仇登可，侯士超，劉鋒(昆侖數(shù)智科技有限責(zé)任公司，北京 102206)

0 引言

隨著工業(yè)技術(shù)與信息技術(shù)的高度融合，傳統(tǒng)化工領(lǐng)域得到了一次創(chuàng)新變革和轉(zhuǎn)型升級(jí)，在工業(yè)數(shù)字化、智能化方向發(fā)展迅速，開啟了以云計(jì)算、大數(shù)據(jù)和人工智能為代表的新一代化工信息技術(shù)。根據(jù)專家分析數(shù)字化技術(shù)催生了化工企業(yè)發(fā)展的新業(yè)態(tài)、新模式，能夠加快推進(jìn)數(shù)字化轉(zhuǎn)型、智能化發(fā)展，實(shí)現(xiàn)產(chǎn)業(yè)的轉(zhuǎn)型升級(jí)和價(jià)值增長(zhǎng)。目前，相當(dāng)規(guī)模的石油化工企業(yè)多年前開始使用信息系統(tǒng)，經(jīng)過使用年限內(nèi)數(shù)據(jù)的累計(jì)，使用人員可調(diào)取相關(guān)的、大量數(shù)據(jù)加以分析，查找出事故規(guī)律，進(jìn)而預(yù)防事故的發(fā)生。但是，大多數(shù)化工過程是一個(gè)十分復(fù)雜的工業(yè)體系，具有變量多、高時(shí)滯、非線性和強(qiáng)耦合等特點(diǎn)，若只是依靠單純數(shù)據(jù)分析進(jìn)行裝置的異常故障識(shí)別和診斷，忽略數(shù)據(jù)加載的物理意義，是無法深入解釋故障現(xiàn)象背后的根本原因的。因此，研究反演在化工過程故障診斷方法中具有重要的理論意義和現(xiàn)實(shí)意義。

1 反演系統(tǒng)

1.1 反演的原理

反演(Inversion)又稱回推法、后推法和反演法，在1991年，Kanellakopoulos I等[1]提出了反向推斷的想法，就是利用建立的模型，用已測(cè)定的參數(shù)值反向推斷目標(biāo)的數(shù)值，換種說法就是利用觀測(cè)的信息，推斷實(shí)況的目標(biāo)參數(shù)值。反演法可以通過設(shè)計(jì)控制器的結(jié)構(gòu)和系統(tǒng)，不僅可以減少對(duì)系統(tǒng)的匹配性約束和非線性增長(zhǎng)性條件的限制，還能夠得到良好的瞬態(tài)性能。若從人工智能角度來講，反演就是模式識(shí)別問題，從觀測(cè)數(shù)據(jù)反演推算出狀態(tài)參數(shù)或其分布。

在反演過程中需要充分利用先前的數(shù)據(jù)和知識(shí)經(jīng)驗(yàn)，將新增加的有效信息運(yùn)用于時(shí)空多變要素中，使得新信息可以有效分配給復(fù)雜系統(tǒng)中的時(shí)空多變參數(shù)[2]。例如，根據(jù)重力場(chǎng)、地震波場(chǎng)、交變電磁場(chǎng)以及熱力學(xué)等實(shí)際可觀測(cè)的數(shù)據(jù)，推斷地球內(nèi)部的可能存在的物質(zhì)成分、存在的狀態(tài)、運(yùn)動(dòng)形式，并定量地確定這些參數(shù)的具體數(shù)值，這些都屬于反演的應(yīng)用范疇[3-4]。目前，反演運(yùn)用的方法主要包括廣義逆理論、線性及非線性規(guī)劃、信息論、非線性理論以及最優(yōu)化方法等，在應(yīng)用中也取得了一些研究成果和創(chuàng)新技術(shù)，將反演的體系研究和解決方法發(fā)展到一個(gè)全新的階段。

