專利名稱：丙烯聚合生產(chǎn)中熔融指數(shù)檢測(cè)的故障診斷裝置的制作方法
技術(shù)領(lǐng)域：
本實(shí)用新型涉及工業(yè)過程故障診斷領(lǐng)域，特別地，涉及一種丙烯聚合生產(chǎn)中熔融指數(shù)檢測(cè)的故障診斷裝置。
背景技術(shù)：
聚丙烯是以丙烯單體為主聚合而成的一種合成樹脂，是塑料工業(yè)中的重要產(chǎn)品。在目前我國(guó)的聚烯烴樹脂中，成為僅次于聚乙烯和聚氯乙烯的第三大塑料。在聚丙烯生產(chǎn)過程中，熔融指數(shù)(MI)是反映產(chǎn)品質(zhì)量的一個(gè)重要指標(biāo)，是生產(chǎn)質(zhì)量控制和牌號(hào)切換的重要依據(jù)。但MI只能離線檢測(cè)，一般離線分析至少需要近2小時(shí)，耗資而且耗時(shí)，特別是離線分析的2小時(shí)期間將無法及時(shí)了解聚丙烯生產(chǎn)過程的狀態(tài)。因此，選取與熔融指數(shù)密切相關(guān)的易測(cè)變量作為二次變量，從中分析熔融指數(shù)，檢測(cè)生產(chǎn)過程是否正常，對(duì)于丙烯聚合生產(chǎn)過程至關(guān)重要。

發(fā)明內(nèi)容
為了克服已有的丙烯聚合生產(chǎn)中熔融指數(shù)檢測(cè)的故障診斷裝置的求解麻煩、難以得到較好的診斷效果、誤報(bào)率較高的不足，本實(shí)用新型提供一種求解相對(duì)方便、能夠得到良好的診斷效果、有效減小誤報(bào)率的丙烯聚合生產(chǎn)中熔融指數(shù)檢測(cè)的故障診斷裝置。
本實(shí)用新型解決其技術(shù)問題所采用的技術(shù)方案是 一種丙烯聚合生產(chǎn)中熔融指數(shù)檢測(cè)的故障診斷裝置，包括與丙烯聚合生產(chǎn)過程連接的現(xiàn)場(chǎng)智能儀表、DCS系統(tǒng)以及上位機(jī)，所述的DCS系統(tǒng)由數(shù)據(jù)接口、控制站、數(shù)據(jù)庫構(gòu)成；智能儀表、DCS系統(tǒng)、上位機(jī)依次相連，所述的上位機(jī)包括 標(biāo)準(zhǔn)化處理模塊，用于對(duì)數(shù)據(jù)庫中采集系統(tǒng)正常時(shí)關(guān)鍵變量的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，各變量的均值為0，方差為1，得到輸入矩陣X，采用以下過程來完成 1)計(jì)算均值 2)計(jì)算方差 3)標(biāo)準(zhǔn)化 其中，TX為訓(xùn)練樣本，N為訓(xùn)練樣本數(shù)，

為訓(xùn)練樣本的均值； 獨(dú)立成分分析模塊，用于依照獨(dú)立成分個(gè)數(shù)，采用基于定點(diǎn)迭代的快速ICA算法計(jì)算解混矩陣W，具體的步驟如下 ①隨機(jī)選取范數(shù)為1的初始權(quán)重向量wi，若i≥2，則其中Wi-1＝[w1w2L wi-1]，i＝1，...，m； ②對(duì)wi進(jìn)行迭代更新其中wi+表示更新后的權(quán)重向量，E是數(shù)學(xué)期望，g代表形式為g(x)＝xexp(-x2/2)的函數(shù)，g’為g的倒數(shù)； ③標(biāo)準(zhǔn)化處理其中‖wi+‖表示wi+的范數(shù)； ④若不收斂，返回②，否則一直迭代至i＝m； ⑤當(dāng)更新的wi與原wi點(diǎn)積為1時(shí)，判別為收斂； ⑥計(jì)算獨(dú)立成分S＝WX；其中，S是獨(dú)立成分矩陣，W是解混矩陣，X是輸入矩陣； 