基于神经网络的化工过程故障诊断.pdf

第27卷第7期 计算机与应用化学 V01．27，No．7 and 2010年7月28口 AppliedChemistry Computers July,2010 基于神经网络的化工过程故障诊断 张卫华1，吴重光1，王春利2，李传坤2 (1．北京化工大学信息科学与技术学院，北京，100029； 2．中国石油化工股份有限公司青岛安全工程研究院，化学品安全控制国家重点实验室，山东，青岛，266071) 摘要：由于化工过程的高复杂性及高危险性，且装置都足都是长周期连续运转。一旦出现故障会造成巨大的损失，因此对化工过程 和设备进行早期和准确的故障检测与诊断，可以提高设备运行的安全性，避免发生重大安全事故，降低生产成本。人工神经网络具 有非线性、大规模、并行处理能力强，以及鲁棒性、容错性、自学习能力强等特点，处理化工过程的复杂非线性问题，比其他方法 都优越。本文描述了人工神经网络的基本原理，及近年来人工神经网络在化工过程故障诊断应用中的进展。以BP神经网络为例， 分析和介绍了其结构和学习算法，说明了神经网络故障诊断的推理过程，并建议将神经网络与符号有向图(SDG)结合诊断故障。 关键词：故障诊断；神经网络；BP网络：符号有向图 文献标识码：A 中图分类号：TQ015．9；TP391．9；06-39 文章编号：1001-4160(2010)07-987-991 1 引言 化工过程是典型的非线性系统，可测过程变量和故 障原冈之间的关系很复杂【l埘。故障检测与诊断的目的就 单层网络的限制，具有解决非线性问题的能力，使各领 是识别异常的过程行为模式并找出原因，可以被看作是 域的学者对ANN的研究日益广泛深入。 一种模式识别问题，即找出某处发生的偏离、扰动，或 是设备／传感器的故障，然后与初始值比较。 第一层使用Sigmoid激活函数。此后，国内外学者不断 neural 在模式识别方法中，人工神经网络(artificial 改进BP网络，提出许多新算法。 network，ANN)最常用pl，可以处理非线性的不确定问 题。人工神经网络凭其学习与推广非线性关系的能力诊 2神经网络简介 断故障。人工神经网络可以存储来自历史故障的信息， 神经网络通过自身的学习机制自动形成所要求的决 进而联想和记忆。在预测模式下，当操作过程提供l组 策I×域。人工神经网络的实质，体现了网络输入和其输 新的数据，经过训练的神经网络能将其分类并提供稳定、 出之间的一种函数关系。通过选取不同的模型结构和激 高灵敏度的故障诊断。 活函数，可以形成各种不同的人工神经网络，得到不同 1943年，心理学家W．S．MeCulIoch和数理逻辑学家 的输入／输出关系式，以完成不同的任务。 W．A．