濟(jì)損失和安全風(fēng)險(xiǎn)。因此迫切需要提高氟化工生產(chǎn)系統(tǒng)的安全性和可靠性監(jiān)管力度,從而避免故障甚至重大事故所帶來(lái)的巨大經(jīng)濟(jì)損失。傳統(tǒng)的氟化工過(guò)程監(jiān)測(cè)系統(tǒng)主要關(guān)注氟化工過(guò)程故障檢測(cè)和診斷方法的研究,而故障檢測(cè)和診斷只能在發(fā)生故障后對(duì)化工系統(tǒng)進(jìn)行修復(fù)和彌補(bǔ),此時(shí)往往已經(jīng)造成了安全或者經(jīng)濟(jì)損失[1]。此外,隨著健康管理概念的提出,越來(lái)越多的研究者意識(shí)到,故障意味著過(guò)程或者裝備中的部分失效。但是即使未出現(xiàn)故障,也并不意味著系統(tǒng)安全運(yùn)行的可靠性在最佳狀態(tài)。因此本文旨在提出操作單元可靠性評(píng)估方法,對(duì)系統(tǒng)安全運(yùn)行狀態(tài)進(jìn)行評(píng)估。從而在故障發(fā)生前及時(shí)采取措施,為實(shí)現(xiàn)預(yù)測(cè)性健康管理奠定基礎(chǔ)。
隨著研究的不斷深入,作為預(yù)測(cè)性健康管理(PHM)重要的基石,目前主流的可靠性評(píng)估方法可以分為三類[2]:基于知識(shí)的方法、基于解析的方法和基于數(shù)據(jù)驅(qū)動(dòng)的方法。其中基于知識(shí)的方法受限于生產(chǎn)經(jīng)驗(yàn)和專家知識(shí)的準(zhǔn)確性,基于解析的方法依賴于研究對(duì)象的物理、化學(xué)原理,而數(shù)據(jù)驅(qū)動(dòng)模型則通過(guò)利用系統(tǒng)中采集到的大量過(guò)程數(shù)據(jù)信息建立黑箱模型以實(shí)現(xiàn)過(guò)程監(jiān)測(cè)。所有這三類方法中,最基本的方法是可靠性框架圖(reliability block diagram,RBD),但是該方法只允許評(píng)估對(duì)象有兩個(gè)狀態(tài):完全可靠和完全故障。然而在大多數(shù)情況下,評(píng)估對(duì)象的狀態(tài)不限于二值狀態(tài)[3]。其他用于可靠性評(píng)估的方法包括故障樹(shù)分析、蒙特卡羅模擬和貝葉斯網(wǎng)絡(luò)等[4-7]。Rebello 等[8]通過(guò)動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)和隱馬爾可夫模型對(duì)系統(tǒng)功能可靠性進(jìn)行評(píng)估。BahooToroody 等[9]利用貝葉斯回歸方法監(jiān)測(cè)能源供應(yīng)中隨機(jī)過(guò)程的可靠性。Wang等[2]使用云推理方法研究多故障交互狀態(tài)的管道系統(tǒng)可靠性。大多數(shù)可靠性評(píng)估方法都依賴于專家知識(shí),只能局限于評(píng)估特定對(duì)象的可靠性。且當(dāng)前的可靠性理論主要針對(duì)特定的電氣設(shè)備、電子、航空、能源等領(lǐng)域,化工領(lǐng)域由于變量多、強(qiáng)耦合、強(qiáng)時(shí)滯和非線性等特性,相關(guān)研究較少,相關(guān)應(yīng)用則更少。
與多元統(tǒng)計(jì)過(guò)程監(jiān)控(multivariate statistical process monitoring,MSPM)方法不同,模糊推理系統(tǒng)(FIS)可以通過(guò)指定隸屬函數(shù)和模糊規(guī)則來(lái)集成數(shù)據(jù)驅(qū)動(dòng)進(jìn)行建模[10]。此外,其成功應(yīng)用還歸因于對(duì)不精確數(shù)據(jù)的計(jì)算優(yōu)勢(shì)[11-12]。FIS 在控制系統(tǒng)、工程、醫(yī)學(xué)、化學(xué)、金融和商業(yè)、計(jì)算機(jī)網(wǎng)絡(luò)、計(jì)算生物學(xué)、故障檢測(cè)和診斷以及模式識(shí)別等研究領(lǐng)域中的廣泛適用性充分證明了它的優(yōu)越性[13-15]。對(duì)于諸如氟化工過(guò)程之類的復(fù)雜的化工過(guò)程,F(xiàn)IS 具有很好的應(yīng)用前景。然而,F(xiàn)IS 過(guò)于依賴專家知識(shí),且對(duì)于大型化工過(guò)程等變量較多的研究對(duì)象,所需設(shè)計(jì)的模糊規(guī)則過(guò)多,F(xiàn)IS的實(shí)用性較差。