支持向量機(jī)分類器功能模塊，用于依照支持向量機(jī)核參數(shù)和置信概率，計(jì)算核函數(shù)，采用徑向基函數(shù)K(xi，x)＝exp(-‖x-xi‖/σ2)，將訓(xùn)練過程化為二次規(guī)劃求解問題 從而得到分類函數(shù)，即如下函數(shù)的符號(hào)函數(shù)f(x) 其中，αi(i＝1，…，N)是拉各朗日乘子，xi(i＝1，…，N)是輸入向量，y是輸出變量，ω是支持向量機(jī)超平面的法向量，決定超平面的的方向，b為決定超平面位置的參數(shù)，δ為核參數(shù)； 信號(hào)采集模塊，用于設(shè)定每次采樣的時(shí)間間隙，采集現(xiàn)場(chǎng)智能儀表的信號(hào)； 待診斷數(shù)據(jù)確定模塊，用于將采集的數(shù)據(jù)傳送到DCS實(shí)時(shí)數(shù)據(jù)庫中，在每個(gè)定時(shí)周期從DCS數(shù)據(jù)庫的實(shí)時(shí)數(shù)據(jù)庫中，得到最新的變量數(shù)據(jù)作為待診斷數(shù)據(jù)VX； 故障診斷模塊，用于對(duì)待檢測(cè)數(shù)據(jù)VX用訓(xùn)練時(shí)得到的

和σx2進(jìn)行標(biāo)準(zhǔn)化處理，并將標(biāo)準(zhǔn)化處理后的數(shù)據(jù)作為獨(dú)立成分分析模塊的輸入，用訓(xùn)練時(shí)得到的解混矩陣W對(duì)輸入進(jìn)行變換，變換后矩陣輸入到支持向量機(jī)分類器功能模塊，將輸入數(shù)據(jù)代入訓(xùn)練得到的判別函數(shù)f(x)，計(jì)算判別函數(shù)值，當(dāng)f(x)＞＝0，數(shù)據(jù)樣本處于正常狀態(tài)；當(dāng)f(x)＜0時(shí)，處于異常狀態(tài)； 所述現(xiàn)場(chǎng)智能儀表與信號(hào)采集單元數(shù)據(jù)連接，所述信號(hào)采集單元連接待診斷數(shù)據(jù)確定模塊，所述的待診斷數(shù)據(jù)確定模塊連接故障診斷模塊，所述標(biāo)準(zhǔn)化處理模塊與數(shù)據(jù)庫數(shù)據(jù)連接，所述標(biāo)準(zhǔn)化處理模塊與獨(dú)立成分分析模塊連接，所述獨(dú)立成分分析模塊與支持向量機(jī)分類器功能模塊連接，所述支持向量機(jī)分類器功能模塊與故障診斷模塊連接。
作為優(yōu)選的一種方案所述的上位機(jī)還包括判別模型更新模塊，用于定期將過程狀態(tài)正常的點(diǎn)添加到訓(xùn)練集VX中，輸出到標(biāo)準(zhǔn)化處理模塊、獨(dú)立成分分析模塊、支持向量機(jī)分類器功能模塊，并更新支持向量機(jī)分類器功能模塊中的分類模型，所述判別模型更新模塊與支持向量機(jī)分類器功能模塊連接。
作為優(yōu)選的另一種方案所述的上位機(jī)還包括結(jié)果顯示模塊，用于將故障診斷結(jié)果傳給DCS系統(tǒng)，并在DCS的控制站顯示過程狀態(tài)，同時(shí)通過DCS系統(tǒng)和現(xiàn)場(chǎng)總線將過程狀態(tài)信息傳遞到現(xiàn)場(chǎng)操作站進(jìn)行顯示；所述故障診斷模塊的輸出連接所述結(jié)果顯示模塊。
作為優(yōu)選的再一種方案所述的關(guān)鍵變量包括主催化劑流率f4、輔催化劑流率f5、三股丙烯進(jìn)料流率(f1、f2、f3)、釜內(nèi)流體溫度T、釜內(nèi)流體壓強(qiáng)P、釜內(nèi)液位l和釜內(nèi)氫氣體積濃度α。
