结构残差在基于SDG故障分离中的应用

符号有向图（SDG）是大规模复杂系统中故障传播关系的描述模型,但它仅能通过在相容通路上的定性推理进行故障分离,因此有着明显的局限性。而结构残差是定量故障分离的成熟方法,将其引入基于SDG的故障分离中,用以提高系统故障分离的能力,弥补SDG方法的不足。具体的做法是将SDG转化为结构残差的描述形式,再利用结构残差的基本思想,分别就变量是否完全可检测的情况给出了具体的故障分离方法。这样做可以提高系统故障分离的鲁棒性和准确性。应用实例表明,该方法可通过残差计算,准确判断故障源,实现故障分离。     

基于Django框架的故障诊断和安全评估平台

符号有向图(SDG)作为一种定性研究方法,在系统推理和图形绘制上有待改进.详细描述了计算机辅助下的SDG故障诊断和安全评估平台的开发过程.平台的开发基于开源Django框架,具有搭建维护简单、操作方便、易于二次开发等特点;利用分层SDG模型和新的推理算法实现对系统的故障诊断和安全评估,支持故障传播路径查询和分层SDG的自动绘制.以田纳西-伊斯曼过程(TEP)为例,对平台的有效性进行验证,结果证明平台推理结果完备、有效,具有实际应用的前景.     

模糊SDG故障诊断方法及其应用

基于SDG的故障诊断方法在使用过程中,由于阈值设定不合理会导致故障的误报或漏报。针对该问题展开研究,提出模糊SDG模型,建立五级SDG模型并引入参数模糊隶属度,提出相应的模糊推理算法。通过将模糊SDG模型及其推理方法应用于某常减压蒸馏装置进行故障诊断实例分析,验证了方法的有效性和可行性。     

SDG技术在工业生产安全评价系统中的应用

符号有向图SDG模型的安全评价方法因其具有完备性好、推理深度高等优点在过程工业安全工程中具有十分重要的意义,本文深入研究基于SDG深层知识模型的安全评价方法,并结合工业现场实际工况中的应用,对SDG模型的建立和基于SDG模型的安全评价方法分别进行了阐述,证明该方法在生产过程的安全评价工作中有较强的应用价值。     

化工生产过程HAZOP安全评价技术

化工生产过程涉及大量易燃、易爆、有毒、有害物质,一旦物质或能量的正常运行状态遭到破坏,便会发生火灾、爆炸或泄漏导致灾难性后果.为防止化工生产过程危险事故的发生和蔓延,实现事故早期预防,需要对化工生产过程进行安全评价.危险与可操作性分析(Hazard and Operability,HAZOP)是1套应用较广的评价方法,但是人工评价存在费时、费力、成本高等缺点.本文介绍了计算机辅助安全评价技术的发展和人工HAZOP安全评价技术,重点讨论了一种基于SDG(Signed Directed Graph)的计算机辅助危险与可操作性分析安全评价技术.这种安全评价技术基于SDG定性模型过程模型,通用性强,且又能分析各种具体工艺的特定信息,与人工专家评价相比,该评价技术具有完备性好、省时、省力、成本低、评价结果系统性和条理性强等众多优点.     

基于符号有向图的故障诊断系统及其软件平台

基于符号有向图(SDG)的故障诊断系统不依赖精确数学模型和在线数据,适用于外场通用故障诊断设备实施现场诊断。建立图形化SDG模型开发平台是实现其通用性的关键。基于Visio的软件实现通过模具设计和功能扩展降低了平台开发成本,提高了平台运行的可靠性,也使得现场维护人员可以方便地利用其扩展诊断设备功能。     

基于概率符号定向图的故障诊断方法的研究

本文在传统SDG算法中引人节点、支路的概率信息,建立概率符号有向图（PSDG）模型对常减压蒸馏装置进行全面深入的安全评价分析。本文提出的安全分析推理算法,能够提供故障诊断的准确性和分辨率。     

SDG故障诊断规则的知识约简

符号有向图(SDG)是揭示流程系统深层知识的定性模型,用于描述流程系统的状态变量及其变量间的故障信息传递关系.当系统的状态变量过多,运用SDG故障诊断算法生成的故障规则过于庞大,推理困难.粒矩阵的知识约简算法能有效约简冗余属性.因此,将粒矩阵的知识约简算法引入SDG故障诊断,以电站除氧器系统为例,使用粒矩阵的知识约简算法约简主要故障的故障规则,简化规则中的冗余节点,提高故障诊断效率,最后验证了约简后的故障诊断规则的正确和有效.     