另一方面,氟化工過(guò)程數(shù)據(jù)樣本中包含了豐富的結(jié)構(gòu)信息,對(duì)這些結(jié)構(gòu)信息的抽提和轉(zhuǎn)換是實(shí)現(xiàn)評(píng)估氟化工過(guò)程可靠性算法的重要因素。主成分分析等算法在提取樣本空間結(jié)構(gòu)特征時(shí)只考慮了整體結(jié)構(gòu)[16],局部結(jié)構(gòu)保留投影等流形學(xué)習(xí)算法主要關(guān)注樣本空間的局部結(jié)構(gòu)信息。而全局-局部結(jié)構(gòu)分析算法在同一框架下統(tǒng)一了兩種算法的優(yōu)勢(shì),使得投影得到的低維空間不僅保持了原始數(shù)據(jù)的局部結(jié)構(gòu),而且保持了相似的整體結(jié)構(gòu),原始數(shù)據(jù)更加全面的特征信息得已保留。
因此本文充分利用FIS 對(duì)于復(fù)雜系統(tǒng)不確定性的魯棒性和邏輯推理能力,針對(duì)氟化工過(guò)程變量體量大、變量間強(qiáng)耦合、強(qiáng)時(shí)變和專家知識(shí)不確定度高等特點(diǎn),提出了基于全局-局部結(jié)構(gòu)分析的模糊推理系統(tǒng)(global-local structure analysis based fuzzy inference system,GLSAFIS)對(duì)氟化工過(guò)程關(guān)鍵操作單元的運(yùn)行狀態(tài)進(jìn)行可靠性評(píng)估。依據(jù)氟化工工藝流程選取操作單元過(guò)程變量,通過(guò)全局-局部結(jié)構(gòu)分析算法對(duì)操作單元過(guò)程變量進(jìn)行全局-局部特征提取。將低維的全局-局部特征代替原始操作單元過(guò)程變量作為模糊推理系統(tǒng)的輸入,在減少數(shù)據(jù)噪聲的同時(shí)可以通過(guò)降維,大大減少所需設(shè)計(jì)的模糊規(guī)則和對(duì)專家知識(shí)的依賴,加速后續(xù)模糊推理系統(tǒng)的邏輯設(shè)計(jì)。因此本方法能夠充分考慮到過(guò)程變量對(duì)操作單元運(yùn)行的影響,依據(jù)氟化工過(guò)程數(shù)據(jù)對(duì)操作單元的可靠性進(jìn)行實(shí)時(shí)評(píng)估,從而為實(shí)際生產(chǎn)過(guò)程安全管控提供實(shí)時(shí)可靠的決策依據(jù),以減少甚至避免故障的發(fā)生。真正實(shí)現(xiàn)維護(hù)策略從傳統(tǒng)的故障檢測(cè)和診斷(fault detection and diagnosis,F(xiàn)DD)轉(zhuǎn)向預(yù)測(cè)和健康管理(prognostics and health management,PHM)[17-19]。在國(guó)內(nèi)某氟化工廠R-22生產(chǎn)過(guò)程以及模擬化工過(guò)程TE模型中應(yīng)用,以證明本方法的有效性。
氟化工過(guò)程的操作單元之間具有強(qiáng)烈的耦合性,每個(gè)操作單元的波動(dòng)都不可避免地影響其下游的操作單元。因此,在選取操作單元過(guò)程變量時(shí),應(yīng)當(dāng)充分考慮到操作單元本身的過(guò)程變量情況以及上游操作單元中可能會(huì)對(duì)其產(chǎn)生影響的過(guò)程變量。值得注意的是,選取過(guò)程變量不代表每個(gè)變量只能劃分到某一個(gè)操作單元中??紤]到后續(xù)GLSA算法在全局-局部投影方面的優(yōu)勢(shì),為了充分保留變量間的相互關(guān)系,本文的操作過(guò)程變量選取時(shí),依據(jù)是氟化工工藝流程的上下游關(guān)系,允許某些變量同時(shí)屬于多個(gè)操作單元。例如上一單元的輸出作為下一單元的輸入,此變量可同時(shí)屬于這兩個(gè)單元的數(shù)據(jù)模塊。