本實(shí)用新型的技術(shù)構(gòu)思為傳統(tǒng)的多變量統(tǒng)計(jì)監(jiān)控故障診斷方法多采用主成分分析和偏最小二乘分析，這些方法在假設(shè)變量滿足獨(dú)立同分布的同時(shí)，還要求變量服從正態(tài)分布，并且利用的僅是二階統(tǒng)計(jì)量信息，往往難以得到較好的故障診斷效果。
本實(shí)用新型利用工業(yè)實(shí)測(cè)數(shù)據(jù)，采用統(tǒng)計(jì)的方法進(jìn)行故障診斷，避開了復(fù)雜的機(jī)理分析，求解相對(duì)方便。
盲源信號(hào)分析(獨(dú)立成分分析ICA)是一種基于高階統(tǒng)計(jì)量的信號(hào)處理方法，將其用于流程工業(yè)的過程數(shù)據(jù)分析處理，能更有效地利用變量的概率統(tǒng)計(jì)特性，可以在統(tǒng)計(jì)獨(dú)立意義下對(duì)觀測(cè)變量進(jìn)行分解，得到過程內(nèi)在的驅(qū)動(dòng)信息源，從而更本質(zhì)地描述過程特征，對(duì)過程的監(jiān)控和故障診斷更準(zhǔn)確、更可靠。
本實(shí)用新型的有益效果主要表現(xiàn)在將獨(dú)立成分分析的解相關(guān)性能力和支持向量機(jī)的多變量非線性映射能力和強(qiáng)泛化能力很好地結(jié)合了起來，發(fā)揮了各自的優(yōu)勢(shì)，使得故障診斷更加可靠有效，能更好的指導(dǎo)生產(chǎn)，提高生產(chǎn)效益。

圖1是本實(shí)用新型所提出的故障診斷裝置的硬件結(jié)構(gòu)圖； 圖2是本實(shí)用新型所提出的故障診斷裝置功能模塊圖； 圖3是聚丙烯生產(chǎn)流程簡(jiǎn)圖； 圖4是ICA-SVM的檢測(cè)效果圖； 圖5是本實(shí)用新型上位機(jī)的原理框圖。
具體實(shí)施方式

以下結(jié)合附圖對(duì)本實(shí)用新型作進(jìn)一步描述。
參照?qǐng)D1、圖2、圖3、圖4以及圖5，一種丙烯聚合生產(chǎn)中熔融指數(shù)檢測(cè)的故障診斷裝置，包括與丙烯聚合生產(chǎn)過程連接的現(xiàn)場(chǎng)智能儀表2、DCS系統(tǒng)以及上位機(jī)6，所述的DCS系統(tǒng)由數(shù)據(jù)接口3、控制站4、數(shù)據(jù)庫5構(gòu)成；智能儀表2、DCS系統(tǒng)、上位機(jī)6通過現(xiàn)場(chǎng)總線依次相連，所述的上位機(jī)6包括 標(biāo)準(zhǔn)化處理模塊7，用于對(duì)數(shù)據(jù)庫中采集系統(tǒng)正常時(shí)關(guān)鍵變量的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，各變量的均值為0，方差為1，得到輸入矩陣X，采用以下過程來完成 1)計(jì)算均值 2)計(jì)算方差 3)標(biāo)準(zhǔn)化 其中，TX為訓(xùn)練樣本，N為訓(xùn)練樣本數(shù)，

為訓(xùn)練樣本的均值； 獨(dú)立成分分析模塊8，用于依照獨(dú)立成分個(gè)數(shù)，采用基于定點(diǎn)迭代的快速ICA算法計(jì)算解混矩陣W，具體的步驟如下 ①隨機(jī)選取范數(shù)為1的初始權(quán)重向量wi，若i≥2，則其中Wi-1＝[w1w2L wi-1]，i＝1，...