1.2 反演控制方法

在控制策略中，專家根據(jù)不同的化工系統(tǒng)，提出了各異的控制方法，主要分為模型和無模型兩類控制。基于模型的控制方法可以保證系統(tǒng)的穩(wěn)定性，迄今這類控制方法主要有反演控制LQR控制、滑模控制和LQG控制。反演控制是基于Lyapunov函數(shù)控制設(shè)計(jì)的，具有系統(tǒng)化、穩(wěn)定性和結(jié)構(gòu)化的特點(diǎn)，在化工系統(tǒng)中具有一定的優(yōu)越性，可以通過選取恰當(dāng)?shù)目刂茀?shù)，保證閉環(huán)系統(tǒng)來滿足動(dòng)靜態(tài)性能。與其他反饋控制方法相比，反演控制能夠充分利用系統(tǒng)的非線性項(xiàng)，將其層疊使用在控制設(shè)計(jì)的各個(gè)步驟里，進(jìn)而避免了取消部分非線性部分才能達(dá)到線性化目的。

基于反演控制化工系統(tǒng)的優(yōu)化，可以對(duì)反演控制設(shè)計(jì)步驟進(jìn)行以下簡(jiǎn)要說明。首先，需要將一個(gè)復(fù)雜的化工過程進(jìn)行系統(tǒng)分解，如果化工系統(tǒng)的總階數(shù)為M，那么分解之后的子系統(tǒng)的總數(shù)量也不能超過M；然后，針對(duì)每一個(gè)子系統(tǒng)設(shè)計(jì)Lyapunov函數(shù)，在確保子系統(tǒng)穩(wěn)定收斂的前提下，逐級(jí)地為其設(shè)計(jì)虛擬控制器，并將上一階子系統(tǒng)的虛擬控制器作為下一階子系統(tǒng)的跟蹤目標(biāo)；最后，結(jié)合逐級(jí)推導(dǎo)的控制設(shè)計(jì)結(jié)果，得出系統(tǒng)的實(shí)際控制器。

1.3 反演在化工過程故障診斷的應(yīng)用

反演系統(tǒng)的應(yīng)用領(lǐng)域涉及生物、醫(yī)療、地球物理和建筑等，化學(xué)工程也是較早應(yīng)用的其中領(lǐng)域之一。Sever A等[5]將模式識(shí)別視作為不適定的反演問題，在正則化模型的基礎(chǔ)上建立新的學(xué)習(xí)算法，用于非均勻?qū)ο蟮闹貥?gòu)。王琳琳等[6]為了求解腫瘤的關(guān)鍵參數(shù)，通過紅外檢測(cè)法測(cè)量腫瘤的體表溫度。為了研究熱聲反演，Nowak I等[7]通過燃燒室的壓力的數(shù)據(jù)，運(yùn)用貝葉斯法計(jì)算熱釋放速率，測(cè)試結(jié)果表明貝葉斯法可較好地應(yīng)用在熱聲反演問題中，可估算相關(guān)參數(shù)，構(gòu)建測(cè)量點(diǎn)處的原始值，并取得了較好效果。在反演過程中，Nowak I等[7]利用粒子群算法確定位置參數(shù)，用最小二乘法演算目標(biāo)粒子的位置函數(shù)，結(jié)果顯示，演算速度有所提高，精密度較好。因此，在化工過程故障識(shí)別的基礎(chǔ)上開展相關(guān)參數(shù)的反演時(shí)，需要將模型與數(shù)據(jù)結(jié)合在一起，對(duì)化工過程中的故障進(jìn)行綜合診斷，將會(huì)實(shí)現(xiàn)更好的效果。

2 故障診斷

2.1 故障診斷作用

故障(Fault)是指運(yùn)算異常導(dǎo)致系統(tǒng)部分性能下降，偏離預(yù)定目標(biāo)。故障的原因來自于某個(gè)參數(shù)或者多個(gè)參數(shù)的變化。為了消除故障的影響，保證系統(tǒng)有序的、正常的運(yùn)行，需要定期或者不定期排查故障，找到系統(tǒng)問題的癥結(jié)，這就需要故障診斷。故障診斷的手段是分析過程數(shù)據(jù)是否正常，篩選出異常數(shù)據(jù)，及時(shí)截取臨界劣化參數(shù)，對(duì)劣化參數(shù)更正，防止裝置進(jìn)入非正常工作狀態(tài)，減少損失的發(fā)生[8]。

