过程监测作为流程工业过程综合自动化的重要组成部分, 对于保障过程安全、平稳、高效运行与保证产品品质具有重要意义, 是过程控制与过程系统工程领域的研究热点之一. 同时, 伴随着工业数据采集、传输、存储设备的发展, 过程信息以数据形式得以保存. 基于数据驱动的过程监测不依赖过程机理知识, 在复杂过程优化控制中有着巨大应用前景.

由于产品从原料到成品生产工序的日益复杂, 现代流程工业生产过程通常具有规模大、单元多、流程长等特点. 各个单元既具有独立结构或功能, 又彼此关联, 相互影响, 协同运行. 一个局部的微小故障可能引发多个装置或单元的连锁反应, 导致整个过程运行状态恶化, 甚至造成严重事故. 对这类大规模多单元过程的监测, 不仅需要关注过程的整体运行状态, 也需要关注局部单元状态以及单元间的彼此关联影响. 对多单元过程进行精细化监测, 关注重要单元及过程整体运行状态, 及时发现过程局部或整体异常, 对异常报警原因进行分析识别, 具有重要的理论意义和工程应用价值.

图1  大规模多单元石油化工装置

经典多元统计过程监测方法应用于大规模多单元过程时存在以下几个方面的问题: 首先, 大规模多单元过程监测变量众多, 造成监测模型复杂度高, 解释性差; 其次, 建立单一整体监测模型往往会忽略过程局部信息, 降低对局部故障的监测性能; 第三, 整体单一监测模型不利于局部故障的定位及诊断; 第四, 对每个单元单独建模往往会忽略单元之间、单元与过程整体的相关关系.

本文提出基于局部-整体相关特征的多单元化工过程分层监测方法. 该分层监测方法既关注过程的整体运行状态, 也关注局部单元状态以及单元间的彼此关联影响. 首先, 采用典型相关分析方法, 通过引入邻域单元相关变量提取局部单元的局部特征和外部相关特征, 建立单元内、局部单元与邻域单元、局部单元与过程整体故障检测模型, 实现对过程局部-整体运行状态更为清晰的描述; 其次, 构建单元-变量分层贡献图, 描述单元对故障统计量、变量对故障统计量的贡献, 实现故障变量的准确定位.

分层监测方法考虑单元内变量相关性、单元间相关性、以及单元与过程整体相关性。相比于经典分块监测方法，所提分层监测方法既识别故障状态，又识别故障位置，在多单元过程监测中显示出优秀性能.

图2  基于局部-整体相关特征的分层监测设计框架

(a)

(b)

(c)

(d)

图3  TE过程故障5的监测效果：（a）分层监测整体监测结果，（b）分层监测局部监测效果, （c） 局部监测统计量T^2_{b,out}贡献图, （d） 控制补偿后的T^2_{b,out}贡献图

本文提出的分层监测方法面向线性高斯过程，但是在该设计框架内，可以融合动态、非线性、多模态等监测方法，实现具有复杂特性的多单元化工工程的分层监测。同时，近年来基于稀疏回归变量选择实现故障变量定位的方法也受到越来越多的关注，如何在分层监测中融合变量选择来提升故障定位的准确性值得进一步研究。

引用格式

姜庆超, 颜学峰. 基于局部 − 整体相关特征的多单元化工过程分层监测. 自动化学报, 2020, 46(9): 1770−1782

文章链接

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190671