，m； ②對(duì)wi進(jìn)行迭代更新其中wi+表示更新后的權(quán)重向量，E是數(shù)學(xué)期望，g代表形式為g(x)＝xexp(-x2/2)的函數(shù)，g’為g的倒數(shù)； ③標(biāo)準(zhǔn)化處理其中‖wi+‖表示wi+的范數(shù)； ④若不收斂，返回②，否則一直迭代至i＝m； ⑤當(dāng)更新的wi與原wi點(diǎn)積為1時(shí)，判別為收斂； ⑥計(jì)算獨(dú)立成分S＝WX；其中，S是獨(dú)立成分矩陣，W是解混矩陣，X是輸入矩陣； 支持向量機(jī)分類器功能模塊9，用于依照支持向量機(jī)核參數(shù)和置信概率，計(jì)算核函數(shù)，采用徑向基函數(shù)K(xi，x)＝exp(-‖x-xi‖/σ2)，將訓(xùn)練過程化為二次規(guī)劃求解問題 從而得到分類函數(shù)，即如下函數(shù)的符號(hào)函數(shù) 其中，αi(i＝1，…，N)是拉各朗日乘子，xi(i＝1，…，N)是輸入向量，y是輸出變量，ω是支持向量機(jī)超平面的法向量，決定超平面的的方向，b為決定超平面位置的參數(shù)，δ為核參數(shù)； 信號(hào)采集模塊10，用于設(shè)定每次采樣的時(shí)間間隙，采集現(xiàn)場(chǎng)智能儀表的信號(hào)； 待診斷數(shù)據(jù)確定模塊11，用于將采集的數(shù)據(jù)傳送到DCS實(shí)時(shí)數(shù)據(jù)庫中，在每個(gè)定時(shí)周期從DCS數(shù)據(jù)庫的實(shí)時(shí)數(shù)據(jù)庫中，得到最新的變量數(shù)據(jù)作為待診斷數(shù)據(jù)VX； 故障診斷模塊12，用于對(duì)待檢測(cè)數(shù)據(jù)VX用訓(xùn)練時(shí)得到的

和σx2進(jìn)行標(biāo)準(zhǔn)化處理，并將標(biāo)準(zhǔn)化處理后的數(shù)據(jù)作為獨(dú)立成分分析模塊的輸入，用訓(xùn)練時(shí)得到的解混矩陣W對(duì)輸入進(jìn)行變換，變換后矩陣輸入到支持向量機(jī)分類器功能模塊，將輸入數(shù)據(jù)代入訓(xùn)練得到的判別函數(shù)f(x)，計(jì)算判別函數(shù)值，當(dāng)f(x)＞＝0，數(shù)據(jù)樣本處于正常狀態(tài)；當(dāng)f(x)＜0時(shí)，處于異常狀態(tài)； 所述現(xiàn)場(chǎng)智能儀表2與信號(hào)采集單元10數(shù)據(jù)連接，所述信號(hào)采集單元10連接待診斷數(shù)據(jù)確定模塊11，所述的待診斷數(shù)據(jù)確定模塊11連接故障診斷模塊12，所述標(biāo)準(zhǔn)化處理模塊7與數(shù)據(jù)庫5數(shù)據(jù)連接，所述標(biāo)準(zhǔn)化處理模塊7與獨(dú)立成分分析模塊8連接，所述獨(dú)立成分分析模塊8與支持向量機(jī)分類器功能模塊9連接，所述支持向量機(jī)分類器功能模塊9與故障診斷模塊12連接 所述的上位機(jī)還包括判別模型更新模塊13，用于定期將過程狀態(tài)正常的點(diǎn)添加到訓(xùn)練集VX中，輸出到標(biāo)準(zhǔn)化處理模塊、獨(dú)立成分分析模塊、支持向量機(jī)分類器功能模塊，并更新支持向量機(jī)分類器功能模塊中的分類模型，所述判別模型更新模塊13與支持向量機(jī)分類器功能模塊9連接。
所述的上位機(jī)還包括結(jié)果顯示模塊14，用于將故障診斷結(jié)果傳給DCS系統(tǒng)，并在DCS的控制站顯示過程狀態(tài)，同時(shí)通過DCS系統(tǒng)和現(xiàn)場(chǎng)總線將過程狀態(tài)信息傳遞到現(xiàn)場(chǎng)操作站進(jìn)行顯示，所述故障診斷模塊12的輸出連接所述結(jié)果顯示模塊14。
