云計算環(huán)境下改進PSO的化工設備故障診斷算法*

潘 力， 孔國利， 陳 越， 張文娟

(1.鄭州工程技術學院 信息工程學院，河南 鄭州 450044;2.東南大學 化學化工學院，江蘇 南京 211189;3.哈爾濱工業(yè)大學 化工與化學學院，黑龍江 哈爾濱 150001)

化工涵蓋社會的方方面面，對于提高人民的生活質量，增強國防科技實力，加快農(nóng)業(yè)現(xiàn)代化改革，保證工業(yè)的高速穩(wěn)定發(fā)展具有重要的現(xiàn)實意義[1].然而，在化工過程中存在的各種故障增大了系統(tǒng)的安全隱患.為了提高化工過程的安全性，需要設計相應的故障診斷方法[2].但是，由于生產(chǎn)環(huán)節(jié)的復雜及過程變量數(shù)量的龐大，往往導致故障診斷的時效性和準確性偏低.

隨著各類算法的出現(xiàn)，化工過程的故障診斷得到了較多的研究.文獻[3]提出一種基于主元分析赫爾支持向量機的化工過程故障診斷算法，在TE(tennessee eastman)化工過程中的實驗表明，所提方法有效提高了診斷性能和預報能力.文獻[4]首先利用RS故障指標體系去除了化工過程信息的冗余特征，然后利用支持向量機建立了故障分類器，實驗結果表明，故障診斷準確率得到了大幅提升.文獻[5]采用擴展深度置信網(wǎng)絡提取時空信息，并選用兩層反向傳播神經(jīng)網(wǎng)絡訓練故障診斷模型，方法的有效性在TE化工過程中得到了充分驗證.文獻[6]基于數(shù)據(jù)驅動技術提出了一種改進的K-近鄰算法，同時通過引入因素分析方法進一步提高了故障診斷的精度.文獻[7]針對非線性化工過程提出一種基于核熵成分分析和多尺度主成分分析的故障診斷方法，實現(xiàn)了化工過程中主要故障的有效診斷.文獻[8]將長短期記憶神經(jīng)網(wǎng)絡引入化工過程診斷中，實現(xiàn)了化工過程原始數(shù)據(jù)的高效分類.

本文提出一種基于云計算[9]和簡化粒子群算法的新型診斷方法：利用云計算具備遠程、大批量處理數(shù)據(jù)的優(yōu)勢，將化工過程的運行數(shù)據(jù)調入分布式云中進行處理，從而提升故障診斷的快速性；利用簡化粒子群算法實現(xiàn)故障的精確診斷.為了驗證所提方法的有效性，在TE化工過程中進行了實驗，結果表明所提方法可以提高故障診斷的速度和精度，從而提高化工過程的安全運行水平.

1 TE化工過程概述

田納西-伊斯曼(tennessee eastman, TE)化工過程是由美國Eastman化學公司的Downs和Vogel提出的一個用來開發(fā)、研究和評價過程控制技術與監(jiān)控方法的化工過程模型.目前，TE過程已經(jīng)成為經(jīng)典的化工過程故障診斷對象.TE化工過程包括A、B、C、D、E、F、G、H共8種主要物質成分.氣體成分A、C、D、E以及惰性成分B送入反應器，產(chǎn)生液態(tài)成分G和H.反應器中的各種化學反應如下所示：

表1 TE化工過程故障列表

A(gas)+C(gas)+D(gas)→G(liquid)

(1)

A(gas)+C(gas)+E(gas)→H(liquid)

(2)

A(gas)+E(gas)→F(liquid)

(3)

3D(gas)→2F(liquid)

(4)

(1)～(4)式所示的所有化學反應都是放熱的、不可逆的，而且反應速度是溫度的函數(shù).由于(1)的反應比(2)的反應具有更高的活化能，因此其對溫度具有更高的靈敏度.TE過程包括21個故障，如表1所示.

2 提出的故障診斷方法

2.1 云計算與TE過程故障診斷

云計算是并行計算、網(wǎng)絡存儲、熱備份冗余等計算機和網(wǎng)絡技術發(fā)展融合的產(chǎn)物.美國國家標準與技術研究院對云計算的定義是：基于可用的、便捷的、按需的網(wǎng)絡訪問，以及包括網(wǎng)絡、服務器、存儲、應用軟件、服務的資源共享池，為用戶提供數(shù)據(jù)的遠程存儲、處理與訪問模式.圖1所示為云計算的基本原理圖.

在TE化工過程中會產(chǎn)生大量的數(shù)據(jù)，借助云計算技術，將產(chǎn)生的數(shù)據(jù)送入存儲與計算功能非常強大的云端服務器進行處理，可以有效提高故障診斷速度.此外，通過設計高性能診斷算法，可以實現(xiàn)故障的準確診斷.

2.2 改進簡化粒子群算法

粒子群算法是一種基于種群的啟發(fā)式方法.粒子速度和位置的表達式分別為(下標i代表第i個粒子，上標t代表第t代)：

(5)

式中：a為分類質量重要性系數(shù)；b為子集長度系數(shù)；λ(S)為分類質量；n為特征總數(shù).

3 實驗結果與分析

為了驗證所提故障診斷方法的有效性，在TE化工過程中進行了實驗分析，選用T2統(tǒng)計作為診斷性能的度量，結果如圖2和圖3所示.由于TE過程故障較多，因此本文僅給出故障2和故障5的診斷結果.由圖2、圖3可見，在TE化工過程的運行過程中，在所提方法的幫助下，可以準確定位T2指標異常的運行點，進而實現(xiàn)了相應故障的快速、精確診斷.

4 結 論

針對傳統(tǒng)化工過程診斷方法精度和速度較差的問題，提出一種基于云計算和簡化粒子群算法的新型診斷方法.以經(jīng)典TE化工過程為例對提出的方法進行了實驗分析.實驗結果表明，所提出的方法可以提升故障診斷精度和速度，同時有助于解決大規(guī)模數(shù)據(jù)的快速批量處理問題.