化工过程复杂数据网络故障诊断方法研究

The project will integrate chemical engineering, control science,process system eningeering and intelligent information processing to analyse the complex relationship of chemcial process data and faults. The complex network theory is introduced into chemical process to improve the representation of process information,intelligibility and the stability of a process network,and fault diagnosis effectivities. A new complex data network modeling method is proposed with characteristics of multilevel hierarchy,information quantification, intelligibility and operability.The modeling method is put forward to integrating physical network and data network.The relationship flow metrics and intelligent searching algorithms are proposed to reduce the network struction.The network evolution and dynamics anaylsis,network community classification and subnet detection methods are proposed to build the node capacity and cascading failure diagnosis models of weighted directed network. At the foundation of above methods, A new solution and an intelligent computing tool of network modeling,evolution and fault diagnosis is built to resolve fault diagnosis for complex chemical process. At last,the ethylene cracking furnace system is selected to test the validity of proposed algorithms using process system simulation and practical industrial equipments.The project will provide decision-making supports for process fault daignosis, safety control and operational optimization.

课题融合化工、控制科学、系统工程、智能工程等多学科，系统梳理过程工艺流程、数据流，故障信息关联、难描述和难诊断的特点，将复杂网络理论引入化工过程系统工程，以提高复杂数据网络的过程信息表述能力、增强网络系统理解性和稳定性，提高过程系统故障诊断效率和安全控制为目标，研究具有功能层次化、信息定量化、可理解和操作的新型复杂数据网络建模方法；重点提出物理网络和数据网络双网协同一致过程建模方法、节点关系流度量和智能遍历精简算法，提出过程数据网络结构演化和动力学分析方法、网络社团划分与子网探测、故障模式识别与诊断等方法，建立过程有向加权网络节点负荷容量、级联故障传播诊断模型；形成一整套用于解决化工过程复杂数据网络建模、演化与故障诊断解决方案和智能计算工具。以典型乙烯生产装置为研究应用对象，过程仿真与实际装置运行交叉验证方法的有效性，为化工过程故障诊断、安全控制与操作优化提供新的方法和途径。

本项目系统研究了化工过程复杂数据网络的图信息表示、网络结构创建、动力学行为分析与故障检测、识别与诊断的整套理论和方法，结合复杂化工过程物流、能流和信息流的结构和运行关系，在化工流程和数据的知识表示方面，提出了数据网络和物理网络融合驱动的化工过程网络图知识表示、网络空间约简方法，以及开发实现了复杂数据处理算法工具包；在化工过程异常检测方面，提出了基于最大信息熵原理的化工过程异常数据在线检测、基于复杂网络统计学参数分析、网络可见图方法的异常数据检测；在化工过程关键变量软测量建模方面，提出了新型的自组织ELM神经网络建模方法、以及面向化工过程高维数据的深度RBF网络建模方法；在化工过程故障诊断方面，提出了基于复杂数据网络特征分析、总体平均经验模态分解、动态高阶统计分析的系统故障诊断方法，以及基于有向图和贝叶斯概率分析的故障路径传播计算方法；在化工过程系统运行评价方面，提出了数据包络分析和马奎斯特指数融合的工业过程运行效率性能评价、基于核函数的模糊过程能力评价、动态层次分析的多目标粒子群优化算法，以及数据包络交叉模型集成层次融合算法的乙烯裂解炉性能分析评价与温度选择方法，在仿真系统和乙烯生产实际装置中验证了方法的有效性。研究成果在解决复杂过程数据关系分析、故障识别、诊断与过程运行性能评价方面具有创新性，为分析工业过程性能分析与诊断、安全评价与运行优化的整体解决方案，在流程工业大数据分析方面具有广阔的应用前景。相关研究成果在中国石化天津分公司化工厂进行了应用，相关技术集成在炼化企业生产安全教育与应急演练指挥平台系统，取得了较好的应用效果。经过课题的系统研究，发表术论文38篇，其中SCI/EI收录26篇，申请发明专利6项，获批3项，获批软件著作权1项。获得省部级（石化联合会）科技成果鉴定1项。培养毕业博士生2名和硕士生10名。