所述的關(guān)鍵變量包括主催化劑流率f4、輔催化劑流率f5、三股丙烯進(jìn)料流率(f1、f2、f3)、釜內(nèi)流體溫度T、釜內(nèi)流體壓強(qiáng)P、釜內(nèi)液位l和釜內(nèi)氫氣體積濃度α。
本實(shí)用新型所述的工業(yè)過程故障診斷裝置的硬件結(jié)構(gòu)圖如附圖1所示，所述的故障診斷裝置核心由包括標(biāo)準(zhǔn)化模塊7、獨(dú)立成分分析模塊8、支持向量機(jī)分類器模塊9等三大功能模塊和人機(jī)界面的上位機(jī)6構(gòu)成，此外還包括現(xiàn)場(chǎng)智能儀表2，DCS系統(tǒng)和現(xiàn)場(chǎng)總線。所述的DCS系統(tǒng)由數(shù)據(jù)接口3、控制站4、數(shù)據(jù)庫5構(gòu)成；丙烯聚合生產(chǎn)過程1、智能儀表2、DCS系統(tǒng)、上位機(jī)6通過現(xiàn)場(chǎng)總線依次相連，實(shí)現(xiàn)信息流的上傳和下達(dá)。故障診斷系統(tǒng)在上位機(jī)6上運(yùn)行，可以方便地與底層系統(tǒng)進(jìn)行信息交換，及時(shí)應(yīng)對(duì)系統(tǒng)故障。
本實(shí)用新型所述的故障診斷裝置的功能模塊圖如附圖2所示，主要包括標(biāo)準(zhǔn)化處理模塊7、獨(dú)立成分分析模塊8、支持向量機(jī)分類器模塊9等三大功能模塊。
本實(shí)用新型所述的故障診斷方法按照如下步驟進(jìn)行實(shí)施 所述的故障診斷方法按照如下步驟進(jìn)行實(shí)施 1、從DCS數(shù)據(jù)庫5的歷史數(shù)據(jù)庫中采集系統(tǒng)正常時(shí)以下九個(gè)變量的數(shù)據(jù)作為訓(xùn)練樣本TX主催化劑流率f4、輔催化劑流率f5、三股丙烯進(jìn)料流率(f1、f2、f3)釜內(nèi)流體溫度T、釜內(nèi)流體壓強(qiáng)P、釜內(nèi)液位l和釜內(nèi)氫氣體積濃度α； 2、在上位機(jī)6的獨(dú)立成分分析模塊8和支持向量機(jī)分類器模塊9中，分別設(shè)置獨(dú)立成分個(gè)數(shù)、支持向量機(jī)核參數(shù)和置信概率等參數(shù)，設(shè)定DCS中的采樣周期； 3、訓(xùn)練樣本TX在上位機(jī)6中依次經(jīng)過標(biāo)準(zhǔn)化處理7、獨(dú)立成分分析8、支持向量機(jī)9等模塊，采用以下步驟來完成上位機(jī)6中故障診斷系統(tǒng)的訓(xùn)練； 1)在上位機(jī)6的標(biāo)準(zhǔn)化處理功能模塊7中，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，使得各變量的均值為0，方差為1，得到輸入矩陣X。采用以下過程來完成 ①計(jì)算均值 ②計(jì)算方差 ③標(biāo)準(zhǔn)化 其中N為訓(xùn)練樣本數(shù)，N為訓(xùn)練樣本數(shù)，

為訓(xùn)練樣本的均值。
上位機(jī)6的標(biāo)準(zhǔn)化處理功能模塊7所進(jìn)行的標(biāo)準(zhǔn)化處理能消除各變量因?yàn)榱烤V不同造成的影響。