為了進(jìn)一步克服過(guò)程數(shù)據(jù)的高噪聲特性,降低數(shù)據(jù)維度,提高FIS 邏輯設(shè)計(jì)的效率,同時(shí)減少邏輯設(shè)計(jì)對(duì)專家知識(shí)的依賴,本文引入了GLSA 算法,對(duì)每個(gè)數(shù)據(jù)塊進(jìn)行特征提取。全局-局部結(jié)構(gòu)分析算法不僅可以有效降低數(shù)據(jù)維度,而且通過(guò)投影得到的低維空間保持了原始數(shù)據(jù)的整體結(jié)構(gòu)和局部結(jié)構(gòu)。因此提出使用全局-局部結(jié)構(gòu)分析方法對(duì)操作單元過(guò)程變量進(jìn)行降維,從而加速后續(xù)模糊推理系統(tǒng)的設(shè)計(jì)邏輯。
GLSA 是在局部保留投影(locality preserving projections,LPP)算法基礎(chǔ)上發(fā)展而來(lái)的一種無(wú)監(jiān)督降維方法[20]。LPP 是一種常見(jiàn)的線性流形算法,該算法的主要特點(diǎn)是在降低數(shù)據(jù)維度的同時(shí),力求維護(hù)數(shù)據(jù)集的局部結(jié)構(gòu)和幾何特性[21-23]。下面簡(jiǎn)要介紹LPP算法的基本思想。
假設(shè)原始數(shù)據(jù)集為X=[x1,x2,…,xn]?Rm,LPP 的目的就是訓(xùn)練得到一個(gè)投影矩陣A,可以將樣本空間X投影到一個(gè)子空間Y=wTX=[y1,y2,…,yn]?Rd。投影矩陣A可以通過(guò)求解最小化兩個(gè)樣本之間的額加權(quán)距離之和得到,LPP 的目標(biāo)函數(shù)為:
其中,權(quán)重系數(shù)Sij是鄰接權(quán)重矩陣S中的元素,Sij表示原始高維樣本中的xi和xj距離接近程度。因此,如果樣本xi和xj在原始空間中相對(duì)接近,它們?cè)谕队昂蟮目臻g也會(huì)相對(duì)接近。
雖然通過(guò)優(yōu)化LPP的目標(biāo)函數(shù)可以確保原始空間中接近的點(diǎn)在投影之后能夠保持接近,但是LPP對(duì)于原始空間中互相遠(yuǎn)離的點(diǎn)沒(méi)有相應(yīng)的約束條件,這會(huì)使這些點(diǎn)被投影到一個(gè)很小的區(qū)域中,從而導(dǎo)致數(shù)據(jù)集的全局結(jié)構(gòu)的破壞以及方差信息的損失[24-25]。GLSA 有效解決了這一問(wèn)題,在LPP 的基礎(chǔ)上引入了全局結(jié)構(gòu)的優(yōu)化目標(biāo)函數(shù):
GLSA的目標(biāo)函數(shù)定義為:
式(3)可以轉(zhuǎn)換為如下的特征值分解問(wèn)題:
通過(guò)求解M的前d個(gè)最大特征值所對(duì)應(yīng)的特征向量,即投影矩陣A=[a1,a2,…,ad],可以得到低維投影空間:
將降維后得到的低維投影變量作為操作單元可靠性估計(jì)的依據(jù),這樣不僅可以保留原始過(guò)程變量數(shù)據(jù)的全局和局部結(jié)構(gòu),而且可以大大降低操作單元可靠性估計(jì)的難度,大多數(shù)研究工作都是保留了前兩個(gè)最大特征值[20],為盡可能多地保留原始數(shù)據(jù)的全局和局部結(jié)構(gòu),本文中均保留前三個(gè)最大特征值,即將操作單元變量降到三維。
20 世紀(jì)60 年代,Zadeh[26]首次提出了模糊理論。該理論從數(shù)學(xué)角度分析研究帶有模糊特征的問(wèn)題,使得此類問(wèn)題具有數(shù)學(xué)特質(zhì)從而更易被大眾接受。模糊推理系統(tǒng)就是在模糊理論的基礎(chǔ)上發(fā)展而來(lái)的,它是一種無(wú)需復(fù)雜的數(shù)學(xué)解釋就可以對(duì)復(fù)雜問(wèn)題建模的工具,可以對(duì)通常以語(yǔ)言形式表示的不確定性進(jìn)行建模。在評(píng)估氟化工過(guò)程操作單元可靠性時(shí),由于缺乏統(tǒng)一可靠的專家知識(shí)以及對(duì)機(jī)理的深入了解,難以通過(guò)具體的過(guò)程指標(biāo)進(jìn)行評(píng)估,模糊推理系統(tǒng)則可以通過(guò)融合多元過(guò)程指標(biāo)的信息有效解決這一問(wèn)題。一個(gè)典型的模糊推理系統(tǒng)包括三個(gè)階段:輸入階段,處理階段和輸出階段[12,27]。
