3.2 性能监控原理 21

3.3 建立故障检测模型 23

4 TE过程仿真 25

4.1 过程描述 25

4.2 监控结果 30

5 总结与展望 32

致谢 33

参考文献 34

1 引言

1.1 研究背景

随着科学技术的不断进步，现代流程工业向规模化、连续化方向和精细化方向发展的两大趋势持续发展。这两大趋势促成了连续生产过程还有间歇生产过程这两类重要的生产方式的形成。在当想要控制这些复杂生产过程的时候，公司与研究人员面临着一系列难题，是传统方式难以解决的问题。因此，有必要研究新型的系统结构，建立一套用崭新的理论与方法来设计的整个控制系统的结构。下图1.1 是由R.Rengasamy提出的工业过程的一般体系结构示意图，可见各层之间都有着相互之间的联系，它们构成了计算机集成过程系统CIPS (Computer Integrated Process System,CIPS )。就本文所做的工作是针对性能监控层而言的，它是CIPS系统重要组成部分之一。该层位于常规控制层之上，它在基于传统的控制层上，根据一定的测量数据或现象，来推断系统的运行状况是否正常，查明导致系统不正常运行或某些功能障碍的原因及性质，判断异常状态发生的位置及性质，预测异常状态发展的趋势以及潜在的故障，并实时向运营商或操作人员报告系统的运行和控制情况，帮助运营商或操作人员在当前情况下应如何进行操作或对生产过程进行监督、干预，引导操作人员进行正常的生产。工业生产过程中的性能监控系统是现在流程工业计算机集成过程系统的重要组成部分。论文网

 过程操作等级结构图

就目前现代工业过程的性能监控领域的研究方向而言，研究方法可大致分为三类，一种是基于数学模型的方法，还有基于数据驱动的方法以及基于知识的方法。其中基于模型的方法发展时间比较长，相对另两种而言更为成熟，但是其主要成果局限于线性系统，监控性能的优劣很大程度上依赖于对过程模型建立的准确程度。由于实际流程工业生产的复杂情况，存在严重的非线性以及强藕合性等特点，所以基于模型的方法难以在实际的流程工业性能监控中得到广泛应用。参数估计方法、观测器方法、对偶关系方法等都属于基于数学模型的典型方法。

再者就是基于数据驱动的方法，这种方法以采集的过程数据为基础，通过各种数据处理与分析方法 (如多元统计方法、聚类分析、频谱分析、小波分析等)试图从数据中挖掘出其隐含的信息，从而引导运营者或操作人员进行正常的生产。相比基于知识的方法，虽然没有利用过程模型信息以及知识，基于数据驱动的方法监测和诊断性能有限，但是其拥有比较符合流程工业的特点、通用性强的优势。 

最后基于知识的方法主要是利用人工智能的方法 (包括模糊逻辑、因果分析、专家系统等)，通过构造某些系统，实现以模仿和实现人类 (熟练的操作人员、技术人员、专家)在监测控制过程中的某些思维和行为的功能，做到自动完成整个检测和对过程异常的诊断。应该说，基于知识的方法适合于有大量生产经验和工艺知识可以利用的场合，但其通用性差。

1.2 研究意义

随着计算机和传感技术的快速发展，现代流程工业的过程中可以做到对大量过程数据变量进行采集，这使得基于数据驱动的流程工业性能监控的研究与应用于上个世纪的90年代以来兴起，不断进步。与此同时，在工业界的企业中，随着市场竞争的不断加剧和对于环保的要求越来越严格，企业也越来越意识到有必要将现有的数据变为有用的信息，使它们为生产安全和产品质量控制来服务，以此降低成本，提高自己的竞争力。因此，流程工业的性能监控研究已成为当前过程控制领域研究热点之一。近几年来美国、西欧等发达国家己投入大量的人力和物力资源，加强在该领域的投入，希望能够通过生产数据进行分析来揭示、反映过程的内在变化，为提高产品质量提供有用的信息，从而把拥有的数据资源的优势转化为生产效益和产品质量优势。综上所述，开展基于数据驱动的工业过程性能监控的研究，是一个理论性与挑战性兼具，又有很高实际应用价值的研究课题。