2)在上位機(jī)6的獨(dú)立成分分析模塊8中，進(jìn)行獨(dú)立成分分析，采用基于定點(diǎn)迭代的快速ICA算法計(jì)算解混矩陣W。具體實(shí)施步驟如下 ①隨機(jī)選取范數(shù)為1的初始權(quán)重向量wi，若i≥2，則其中Wi-1＝[w1w2 L wi-1]，i＝1，...，m； ②對(duì)wi進(jìn)行迭代更新其中wi+表示更新后的權(quán)重向量，E是數(shù)學(xué)期望，g代表形式為g(x)＝xexp(-x2/2)的函數(shù)，g’為g的倒數(shù)； ③標(biāo)準(zhǔn)化處理其中‖wi+‖表示wi+的范數(shù)； ④若不收斂，返回②，否則一直迭代至i＝m； ⑤當(dāng)更新的wi與原wi點(diǎn)積為1時(shí)，判別為收斂； ⑥計(jì)算獨(dú)立成分S＝WX；其中，S是獨(dú)立成分矩陣，W是解混矩陣，X是輸入矩陣； 3)訓(xùn)練上位機(jī)6中的支持向量機(jī)分類器功能模塊9的分類模型。
所述的上位機(jī)6中的支持向量機(jī)分類器功能模塊9的核函數(shù)，采用徑向基函數(shù)K(xi，x)＝exp(-‖x-xi‖/σ2)，將訓(xùn)練過程化為如下二次規(guī)劃求解問題 從而得到分類函數(shù)，即如下函數(shù)的符號(hào)函數(shù) 其中，αi(i＝1，…，N)是拉各朗日乘子，xi(i＝1，…，N)是輸入向量，y是輸出變量，ω是支持向量機(jī)超平面的法向量，決定超平面的的方向，b為決定超平面位置的參數(shù)，δ為核參數(shù)； 定義當(dāng)f(x)＞＝0，數(shù)據(jù)樣本處于正常狀態(tài)；當(dāng)f(x)＜0時(shí)，處于異常狀態(tài)。
支持向量機(jī)基于統(tǒng)計(jì)學(xué)習(xí)理論，采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則，很好地解決了小樣本、局部極小點(diǎn)、高維數(shù)等難題，用于分類問題能提高分類精度。
4、系統(tǒng)開始投運(yùn) 1)用定時(shí)器，設(shè)置好每次采樣的時(shí)間間隔； 2)現(xiàn)場(chǎng)智能儀表2檢測(cè)過程數(shù)據(jù)并傳送到DCS數(shù)據(jù)庫5的實(shí)時(shí)數(shù)據(jù)庫中； 3)上位機(jī)6在每個(gè)定時(shí)周期從DCS數(shù)據(jù)庫5的實(shí)時(shí)數(shù)據(jù)庫中，得到最新的變量數(shù)據(jù)，作為待診斷數(shù)據(jù)VX； 4)待檢測(cè)數(shù)據(jù)VX，在上位機(jī)6的標(biāo)準(zhǔn)化處理功能模塊7中，用訓(xùn)練時(shí)得到的

和σx2進(jìn)行標(biāo)準(zhǔn)化處理，并將標(biāo)準(zhǔn)化處理后的數(shù)據(jù)作為獨(dú)立成分分析模塊8的輸入； 5)上位機(jī)6中的獨(dú)立成分分析模塊8，用訓(xùn)練時(shí)得到的解混矩陣W對(duì)輸入進(jìn)行變換，變換后矩陣輸入到上位機(jī)6中的支持向量機(jī)分類器功能模塊9； 6)上位機(jī)6中的支持向量機(jī)分類器模塊9，將輸入數(shù)據(jù)代入訓(xùn)練得到的判別函數(shù)，計(jì)算判別函數(shù)值，判別并在上位機(jī)6的人機(jī)界面上顯示過程的狀態(tài)； 7)上位機(jī)6將故障診斷結(jié)果傳給DCS，并在DCS的控制站4顯示過程狀態(tài)，同時(shí)通過DCS系統(tǒng)和現(xiàn)場(chǎng)總線將過程狀態(tài)信息傳遞到現(xiàn)場(chǎng)操作站進(jìn)行顯示，使得現(xiàn)場(chǎng)操作工可以及時(shí)應(yīng)對(duì)。
