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)
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,在工業(yè)數(shù)字化、智能化方向發(fā)展迅速,開啟了以云計算、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,能夠加快推進數(shù)字化轉(zhuǎn)型、智能化發(fā)展,實現(xiàn)產(chǎn)業(yè)的轉(zhuǎn)型升級和價值增長。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,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,進而預(yù)防事故的發(fā)生。但是,大多數(shù)化工過程是一個十分復(fù)雜的工業(yè)體系,具有變量多、高時滯、非線性和強耦合等特點,若只是依靠單純數(shù)據(jù)分析進行裝置的異常故障識別和診斷,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)實意義。
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的信息,推斷實況的目標(biāo)參數(shù)值。反演法可以通過設(shè)計控制器的結(jié)構(gòu)和系統(tǒng),不僅可以減少對系統(tǒng)的匹配性約束和非線性增長性條件的限制,還能夠得到良好的瞬態(tài)性能。若從人工智能角度來講,反演就是模式識別問題,從觀測數(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)和知識經(jīng)驗,將新增加的有效信息運用于時空多變要素中,使得新信息可以有效分配給復(fù)雜系統(tǒng)中的時空多變參數(shù)[2]。例如,根據(jù)重力場、地震波場、交變電磁場以及熱力學(xué)等實際可觀測的數(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)、運動形式,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)展到一個全新的階段。
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?;谀P偷目刂品椒梢员WC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??刂坪蚅QG控制。反演控制是基于Lyapunov函數(shù)控制設(shè)計的,具有系統(tǒng)化、穩(wěn)定性和結(jié)構(gòu)化的特點,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,將其層疊使用在控制設(shè)計的各個步驟里,進而避免了取消部分非線性部分才能達到線性化目的。
基于反演控制化工系統(tǒng)的優(yōu)化,可以對反演控制設(shè)計步驟進行以下簡要說明。首先,需要將一個復(fù)雜的化工過程進行系統(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,針對每一個子系統(tǒng)設(shè)計Lyapunov函數(shù),在確保子系統(tǒng)穩(wěn)定收斂的前提下,逐級地為其設(shè)計虛擬控制器,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)合逐級推導(dǎo)的控制設(shè)計結(jié)果,得出系統(tǒng)的實際控制器。
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),通過紅外檢測法測量腫瘤的體表溫度。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),運用貝葉斯法計算熱釋放速率,測試結(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)建測量點處的原始值,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,在化工過程故障識別的基礎(chǔ)上開展相關(guān)參數(shù)的反演時,需要將模型與數(shù)據(jù)結(jié)合在一起,對化工過程中的故障進行綜合診斷,將會實現(xiàn)更好的效果。
故障(Fault)是指運算異常導(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參數(shù)或者多個參數(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),及時截取臨界劣化參數(shù),對劣化參數(shù)更正,防止裝置進入非正常工作狀態(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行反演。故障查找過程包括:首先通過監(jiān)測狀態(tài)獲得異常數(shù)據(jù),常用的監(jiān)測方法包括光電傳感技術(shù)、聲光傳感技術(shù)、在線監(jiān)測和電子信息技術(shù)等;其次是分析故障的原因,根據(jù)系統(tǒng)信號提供的征兆和其他的信息,推斷可能的劣化趨勢,確定故障點,針對具體的故障點給出對應(yīng)的維修或者維護方法。故障的識別、預(yù)判和診斷是長期安全、穩(wěn)定運行的一個必要手段,有效預(yù)防裝置事故的發(fā)生,避免企業(yè)經(jīng)濟的損失,保證現(xiàn)場人員的人身安全。
隨著企業(yè)的大型化和信息技術(shù)的強勁發(fā)展,企業(yè)積極探尋擺脫依靠人工的運行方式,推進監(jiān)測智能化、運行自動化的現(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)國際章法分類,故障診斷有三類方法,以知識為基礎(chǔ)的基于知識、以解析模型為基礎(chǔ)的基于解析模型和以處理信號為基礎(chǔ)的基于信號處理[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。基于分析模型的故障診斷是將被診斷對象的實測數(shù)據(jù)對比模型演算值,獲得兩者之間的殘值,通過一定的技術(shù)手段實現(xiàn)故障診斷。基于信號處理的方法屬于混合方法,將神經(jīng)網(wǎng)絡(luò)或者模糊邏輯有機結(jié)合小波分析、專家評判,創(chuàng)建診斷系統(tǒng),從而迅速地獲得故障原因,及時預(yù)警[10]。