輸入階段將輸入映射到適當(dāng)?shù)碾`屬度函數(shù)得到隸屬度值。隸屬度函數(shù)的最常見(jiàn)形狀是三角形,也有梯形和鐘形曲線等。隸屬度函數(shù)曲線形狀通常不如數(shù)量及其位置重要[28];處理階段調(diào)用每個(gè)模糊規(guī)則并生成結(jié)果,然后組合所有規(guī)則的結(jié)果。它基于IF-THEN 語(yǔ)句形式的邏輯規(guī)則的集合,其中IF部分稱為“條件”,而THEN 部分稱為“結(jié)果”。典型的模糊推理系統(tǒng)具有數(shù)十條規(guī)則;輸出階段將合并的結(jié)果轉(zhuǎn)換為特定的輸出值。
在設(shè)計(jì)模糊推理系統(tǒng)時(shí),隸屬度函數(shù)和模糊規(guī)則的設(shè)計(jì)是最重要的內(nèi)容[27]。對(duì)于隸屬度函數(shù)而言,變量等級(jí)的確定及每個(gè)等級(jí)所對(duì)應(yīng)的隸屬度函數(shù)曲線的設(shè)計(jì)是最為核心的兩方面內(nèi)容。將投影變量劃分為“高”、“中”、“低”三個(gè)等級(jí),將操作單元可靠性分為“安全”、“警告”、“報(bào)警”和“危險(xiǎn)”四個(gè)等級(jí)。很顯然,當(dāng)操作單元平穩(wěn)運(yùn)行時(shí),投影變量應(yīng)當(dāng)處于“中”等級(jí)。雖然當(dāng)投影變量處于“高”或“低”時(shí),操作單元可靠性有可能不受到影響,但考慮到對(duì)可靠性評(píng)估應(yīng)當(dāng)采取更為嚴(yán)格的設(shè)計(jì)方案,所以“高”或“低”的投影變量被認(rèn)為會(huì)影響操作單元可靠性。同樣地,選擇三角形的隸屬度函數(shù)曲線確保操作單元可靠性估計(jì)設(shè)計(jì)方法的嚴(yán)格性。三角形曲線的具體設(shè)計(jì)方法:假設(shè)操作單元變量降維后的投影變量有d個(gè)維度,首先應(yīng)當(dāng)確定每個(gè)投影變量可接受的波動(dòng)范圍,從歷史數(shù)據(jù)中選取操作單元運(yùn)行時(shí)不同時(shí)間段的相關(guān)變量的數(shù)據(jù)樣本X∈Rn×m,其中n代表樣本個(gè)數(shù),m代表樣本維度,通過(guò)GLSA 訓(xùn)練得到的投影矩陣A將選出的樣本投影到Z∈Rn×d,則樣本矩陣投影后每個(gè)投影變量的最小值和最大值之間即為其波動(dòng)范圍。確定好投影變量波動(dòng)范圍后,應(yīng)將其歸一化以符合模糊推理系統(tǒng)輸入的要求:
式中,fi表示模糊推理系統(tǒng)第i個(gè)輸入;Zi表示第i個(gè)投影變量;和分別表示投影變量Zi的最大值和最小值。隨后應(yīng)當(dāng)確定投影變量不同等級(jí)下三角形曲線各頂點(diǎn)的位置,同樣地,通過(guò)篩選操作單元正常運(yùn)行時(shí)期的歷史數(shù)據(jù),通過(guò)投影矩陣A將其投影到低維空間,投影后得到的變量的平均值即為該變量的目標(biāo)值ti,應(yīng)當(dāng)將其作為“中”等級(jí)的頂點(diǎn),如圖1所示,將不同等級(jí)之間相互交叉的部分占兩等級(jí)之間的總距離的比值記為θ=c/d,由θ可以確定其余三角形曲線在底邊上頂點(diǎn)的位置。θ應(yīng)當(dāng)根據(jù)操作單元的具體情況確定取值,也可以由遺傳算法或者其他優(yōu)化方法確定。μ為Zi對(duì)應(yīng)的隸屬度值。
圖1 隸屬度函數(shù)設(shè)計(jì)方法示意圖Fig.1 Schematic diagram of membership function design method