5、分類器模型更新 在系統(tǒng)投運(yùn)過程中，定期將過程狀態(tài)正常的點(diǎn)添加到訓(xùn)練集TX中，重復(fù)步驟3的訓(xùn)練過程，以便及時(shí)更新上位機(jī)6的支持向量機(jī)分類器9中的分類模型，保持分類器模型具有較好的分類效果。
下面詳細(xì)說明本實(shí)用新型的一個(gè)具體實(shí)施例。
以聚丙烯生產(chǎn)HYPOL工藝實(shí)際工業(yè)生產(chǎn)為例。圖三給出了典型的Hypol連續(xù)攪拌釜(CSTR)法生產(chǎn)聚丙烯的工藝流程圖，前2釜是CSTR反應(yīng)器、后2釜是流化床反應(yīng)器(FBR)。選取主催化劑流率、輔催化劑流率、三股丙烯進(jìn)料流率、釜內(nèi)流體溫度、釜內(nèi)流體壓強(qiáng)、釜內(nèi)液位、釜內(nèi)氫氣體積濃度九個(gè)易測(cè)操作變量作為模型的輸入量，從生產(chǎn)過程的DCS系統(tǒng)中獲取這九個(gè)參數(shù)的數(shù)據(jù)作為訓(xùn)練樣本，其中五十個(gè)正常的樣本作為訓(xùn)練集，另二十二個(gè)樣本點(diǎn)作為測(cè)試集數(shù)據(jù)驗(yàn)證診斷效果。ICA提取獨(dú)立成分個(gè)數(shù)為7，支持向量機(jī)核參數(shù)取5，置信概率0.98，采樣周期為2小時(shí)。圖4為ICA-SVM的檢測(cè)效果圖，圖中只畫出了前兩個(gè)獨(dú)立成分的分布。表1列出了測(cè)試集中實(shí)際故障點(diǎn)和本系統(tǒng)檢測(cè)出的故障點(diǎn)，可以看出僅3號(hào)故障點(diǎn)漏報(bào)，誤報(bào)率為0。顯然，本系統(tǒng)具有較高的診斷準(zhǔn)確性。
表1。
上述實(shí)施例用來解釋說明本實(shí)用新型，而不是對(duì)本實(shí)用新型進(jìn)行限制，在本實(shí)用新型的精神和權(quán)利要求的保護(hù)范圍內(nèi)，對(duì)本實(shí)用新型作出的任何修改和改變，都落入本實(shí)用新型的保護(hù)范圍。
權(quán)利要求1.一種丙烯聚合生產(chǎn)中熔融指數(shù)檢測(cè)的故障診斷裝置，包括與丙烯聚合生產(chǎn)過程連接的現(xiàn)場(chǎng)智能儀表、DCS系統(tǒng)以及上位機(jī)，所述的DCS系統(tǒng)由數(shù)據(jù)接口、控制站、數(shù)據(jù)庫構(gòu)成；智能儀表、DCS系統(tǒng)、上位機(jī)依次相連，其特征在于所述的上位機(jī)包括
用于對(duì)數(shù)據(jù)庫中采集系統(tǒng)正常時(shí)關(guān)鍵變量的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理的標(biāo)準(zhǔn)化處理模塊；
用于依照獨(dú)立成分個(gè)數(shù)，采用基于定點(diǎn)迭代的快速ICA算法計(jì)算解混矩陣W的獨(dú)立成分分析模塊；
用于依照支持向量機(jī)核參數(shù)和置信概率，計(jì)算核函數(shù)，采用徑向基函數(shù)K(xi，x)＝exp(-‖x-xi‖/σ2)，將訓(xùn)練過程化為二次規(guī)劃求解問題的支持向量機(jī)分類器功能模塊；
用于設(shè)定每次采樣的時(shí)間間隙，采集現(xiàn)場(chǎng)智能儀表的信號(hào)的信號(hào)采集模塊，；
用于將采集的數(shù)據(jù)傳送到DCS實(shí)時(shí)數(shù)據(jù)庫中，在每個(gè)定時(shí)周期從DCS數(shù)據(jù)庫的實(shí)時(shí)數(shù)據(jù)庫中，得到最新的變量數(shù)據(jù)作為待診斷數(shù)據(jù)VX的待診斷數(shù)據(jù)確定模塊，用于對(duì)待檢測(cè)數(shù)據(jù)VX用訓(xùn)練時(shí)得到的