基于模糊推理的SDG故障诊断新方法

针对纯定性的SDG推理方法忽略了SDG图中节点之间的影响程度不同导致诊断分辨率不高这一问题,提出了在纯定性SDG推理的基础上用模糊矩阵的形式加入节点间相互影响关系的定量信息的推理新方法,可对多潜在故障源划分优先级,从而提高SDG故障诊断的分辨率。相对于其他模糊SDG故障诊断方法,本方法勿需使用隶属函数,取而代之的是模糊矩阵,后者的获取易于前者,且采用矩阵的表示方法方便了计算机编程的实现。     

综合性SDG故障诊断架构

基于模型的SDG(Signed DiGraph,符号有向图)故障诊断方法因其具有完备性好、推理深度高等优点在过程工业安全工程中具有十分重要的意义,已成为安全工程中的1种关键技术。本文在以前研究的基础上,提出了1个综合性SDG故障诊断架构,以期能够实现在生产过程中及时发现故障并判明故障源。该综合性故障诊断架构按模型、推理和应用3个层次搭建,以传统定性SDG及概率SDG理论为基础,包含了从模型建立到故障诊断推理,从定性SDG方法到结合统计监控的SDG方法再到概率SDG方法等一系列实施方案。该综合性SDG故障诊断架构由于引入了多元统计监控模型,使得在系统没有表现出明显的故障征兆时就能够及时敏感地检测到异常变化,进而触发SDG及PSDG推理来实现对故障源的查找,并给出各故障源发生故障的概率值,以指导使用者按照概率值的大小顺序采取处理措施。以某石化公司的气体分馏装置为实际背景,利用该装置实时数据库中的实际生产工艺数据对该综合性诊断架构进行了实例验证,其故障诊断结果与实际发生的故障相吻合,证明了该综合性故障诊断架构的有效性。     

基于符号定向图的计算机辅助自动建模研究

分析了符号定向图(Signed Directed Graph,SDG)技术在危险与可操作性分析(HAZard and OPembility,HAZOP)、过程危险性分析(Process Hazard Analysis,PHA)等领域中的应用现状和前景,提出了研究基于SDG的HAZOP计算机辅助自动建模方法,构建了基于SDG的HAZOP计算机辅助自动建模软件平台,阐述了研究路线,展示了应用策略。软件平台构建的研究填补了国内在SDG自动建模领域的研究空白,拓展了计算机辅助设计(CAD)技术和符号定向图(SDG)技术在复杂系统重大事故及智能诊断领域的应用。     

基于KPCA的半定量SDG过程故障诊断方法应用研究

近年来,过程工业安全事故频发,这使得加强生产过程安全保障变得迫在眉睫,而对于过程故障的监测、诊断是有效规避故障产生严重后果的一个有效方法。本文提出了一种基于核主成分分析(KPCA)的半定量符号有向图(SDG)故障诊断方法。此方法运用KPCA对过程进行异常检测,当找到异常过程变量后,通过引入相对偏移率和分类诊断对传统SDG进行改进,从而得到故障的完整传播路径,为故障诊断以及后续的故障处理提供了有效的指导。通过在TE过程中的仿真验证,结果表明,本方法诊断效率高,精确度高,为保证生产安全运行,提高产品质量提供了新途径。     

用UML实现SDG自动建模研究

分析了符号有向图（Signed Directed Graph,SDG）自动建模方法的国内外研究现状,阐述了该方法和建立相应软件平台的必要性和紧迫性.介绍了统一建模语言（Unified Modeling Languagee,UML）、UML模型建立特点、SDG技术和SDG模型建立的方法.分析提出用UML方法辅助研究SDG自动建模策略,采用UML构建SDG自动建模软件平台.本研究和软件平台的构建扩展了UML在工业领域的应用范围.     

大型复杂系统的动态SDG模型及传感器布置问题

符号有向图(SDG: signed directed graph)可以用于描述大型复杂系统及其变量之间的因果影响关系, 但是在描述故障传递关系时不能表示其动态传播规律. 本文在SDG支路上引入时间参数, 用于近似描述变量的变化在系统中的传递时间, 由此构建的SDG模型称为动态SDG模型. 另外, 要实现故障检测需要有传感器的信息, 传感器的布置直接影响着故障检测的性能. 本文在动态SDG框架下, 研究了故障的可检测性和可分辨性问题, 提出了一些一般性的结论, 并给出通过正向推理来求故障传播过程和传感器布置方案的方法. 最后, 通过实例验证该方法的有效性.     

基于多块KPCA和SDG 的故障诊断方法

针对大规模复杂工业过程,提出一种基于多块核主元分析(MBKPCA)和符号有向图(SDG)的故障诊断方法。首先,提出基于SDG和优先级的分块策略,以强连接元SCC为最高优先级、多入/出度节点群为次高优先级、节点链为最低优先级对过程进行分块;在此基础上,采用MBKPCA进行过程监控,对于检测到的故障,先确定故障发生在哪一个数据块,再触发SDG在故障块内完成故障定位。所提出方法克服了多块KPCA故障隔离不完全和SDG推理过程中组合爆炸的缺点,可以提高复杂工业过程故障诊断的准确度和速度。基于Tennessee Eastman过程的仿真研究表明了所提出故障诊断方法的有效性。     

基于趋势分析和SDG模型的故障诊断

基于趋势分析的故障诊断受数据影响较大,基于定向符号图(signed d irected graph)模型的故障诊断难于建模和推理,而两者结合以提高故障诊断效果的方法还未被考虑.本文将趋势分析的趋势信息和SDG模型的节点信息进行了比较,阐明了两者信息互补的特点,然后利用趋势分析建立SDG模型,并利用SDG模型改进基于趋势分析的故障诊断,建立了数据驱动方法和基于模型方法相结合的故障诊断方法.CSTR(continuous stirred-tankreactor)实例分析表明,基于趋势分析和SDG模型的故障诊断方法提高了诊断的准确性和精确性.