模糊規(guī)則的設(shè)計(jì)依據(jù)每個(gè)輸入變量所處的等級(jí)不同確定,表1 列出了每個(gè)輸入變量所處的等級(jí)以及其是否處于允許狀態(tài)。根據(jù)實(shí)驗(yàn)結(jié)果規(guī)定:當(dāng)沒(méi)有投影變量處于“否”,認(rèn)為操作單元處于“安全”狀態(tài);當(dāng)有一個(gè)投影變量處于“否”,操作單元被認(rèn)為處于“警告”狀態(tài);當(dāng)有兩個(gè)投影變量處于“否”,操作單元處于“報(bào)警”狀態(tài);當(dāng)全部三個(gè)投影變量處于“否”,操作單元?jiǎng)t是處于“危險(xiǎn)”狀態(tài)。舉例來(lái)說(shuō),如果Z1處于“中”且Z2處于“高”且Z3處于“低”,那么操作單元可靠性處于“報(bào)警”狀態(tài)。
表1 操作單元輸入變量限制條件Table 1 The restriction of operating unit input variables
基于全局-局部結(jié)構(gòu)分析的操作單元可靠性模糊推理估計(jì)主要包括以下步驟。
(1)選取操作單元過(guò)程變量:根據(jù)操作單元在氟化工過(guò)程系統(tǒng)中的上下游關(guān)系,確定影響操作單元操作狀態(tài)的相關(guān)過(guò)程變量。
(2)操作單元過(guò)程變量特征提?。哼x取操作單元正常運(yùn)行時(shí)期的過(guò)程變量,訓(xùn)練GLSA 模型并得到投影矩陣A。
(3)設(shè)計(jì)操作單元可靠性估計(jì)的模糊推理系統(tǒng):將通過(guò)GLSA 模型得到的低維投影變量作為輸入,操作單元可靠性作為輸出,設(shè)計(jì)模糊推理系統(tǒng)。
圖2 是操作單元可靠性估計(jì)流程示意圖,通過(guò)基于GLSA 的模糊推理系統(tǒng)的實(shí)施,可以評(píng)估大規(guī)模復(fù)雜操作單元的可靠性,從而提供可靠的安全管控決策依據(jù)。
圖2 GLSAFIS算法流程圖Fig.2 Flow chart of GLSAFIS algorithm
為了測(cè)試所提出的GLSAFIS 方法的性能,在國(guó)內(nèi)某氟化工廠R-22 生產(chǎn)過(guò)程數(shù)據(jù)集中應(yīng)用了本方法。根據(jù)保密協(xié)議的限制,本文僅以R-22 生產(chǎn)過(guò)程的反應(yīng)器操作單元為例,介紹具體的應(yīng)用過(guò)程及結(jié)果。
二氟一氯甲烷,別名R-22,是最常見(jiàn)的制冷劑和推進(jìn)劑的制作原料,同時(shí)也是氟化工的通用中間體。氯仿和氫氟酸是生產(chǎn)R-22 的主要原料,其化學(xué)反應(yīng)方程式為2 HCl,R-22 的生產(chǎn)流程如圖3 所示。R-22 生產(chǎn)裝置由反應(yīng)器、精餾塔1、水洗塔、分離器以及精餾塔2等操作單元構(gòu)成。R-22的生產(chǎn)工藝如下:來(lái)自裝置外的氯仿以及氫氟酸分別由泵輸送進(jìn)反應(yīng)器;氯仿和氫氟酸在催化劑作用下反應(yīng)生成R-22 以及副產(chǎn)物R-21、R-23和HCl;所有產(chǎn)物及未反應(yīng)原料、少量催化劑進(jìn)入精餾塔1,利用分餾原理,分離產(chǎn)品R-22 和副產(chǎn)物R-21 及R-23;冷凝回流的產(chǎn)物經(jīng)水洗塔洗滌去大部分催化劑、氫氟酸;得到的以R-22 和HCl 為主的粗產(chǎn)品進(jìn)入精餾塔2 以進(jìn)一步精餾得到主要產(chǎn)品R-22。
圖3 R-22生產(chǎn)流程示意圖Fig.3 Schematic diagram of R-22 production process
本文所有的氟化工過(guò)程數(shù)據(jù)均來(lái)自位于華東的某大型氟化工廠的R-22 生產(chǎn)過(guò)程。采樣期為2020年1月至2020年10月,采樣間隔為一分鐘。近一年的采樣周期內(nèi)包含了數(shù)十個(gè)原料采購(gòu)周期,也幾乎涵蓋了當(dāng)?shù)氐乃募?,因此?shù)據(jù)集有很強(qiáng)的代表性。根據(jù)保密協(xié)議,在研究過(guò)程中僅使用了該數(shù)據(jù)集的一部分?jǐn)?shù)據(jù)。如前所述,由于氟化工過(guò)程產(chǎn)物的劇毒性,該廠的安全管控非常嚴(yán)格,期間有數(shù)次常規(guī)停車(chē)檢修和調(diào)試,未出現(xiàn)任何危及到設(shè)備、人員和環(huán)境的安全事故。為了驗(yàn)證本文方法的有效性,本文用停車(chē)檢修數(shù)據(jù)模擬非正常生產(chǎn)狀態(tài),進(jìn)而驗(yàn)證可靠性評(píng)估的準(zhǔn)確性。