故障診斷的手段就是通過表征問題進(jìn)行反演。故障查找過程包括：首先通過監(jiān)測(cè)狀態(tài)獲得異常數(shù)據(jù)，常用的監(jiān)測(cè)方法包括光電傳感技術(shù)、聲光傳感技術(shù)、在線監(jiān)測(cè)和電子信息技術(shù)等；其次是分析故障的原因，根據(jù)系統(tǒng)信號(hào)提供的征兆和其他的信息，推斷可能的劣化趨勢(shì)，確定故障點(diǎn)，針對(duì)具體的故障點(diǎn)給出對(duì)應(yīng)的維修或者維護(hù)方法。故障的識(shí)別、預(yù)判和診斷是長(zhǎng)期安全、穩(wěn)定運(yùn)行的一個(gè)必要手段，有效預(yù)防裝置事故的發(fā)生，避免企業(yè)經(jīng)濟(jì)的損失，保證現(xiàn)場(chǎng)人員的人身安全。

2.2 化工故障診斷現(xiàn)狀

隨著企業(yè)的大型化和信息技術(shù)的強(qiáng)勁發(fā)展，企業(yè)積極探尋擺脫依靠人工的運(yùn)行方式，推進(jìn)監(jiān)測(cè)智能化、運(yùn)行自動(dòng)化的現(xiàn)代化手段，這也為化工過程故障診斷帶來了新的機(jī)遇和挑戰(zhàn)，故障診斷方法也在不斷更替、推陳出新。根據(jù)國(guó)際章法分類，故障診斷有三類方法，以知識(shí)為基礎(chǔ)的基于知識(shí)、以解析模型為基礎(chǔ)的基于解析模型和以處理信號(hào)為基礎(chǔ)的基于信號(hào)處理[9]?；诎Y狀的手段和基于定性模型的手段被歸類于基于知識(shí)?；诜治瞿Ｐ偷墓收显\斷是將被診斷對(duì)象的實(shí)測(cè)數(shù)據(jù)對(duì)比模型演算值，獲得兩者之間的殘值，通過一定的技術(shù)手段實(shí)現(xiàn)故障診斷。基于信號(hào)處理的方法屬于混合方法，將神經(jīng)網(wǎng)絡(luò)或者模糊邏輯有機(jī)結(jié)合小波分析、專家評(píng)判，創(chuàng)建診斷系統(tǒng)，從而迅速地獲得故障原因，及時(shí)預(yù)警[10]。

2.3 故障診斷未來趨勢(shì)

診斷方法的不斷更迭、優(yōu)化，基本滿足化工過程，然而如何獲得更好的診斷方法，如何同時(shí)提高運(yùn)算速度和精度，是診斷專家不斷追求的目標(biāo)。結(jié)合目前的大數(shù)據(jù)分析、機(jī)器的深度學(xué)習(xí)，故障診斷有了新的突破手段、獲得新思路，在此基礎(chǔ)上數(shù)據(jù)驅(qū)動(dòng)的診斷方法得到了一定程度的發(fā)展。目前主要的數(shù)據(jù)驅(qū)動(dòng)方法主要分為流形學(xué)習(xí)、多元統(tǒng)計(jì)方法、信號(hào)處理和機(jī)器學(xué)習(xí)等[11]，這些故障診斷方法由于不需要大量計(jì)算，能夠與復(fù)雜動(dòng)態(tài)系統(tǒng)模型相結(jié)合實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，在化工領(lǐng)域特別是大規(guī)模工業(yè)應(yīng)用的監(jiān)控系統(tǒng)中發(fā)揮著重要作用。目前神經(jīng)網(wǎng)絡(luò)能夠很好地分析輸入信息之間的整體邏輯序列，結(jié)合反演系統(tǒng)將會(huì)成為化工故障診斷領(lǐng)域的重要發(fā)展方向。

