Page 79 - 化工产品质量与安全管理

第三章 化工生产过程检测及技术应用

分析输入信息之间的整体逻辑序列，结合反演系统将会成为化工故障诊断领域的
重要发展方向。

（三）故障诊断方法
1. 混合故障诊断
随着经济、技术发展，化工装置大型化建造、自动智能化运行成为不争的事

实，化工装置前后紧密关联、监控数据多、操作复杂，这些特点增加了故障诊断
的难度。传统的、单方面的诊断手段不适应现代化工企业技术，弊病越来越明显。
比如，PCA 尽管可用于多变量系统的处理，处理静态数据较好，然而化工系统

多为流动、变动的，PCA 的使用出现了“水土不服”，无法体现化工过程的时
态性和动态性，导致无法准确地解释质量的变量。并且，当数据非线性或者非正

态分布，PCA 的诊断结果严重偏离实际值，没有明确的物理意义。针对以上问题，
国内外学者提出了混合故障诊断方法。例如，Askarian M 等在 TE 过程中对分类
器、组合方法的故障诊断性能进行评估，讨论处理缺失数据的方法。Rad 等将故

障模式的整个空间具体划分为数个子空间，设计监督代理监控局部的分类器，发
现隐藏在子空间的异常点，及时更正，从而提高整个神经网络的性能。Caccavale

F 等在解决夹套式反应器中的化学反应时，采用综合诊断方案来处理故障诊断问
题。Chen X 等提出了一种结合故障诊断方法，该方法将 SOM（自组织映射）和
FDA（Fisher 判别）相结合，用以动态的、实时的化工过程的故障诊断。

2.BP 神经网络故障诊断
BP 神经网络是目前应用最多的模型，由以 Rumelhart 和 Mc Celland 为首的
科学家在 1986 年提出，是一种多层的前馈模型，利用误差逆传播进行映射，BP

不需要演算出具体的数学方程式，通过预存的、大量的映射关系，实现较准确的
模拟过程，具有较强的适应性和逼近性。在化工过程的新故障诊断中，可以通过
阈值的改变、权值加以学习，并对学习成果进行记忆和存储，在上述知识的沉淀下，

如果以后的运行过程出现问题，可以运用之前的记忆进行诊断和处理。BP 神经
网络包括输入层、隐含层和输出层，模拟人类神经元运行，他们层间连接，层内

无连接。BP 神经网络包括正向传输和反向的误差传输两部分组成，当受到外界
输入时，BP 网络正向传播引起反应，当正向相应和预期目标有出入时，反向误

·67·