在進(jìn)行反應(yīng)器操作單元變量劃分時(shí),首先將反應(yīng)器內(nèi)部的過(guò)程變量如反應(yīng)器溫度、壓力等作為反應(yīng)器操作單元變量,然后應(yīng)當(dāng)考慮與反應(yīng)器相連接的進(jìn)料單元的各種進(jìn)料量及其相關(guān)的過(guò)程變量。很顯然,進(jìn)料單元的波動(dòng)會(huì)影響到反應(yīng)器單元的運(yùn)行狀態(tài),所以將進(jìn)料相關(guān)的過(guò)程變量加入反應(yīng)器操作單元變量是十分必要的。還需要注意到,反應(yīng)器單元不僅輸出反應(yīng)產(chǎn)物,而且通過(guò)回流裝置接收精餾后的部分產(chǎn)物,因此,在輸出和回流管道上所獲取的過(guò)程變量同樣也應(yīng)作為反應(yīng)器操作單元變量。最終,在R-22生產(chǎn)過(guò)程的43個(gè)過(guò)程變量中,共有10個(gè)變量劃分為反應(yīng)器操作單元變量。
選取反應(yīng)器正常運(yùn)行期間的1000 個(gè)數(shù)據(jù)樣本并整理出10 個(gè)變量所對(duì)應(yīng)的過(guò)程數(shù)據(jù),訓(xùn)練GLSA模型,取前三個(gè)最大的特征值。其余樣本則可通過(guò)投影矩陣A降到三維,將這三個(gè)投影變量作為輸入,反應(yīng)器操作單元可靠性作為輸出設(shè)計(jì)模糊推理系統(tǒng),依據(jù)1.2 節(jié)中介紹的相關(guān)設(shè)計(jì)方法和原則,得到的模糊推理系統(tǒng)示例如圖4 所示,圖4(a)是R-22 反應(yīng)器操作單元輸入和輸出變量的隸屬度函數(shù),圖4(b)是反應(yīng)器操作單元可靠性模糊推理的一個(gè)示例。
圖4 GLSAFIS在R-22反應(yīng)器操作單元中的應(yīng)用實(shí)例Fig.4 Application example of GLSAFIS in R-22 reactor operation unit
圖5為三種異常工況下一種重要原料的進(jìn)料量以及反應(yīng)器操作單元可靠性,重要原料的進(jìn)料量一定程度上反映了反應(yīng)器單元的運(yùn)行狀況。在案例1中,初始階段重要原料的進(jìn)料量保持在目標(biāo)值附近,此時(shí)反應(yīng)器操作單元可靠性也處于90%以上,隨后重要原料進(jìn)料量出現(xiàn)大幅下降(常規(guī)的停車(chē)維護(hù)而非安全事故),反應(yīng)器操作單元可靠性也立刻下降到20%附近。隨著重要原料進(jìn)料的恢復(fù),反應(yīng)器操作單元可靠性也逐漸恢復(fù)到90%以上,但由于重要原料進(jìn)料量穩(wěn)定在目標(biāo)值以上,反應(yīng)器操作單元可靠性也在安全控制限(80%)附近波動(dòng)。
圖5 R-22重要原料進(jìn)料量和反應(yīng)器操作單元可靠性的3個(gè)案例Fig.5 Three cases of R-22's important raw material feed volume and reactor operating unit reliability
在案例2中,隨著重要原料偏離其目標(biāo)值,反應(yīng)器操作單元可靠性也隨之下降且處于警告控制限(60%)附近,隨后重要原料逐步恢復(fù)到目標(biāo)值附近,反應(yīng)器操作單元可靠性也逐漸恢復(fù)到90%以上,在案例2 的末期,重要原料的進(jìn)料量有短暫大幅下降的階段,此階段的反應(yīng)器操作單元可靠性也及時(shí)做出了預(yù)測(cè)。
在案例3 中,重要原料的進(jìn)料量在高于其目標(biāo)值的位置維持基本穩(wěn)定,此時(shí)的反應(yīng)器操作單元可靠性也處于安全控制限和警告控制限之間,且當(dāng)重要原料進(jìn)料量高于5 時(shí),反應(yīng)器操作單元可靠性會(huì)下降到警告控制限以下,說(shuō)明反應(yīng)器操作單元可靠性對(duì)重要原料進(jìn)料量的波動(dòng)是敏感的。