和σx2進(jìn)行標(biāo)準(zhǔn)化處理，并將標(biāo)準(zhǔn)化處理后的數(shù)據(jù)作為獨(dú)立成分分析模塊的輸入，用訓(xùn)練時(shí)得到的解混矩陣W對(duì)輸入進(jìn)行變換，變換后矩陣輸入到支持向量機(jī)分類器功能模塊，將輸入數(shù)據(jù)代入訓(xùn)練得到的判別函數(shù)f(x)，計(jì)算判別函數(shù)值，當(dāng)fi(x)＞＝O，數(shù)據(jù)樣本處于正常狀態(tài)當(dāng)f(x)＜0時(shí)，處于異常狀態(tài)的故障診斷模塊；
所述現(xiàn)場(chǎng)智能儀表與信號(hào)采集單元數(shù)據(jù)連接，所述信號(hào)采集單元連接待診斷數(shù)據(jù)確定模塊，所述的待診斷數(shù)據(jù)確定模塊連接故障診斷模塊，所述標(biāo)準(zhǔn)化處理模塊與數(shù)據(jù)庫數(shù)據(jù)連接，所述標(biāo)準(zhǔn)化處理模塊與獨(dú)立成分分析模塊連接，所述獨(dú)立成分分析模塊與支持向量機(jī)分類器功能模塊連接，所述支持向量機(jī)分類器功能模塊與故障診斷模塊連接。
2.如權(quán)利要求1所述的丙烯聚合生產(chǎn)中熔融指數(shù)檢測(cè)的故障診斷裝置，其特征在于所述的上位機(jī)還包括
用于定期將過程狀態(tài)正常的點(diǎn)添加到訓(xùn)練集VX中，輸出到標(biāo)準(zhǔn)化處理模塊、獨(dú)立成分分析模塊、支持向量機(jī)分類器功能模塊，并更新支持向量機(jī)分類器功能模塊中的分類模型的判別模型更新模塊；
所述判別模型更新模塊與支持向量機(jī)分類器功能模塊連接。
3.如權(quán)利要求1或2所述的丙烯聚合生產(chǎn)中熔融指數(shù)檢測(cè)的故障診斷裝置，其特征在于所述的上位機(jī)還包括
用于將故障診斷結(jié)果傳給DCS系統(tǒng)，并在DCS的控制站顯示過程狀態(tài)，同時(shí)通過DCS系統(tǒng)和現(xiàn)場(chǎng)總線將過程狀態(tài)信息傳遞到現(xiàn)場(chǎng)操作站進(jìn)行顯示的結(jié)果顯示模塊；
所述故障診斷模塊的輸出連接所述結(jié)果顯示模塊。
專利摘要一種丙稀聚合生產(chǎn)中熔融指數(shù)檢測(cè)的故障診斷裝置，包括與丙稀聚合生產(chǎn)過程連接的現(xiàn)場(chǎng)智能儀表、DCS系統(tǒng)以及上位機(jī)，所述的DCS系統(tǒng)由數(shù)據(jù)接口、控制站、數(shù)據(jù)庫構(gòu)成；智能儀表、DCS系統(tǒng)、上位機(jī)依次相連，所述的上位機(jī)包括標(biāo)準(zhǔn)化處理模塊、獨(dú)立成分分析模塊、支持向量機(jī)分類器功能模塊、信號(hào)采集模塊、待診斷數(shù)據(jù)確定模塊以及故障判斷模塊。本實(shí)用新型提供一種求解相對(duì)方便、能夠得到良好的診斷效果、有效減小誤報(bào)率的丙稀聚合生產(chǎn)中熔融指數(shù)檢測(cè)的故障診斷裝置。
文檔編號(hào)G05B19/048GK201035377SQ20062014136
公開日2008年3月12日 申請(qǐng)日期2006年12月22日 優(yōu)先權(quán)日2006年12月22日
發(fā)明者劉興高 申請(qǐng)人:浙江大學(xué)