3 故障診斷方法

3.1 混合故障診斷

隨著經(jīng)濟(jì)、技術(shù)發(fā)展，化工裝置大型化建造、自動(dòng)智能化運(yùn)行成為不爭(zhēng)的事實(shí)，化工裝置前后緊密關(guān)聯(lián)、監(jiān)控?cái)?shù)據(jù)多、操作復(fù)雜，這些特點(diǎn)增加了故障診斷的難度。傳統(tǒng)的、單方面的診斷手段不適應(yīng)現(xiàn)代化工企業(yè)技術(shù)，弊病越來越明顯。比如，PCA盡管可用于多變量系統(tǒng)的處理，處理靜態(tài)數(shù)據(jù)較好，然而化工系統(tǒng)多為流動(dòng)、變動(dòng)的，PCA的使用出現(xiàn)了“水土不服”，無法體現(xiàn)化工過程的時(shí)態(tài)性和動(dòng)態(tài)性，導(dǎo)致無法準(zhǔn)確地解釋質(zhì)量的變量。并且，當(dāng)數(shù)據(jù)非線性或者非正態(tài)分布，PCA的診斷結(jié)果嚴(yán)重偏離實(shí)際值，沒有明確的物理意義。針對(duì)以上問題，國(guó)內(nèi)外學(xué)者提出了混合故障診斷方法。例如，Askarian M等[12]在TE過程中對(duì)分類器、組合方法的故障診斷性能進(jìn)行評(píng)估，討論處理缺失數(shù)據(jù)的方法。

Rad等[13]將故障模式的整個(gè)空間具體劃分為數(shù)個(gè)子空間，設(shè)計(jì)監(jiān)督代理監(jiān)控局部的分類器，發(fā)現(xiàn)隱藏在子空間的異常點(diǎn)，及時(shí)更正，從而提高整個(gè)神經(jīng)網(wǎng)絡(luò)的性能。Caccavale F等[14]在解決夾套式反應(yīng)器中的化學(xué)反應(yīng)時(shí)，采用綜合診斷方案來處理故障診斷問題。Chen X等[15]提出了一種結(jié)合故障診斷方法，該方法將SOM(自組織映射)和FDA(Fisher判別)相結(jié)合，用以動(dòng)態(tài)的、實(shí)時(shí)的化工過程的故障診斷。

3.2 BP神經(jīng)網(wǎng)絡(luò)故障診斷

BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最多的模型，由以Rumelhart[16]和McCelland[16]為 首 的 科 學(xué) 家 在1986年提出，是一種多層的前饋模型，利用誤差逆?zhèn)鞑ミM(jìn)行映射，BP不需要演算出具體的數(shù)學(xué)方程式，通過預(yù)存的、大量的映射關(guān)系，實(shí)現(xiàn)較準(zhǔn)確的模擬過程，具有較強(qiáng)的適應(yīng)性和逼近性。在化工過程的新故障診斷中，可以通過閾值的改變、權(quán)值加以學(xué)習(xí)，并對(duì)學(xué)習(xí)成果進(jìn)行記憶和存儲(chǔ)，在上述知識(shí)的沉淀下，如果以后的運(yùn)行過程出現(xiàn)問題，可以運(yùn)用之前的記憶進(jìn)行診斷和處理。BP神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，模擬人類神經(jīng)元運(yùn)行，他們層間連接，層內(nèi)無連接。BP神經(jīng)網(wǎng)絡(luò)包括正向傳輸和反向的誤差傳輸兩部分組成，當(dāng)受到外界輸入時(shí)，BP網(wǎng)絡(luò)正向傳播引起反應(yīng)，當(dāng)正向相應(yīng)和預(yù)期目標(biāo)有出入時(shí)，反向誤差傳輸啟動(dòng)，不斷調(diào)整響應(yīng)值和目標(biāo)值之間的差距，直到相應(yīng)結(jié)果在目標(biāo)值的允許范圍內(nèi)，停止傳播。在傳播過程中，每層權(quán)值通過學(xué)習(xí)進(jìn)行調(diào)整到合適的數(shù)值。

3.3 深度神經(jīng)網(wǎng)絡(luò)故障診斷

深度神經(jīng)網(wǎng)絡(luò)(DNN)是指多層次、非線性的變換，具有多個(gè)隱含層，同樣每層內(nèi)部無連接，層間是全部連接的，對(duì)底層特征的表達(dá)不依靠人工選擇，通過學(xué)習(xí)利用高層抽象特征進(jìn)行模擬[17-18]。在深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中，首先是使用非監(jiān)督方式，對(duì)深層神經(jīng)網(wǎng)絡(luò)訓(xùn)練，獲得樣本的有效特征，防止陷入局部的極值點(diǎn)。再次使用監(jiān)督學(xué)習(xí)，對(duì)樣本有效模擬，防止擬合嚴(yán)重扭曲。對(duì)深度神經(jīng)網(wǎng)絡(luò)進(jìn)行細(xì)節(jié)調(diào)整，使深度神經(jīng)網(wǎng)絡(luò)對(duì)故障特征表現(xiàn)出有效的診斷能力。深度神經(jīng)網(wǎng)絡(luò)的層級(jí)多，為了防止陷入可能的局部極值點(diǎn)或者擬合扭曲，對(duì)各個(gè)層級(jí)進(jìn)行貪婪訓(xùn)練[19]。