由于已有的研究中缺少成熟的操作單元可靠性評(píng)估方法與本文提出的方法進(jìn)行對(duì)比,因此為了驗(yàn)證提出的方法的優(yōu)越性,在不同專家知識(shí)的指導(dǎo)下設(shè)計(jì)了模糊推理系統(tǒng)估計(jì)反應(yīng)器操作單元的可靠性,并與GLSAFIS 的估計(jì)結(jié)果對(duì)比,圖6是上述三個(gè)案例在GLSAFIS 方法以及2位專家指導(dǎo)下反應(yīng)器操作單元可靠性估計(jì)的結(jié)果??梢园l(fā)現(xiàn),雖然專家知識(shí)得到的可靠性估計(jì)結(jié)果與GLSAFIS 方法的結(jié)果保持大致相同的趨勢(shì),但是整合專家知識(shí)估計(jì)的可靠性與反應(yīng)器單元實(shí)際情況有較大區(qū)別。例如案例1,初期反應(yīng)器正常平穩(wěn)運(yùn)行,整合專家知識(shí)評(píng)估的可靠性卻在70%以下,隨后重要原料進(jìn)料量降為0,反應(yīng)器可靠性應(yīng)當(dāng)迅速降低,此時(shí)整合專家知識(shí)評(píng)估的可靠性仍保持在50%;案例2中整合專家2知識(shí)的可靠性估計(jì)值明顯低于實(shí)際情況;案例3 中整合專家1 知識(shí)對(duì)反應(yīng)器可靠性的波動(dòng)不敏感,維持在60%附近。而且不同專家知識(shí)得到的結(jié)果也有較大差異,通過(guò)將全局和局部特征代替專家知識(shí)選擇過(guò)程變量作為模糊推理系統(tǒng)的輸入,不僅克服了對(duì)專家知識(shí)的依賴,而且避免了不同專家知識(shí)偏差帶來(lái)的結(jié)果上的誤差。
圖6 R-22反應(yīng)器操作單元可靠性估計(jì)結(jié)果對(duì)比Fig.6 Comparison of reliability estimation results of R-22 reactor operating unit
更為重要的是,如果采用常規(guī)FIS,需要設(shè)計(jì)310=59049個(gè)模糊規(guī)則,其設(shè)計(jì)復(fù)雜度已經(jīng)遠(yuǎn)遠(yuǎn)超出了工業(yè)過(guò)程的實(shí)際應(yīng)用的可行性。而采用GLSAFIS模型,僅需設(shè)計(jì)33=27 個(gè)模糊規(guī)則。系統(tǒng)設(shè)計(jì)的工作量大大降低,工作效率和可維護(hù)性等均顯著提高。
為了進(jìn)一步驗(yàn)證所提方法的泛化性能,在TE模型中也進(jìn)行了應(yīng)用。田納西伊斯曼過(guò)程(Teenesse Eastman process,TEP),簡(jiǎn)稱TE 過(guò)程,是由Downs 和Vogel[29]于1993 年提出的美國(guó)田納西伊斯曼化學(xué)品公司的實(shí)際化工過(guò)程的計(jì)算機(jī)模擬,此后Bathel等[30]對(duì)模擬程序進(jìn)一步優(yōu)化,增加了新的故障和更多的監(jiān)測(cè)變量。TE 過(guò)程逐漸發(fā)展成為檢測(cè)過(guò)程控制技術(shù)和過(guò)程監(jiān)測(cè)方法性能的一個(gè)基準(zhǔn)化工模擬過(guò)程[31]。如圖7 給出了TE 過(guò)程流程圖,該過(guò)程包含5 個(gè)操作單元:反應(yīng)器,冷凝器,分離器,汽提塔和壓縮機(jī)。TE 過(guò)程包括6 種操作模式,每種操作模式下產(chǎn)物G、H 的比例不同。在模擬過(guò)程中可以對(duì)TE 過(guò)程設(shè)置故障,TE 過(guò)程目前可以設(shè)定的故障有28 個(gè)。具體細(xì)節(jié)可參考文獻(xiàn)[29-30]。
圖7 TE過(guò)程流程圖Fig.7 Flow chart of TE process