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,如何同時提高運算速度和精度,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)動方法主要分為流形學(xué)習(xí)、多元統(tǒng)計方法、信號處理和機器學(xué)習(xí)等[11],這些故障診斷方法由于不需要大量計算,能夠與復(fù)雜動態(tài)系統(tǒng)模型相結(jié)合實現(xiàn)優(yōu)勢互補,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)將會成為化工故障診斷領(lǐng)域的重要發(fā)展方向。
隨著經(jīng)濟、技術(shù)發(fā)展,化工裝置大型化建造、自動智能化運行成為不爭的事實,化工裝置前后緊密關(guān)聯(lián)、監(jiān)控數(shù)據(jù)多、操作復(fù)雜,這些特點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、變動的,PCA的使用出現(xiàn)了“水土不服”,無法體現(xiàn)化工過程的時態(tài)性和動態(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)重偏離實際值,沒有明確的物理意義。針對以上問題,國內(nèi)外學(xué)者提出了混合故障診斷方法。例如,Askarian M等[12]在TE過程中對分類器、組合方法的故障診斷性能進行評估,討論處理缺失數(shù)據(jù)的方法。
Rad等[13]將故障模式的整個空間具體劃分為數(shù)個子空間,設(shè)計監(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,及時更正,從而提高整個神經(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,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,用以動態(tài)的、實時的化工過程的故障診斷。
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,實現(xiàn)較準(zhǔn)確的模擬過程,具有較強的適應(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),并對學(xué)習(xí)成果進行記憶和存儲,在上述知識的沉淀下,如果以后的運行過程出現(xiàn)問題,可以運用之前的記憶進行診斷和處理。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,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,反向誤差傳輸啟動,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)進行調(diào)整到合適的數(shù)值。
深度神經(jīng)網(wǎng)絡(luò)(DNN)是指多層次、非線性的變換,具有多個隱含層,同樣每層內(nèi)部無連接,層間是全部連接的,對底層特征的表達不依靠人工選擇,通過學(xué)習(xí)利用高層抽象特征進行模擬[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。再次使用監(jiān)督學(xué)習(xí),對樣本有效模擬,防止擬合嚴(yán)重扭曲。對深度神經(jīng)網(wǎng)絡(luò)進行細節(jié)調(diào)整,使深度神經(jīng)網(wǎng)絡(luò)對故障特征表現(xiàn)出有效的診斷能力。深度神經(jīng)網(wǎng)絡(luò)的層級多,為了防止陷入可能的局部極值點或者擬合扭曲,對各個層級進行貪婪訓(xùn)練[19]。
在化工過程故障反演的運用過程中,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,進行更深層次的研究。在化工過程的反演故障診斷中,較多時候都會運用偏最小二乘(PLS)和最小二乘法(LSQ)進行反演推算,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),對連續(xù)故障參數(shù)進行估計[20-22]。因此,上述化工過程反演的參數(shù)估計方法是由無模型的簡單回歸部分和非線性模型組成的優(yōu)化方法。例如,利用動態(tài)模擬方法監(jiān)控某一化工過程時,需要觀察變量改變時出現(xiàn)的異常識別源,通??梢岳闷钚《撕妥钚《朔ú粩噙M行內(nèi)部參數(shù)的修正,同時分析測量變量的趨勢。
與其他動態(tài)仿真(非線性函數(shù))相比,故障診斷反演在參數(shù)計算時使用的時間更長。混合反演就是盡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和預(yù)測變量運用到一個新空間,形成一個新的線性回歸模型,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,摒棄迭代計算,對系統(tǒng)故障參數(shù)和輸出參數(shù)進行擬合,直接計算其中的關(guān)系,更加能夠節(jié)省計算時間。
化學(xué)工業(yè)應(yīng)用領(lǐng)域滲透到國民生活、航空、國防、醫(yī)療、教育等各個行業(yè),在整體經(jīng)濟中的地位不可替代,《中國制造2025》[25]結(jié)合國家當(dāng)代實際情況和需要,督促化工企業(yè)向智能化、自動化方向轉(zhuǎn)型邁進,然而化工行業(yè)具有自身獨特的特點: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,可以對化工過程的運行問題進行有效的故障預(yù)判和處理,將會極大地提高生產(chǎn)裝置的穩(wěn)定運行、質(zhì)量調(diào)控,有助于化工企業(yè)實現(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)用時間不長,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)用也將會得到巨大的發(fā)展機遇。