4 化工過程的故障反演

在化工過程故障反演的運(yùn)用過程中，故障類型已知，通過建立不同的模型分析故障的原因，模擬參數(shù)變化帶來的結(jié)果，進(jìn)行更深層次的研究。在化工過程的反演故障診斷中，較多時(shí)候都會(huì)運(yùn)用偏最小二乘(PLS)和最小二乘法(LSQ)進(jìn)行反演推算，其中，最小二乘法是利用最小化系數(shù)矩陣，形成向量空間到觀測(cè)向量的歐式誤差距離；偏最小二乘是利用最小二乘法產(chǎn)生的故障參數(shù)，對(duì)連續(xù)故障參數(shù)進(jìn)行估計(jì)[20-22]。因此，上述化工過程反演的參數(shù)估計(jì)方法是由無模型的簡(jiǎn)單回歸部分和非線性模型組成的優(yōu)化方法。例如，利用動(dòng)態(tài)模擬方法監(jiān)控某一化工過程時(shí)，需要觀察變量改變時(shí)出現(xiàn)的異常識(shí)別源，通常可以利用偏最小二乘和最小二乘法不斷進(jìn)行內(nèi)部參數(shù)的修正，同時(shí)分析測(cè)量變量的趨勢(shì)。

與其他動(dòng)態(tài)仿真(非線性函數(shù))相比，故障診斷反演在參數(shù)計(jì)算時(shí)使用的時(shí)間更長(zhǎng)?；旌戏囱菥褪潜M量用偏最小二乘來替代最小二乘法，減小診斷工作量。偏最小二乘通過將可測(cè)和預(yù)測(cè)變量運(yùn)用到一個(gè)新空間，形成一個(gè)新的線性回歸模型，并不是尋找自變量和響應(yīng)之間的最大方差[23-24]。偏最小二乘模型能夠在X空間找到解釋Y空間的有效多維方向，摒棄迭代計(jì)算，對(duì)系統(tǒng)故障參數(shù)和輸出參數(shù)進(jìn)行擬合，直接計(jì)算其中的關(guān)系，更加能夠節(jié)省計(jì)算時(shí)間。

5 結(jié)語

化學(xué)工業(yè)應(yīng)用領(lǐng)域滲透到國(guó)民生活、航空、國(guó)防、醫(yī)療、教育等各個(gè)行業(yè)，在整體經(jīng)濟(jì)中的地位不可替代，《中國(guó)制造2025》[25]結(jié)合國(guó)家當(dāng)代實(shí)際情況和需要，督促化工企業(yè)向智能化、自動(dòng)化方向轉(zhuǎn)型邁進(jìn)，然而化工行業(yè)具有自身獨(dú)特的特點(diǎn)：規(guī)模大、過程復(fù)雜、安全隱患高，因此需要做好化工過程的設(shè)備故障診斷。通過本文研究，發(fā)現(xiàn)利用反演系統(tǒng)的數(shù)據(jù)收集、處理和模型優(yōu)化，采用合適的故障診斷方法，可以對(duì)化工過程的運(yùn)行問題進(jìn)行有效的故障預(yù)判和處理，將會(huì)極大地提高生產(chǎn)裝置的穩(wěn)定運(yùn)行、質(zhì)量調(diào)控，有助于化工企業(yè)實(shí)現(xiàn)提質(zhì)增效和高質(zhì)量的發(fā)展。雖然反演在化工領(lǐng)域的應(yīng)用時(shí)間不長(zhǎng)，但隨著數(shù)字化、智能化的高水平快速發(fā)展，相信反演在化工過程故障診斷中的應(yīng)用也將會(huì)得到巨大的發(fā)展機(jī)遇。