以TE 模型的反應(yīng)器和分離器操作單元為例介紹應(yīng)用的具體過(guò)程及結(jié)果。TE 模型有22 個(gè)在線測(cè)量的過(guò)程變量和12 個(gè)操作變量。依據(jù)上文介紹的變量選取方法,反應(yīng)器單元過(guò)程變量為過(guò)程變量1、2、3、5、6、7、8、9、20、21 以及操作變量1、2、3、4、10、12。分離器操作單元過(guò)程變量為10、11、12、13、14以及操作變量6、7。將正常運(yùn)行期間的1441個(gè)數(shù)據(jù)樣本作為訓(xùn)練集,整理出各操作單元變量所對(duì)應(yīng)的過(guò)程數(shù)據(jù)并分別訓(xùn)練GLSA 模型,分別保留前三個(gè)最大的特征值。將投影變量作為輸入,操作單元可靠性作為輸出設(shè)計(jì)模糊推理系統(tǒng),依據(jù)1.2 節(jié)中介紹的相關(guān)設(shè)計(jì)方法和原則設(shè)計(jì)模糊推理系統(tǒng)。圖8(a)、(b)分別是TE 反應(yīng)器和分離器操作單元輸入和輸出變量的隸屬度函數(shù)。
圖8 TE反應(yīng)器和分離器操作單元的隸屬度函數(shù)Fig.8 Membership function of TE reactor and separator operating unit
值得注意的是,采用常規(guī)FIS,TE反應(yīng)器單元可靠性評(píng)估需要316=4.30×107個(gè)模糊規(guī)則,TE 分離器操作單元需要設(shè)計(jì)37=2187 個(gè)模糊規(guī)則,而采用GLSAFIS 算法,僅需設(shè)計(jì)27 個(gè)模糊規(guī)則。無(wú)論是初期的算法設(shè)計(jì)還是后期的維護(hù),GLSAFIS 算法在實(shí)用性方面具有明顯優(yōu)勢(shì)。
在TE 過(guò)程中引入故障并應(yīng)用提出的方法估算反應(yīng)器和分離器操作單元的可靠性,結(jié)果顯示:當(dāng)操作單元發(fā)生故障時(shí),操作單元可靠性會(huì)出現(xiàn)明顯的下降。當(dāng)故障發(fā)生在其他操作單元時(shí),該操作單元可靠性不會(huì)發(fā)生明顯的變化。圖9 列舉了3 種典型故障下的反應(yīng)器及分離器操作單元可靠性的變化。
案例1 是引入故障1(A/C 進(jìn)料比,4 號(hào)管線)后的反應(yīng)器和汽提塔操作單元可靠性的情況??梢钥吹剑悍磻?yīng)器操作單元可靠性維持在安全控制限以下而汽提塔操作單元可靠性維持了一段高水平后迅速下降。故障1 是分離器進(jìn)料管線上發(fā)生的故障,說(shuō)明提出的方法可以準(zhǔn)確反應(yīng)操作單元的狀態(tài)。
案例2 是引入故障6(A 進(jìn)料損失,1 號(hào)管線)后的反應(yīng)器以及汽提塔操作單元可靠性的變化情況。在引入故障6 后,反應(yīng)器操作單元可靠性迅速下降到危險(xiǎn)控制限以下,說(shuō)明A 進(jìn)料損失造成了反應(yīng)器可靠性的嚴(yán)重降低。事實(shí)上,在引入故障6后,仿真程序?qū)⒃?.2 h后關(guān)閉,這也有力地證明了該故障造成的嚴(yán)重?fù)p害,同時(shí)也證明了本文提出方法的較優(yōu)性能。
案例3是引入故障15(冷凝器冷卻水調(diào)節(jié)閥)后反應(yīng)器和汽提塔操作單元可靠性的變化。雖然有故障的引入,但是由于故障發(fā)生在冷凝器,所以反應(yīng)器和分離器操作單元可靠性一直維持在很高的水平。表明提出的方法對(duì)操作單元可靠性的估計(jì)是準(zhǔn)確的。
提出了GLSAFIS 方法在線評(píng)估氟化工生產(chǎn)過(guò)程操作單元可靠性,并在模擬化工過(guò)程程序中進(jìn)行了應(yīng)用。在選取操作單元過(guò)程變量后通過(guò)全局-局部結(jié)構(gòu)分析算法對(duì)操作單元過(guò)程變量進(jìn)行降維,根據(jù)模糊推理得到操作單元可靠性的指標(biāo),可以實(shí)時(shí)監(jiān)測(cè)操作單元的運(yùn)行狀態(tài)。提供適宜的維護(hù)建議,確保氟化工生產(chǎn)過(guò)程的安全運(yùn)行。所提出的方法的重要特點(diǎn)是不依賴專家知識(shí),具備很強(qiáng)的可推廣性。本文在研究中考慮了過(guò)程變量對(duì)于操作單元可靠性的影響,在將來(lái)的研究中可以融合環(huán)境、人員等多要素來(lái)評(píng)估操作單元的可靠性。對(duì)于操作單元可靠性的預(yù)測(cè)也是未來(lái)的研究方向之一。