專利名稱：丙烯聚合生產數據檢測及故障診斷裝置的制作方法
技術領域：
本實用新型涉及工業過程故障診斷領域，特別地，涉及一種丙烯聚合生產數據檢測及故障診斷裝置。
背景技術：
聚丙烯是以丙烯單體為主聚合而成的一種合成樹脂，是塑料工業中的重要產品。由于聚丙烯具有比重輕、耐抗沖、耐腐蝕、高透明、無毒性、強度好、電絕緣性能好且易于加工等優良性能，因而被廣泛應用于輕工、化工、化纖、建材、家電、包裝、汽車等領域，在目前我國的聚烯烴樹脂中，成為僅次于聚乙烯和聚氯乙烯的第三大塑料。
工業化的聚丙烯生產過程復雜性高，投資巨大，其生產裝置長期安全、可靠、平穩操作十分重要。在聚丙烯生產過程中，熔融指數(MI)是反映產品質量的一個重要指標，是生產質量控制和牌號切換的重要依據。但MI只能離線檢測，一般離線分析至少需要近2小時，耗資而且耗時，特別是離線分析的2小時期間將無法及時了解聚丙烯生產過程的狀態。因此，選取與熔融指數密切相關的易測變量作為二次變量，從中分析熔融指數，檢測生產過程是否正常，對丙烯聚合生產過程進行監控就顯得異常重要。
現有聚丙烯工業生產過程中，由于變量較多，各變量之間存在一定的相關性，對過程的監控，本質上宜采用多變量控制圖。因此現有的同時用多個單變量控制圖對多個變量進行監控的故障診斷裝置，將難以準確解釋過程的運行狀況，并且會增大誤報率。
發明內容
為了克服已有的丙烯聚合生產數據檢測及故障診斷裝置的不能在線測量熔融指數、難以得到較好的診斷效果、誤報率較高的不足，本實用新型提供一種能夠實現在線測量熔融指數、能夠得到良好的診斷效果、有效減小誤報率的丙烯聚合生產數據檢測及故障診斷裝置。
本實用新型解決其技術問題所采用的技術方案是 一種丙烯聚合生產數據檢測及故障診斷裝置，包括與丙烯聚合生產過程連接的現場智能儀表、DCS系統以及上位機，所述的DCS系統由數據接口、控制站、數據庫構成；智能儀表、DCS系統、上位機依次相連，所述的上位機包括 標準化處理模塊，用于對數據庫中采集系統正常時關鍵變量的數據進行標準化處理，各變量的均值為0，方差為1，得到輸入矩陣X，采用以下過程來完成 1)計算均值 2)計算方差 3)標準化 其中，TX為訓練樣本，N為訓練樣本數，
為訓練樣本的均值； 主元分析模塊，用于進行主元分析提取主成分，依照設置的主元方差提取率，采用協方差奇異值分解的方法，采用以下步驟來實現 ①計算X的協方差陣，記為∑X； ②對∑X進行奇異值分解，得到特征根λ1，λ2，…，λp，其中λ1≥λ2≥…≥λp，對應的特征向量矩陣為U； ③計算總方差和每個特征值對應的方差貢獻率，按各個特征值的方差貢獻率從大到小累加直到總的方差貢獻率達到給定值，記選取個數為k； ④選取特征向量矩陣U的前k列，作為變換矩陣T； ⑤計算主元，通過式子F＝T×X計算得到主元F； 殘差分析模塊，用于計算殘差分析控制限，設置檢驗水平為α，控制限按下式(4)計算 式中 i＝i，2，3 λi是X協方差矩陣的特征值，Cα是正態分布置信度為α的統計； 信號采集模塊，用于設定每次采樣的時間間隙，采集現場智能儀表的信號； 待診斷數據確定模塊，用于將采集的數據傳送到DCS實時數據庫中，在每個定時周期從DCS數據庫的實時數據庫中，得到最新的變量數據作為待診斷數據VX； 故障診斷模塊，用于對待檢測數據VX用訓練時得到的
和σx2進行標準化處理，并將標準化處理后的數據作為主元分析模塊的輸入，用訓練時得到的變換矩陣T對輸入進行變換，變換后矩陣輸入到殘差分析模塊，計算輸入數據的Q統計量，若Q＜Qα，判定樣本點Q統計正常，過程對象正常；若Q＞Qα，判定樣本點Q統計異常，過程對象出現故障； 所述現場智能儀表與信號采集單元數據連接，所述信號采集單元連接待診斷數據確定模塊，所述的待診斷數據確定模塊連接故障診斷模塊，所述標準化處理模塊與數據庫數據連接，所述標準化處理模塊與主元分析模塊連接，所述主元分析模塊與殘差分析模塊連接，所述殘差分析模塊與故障診斷模塊連接。
作為優選的一種方案所述的上位機還包括判別模型更新模塊，用于定期將過程狀態正常的點添加到訓練集VX中，輸出到標準化處理模塊、主元分析模塊、殘差分析模塊，并更新殘差分析模塊中的模型；所述判別模型更新模塊與殘差分析模塊連接。
作為優選的另一種方案所述的上位機還包括結果顯示模塊，用于將故障診斷結果傳給DCS系統，并在DCS的控制站顯示過程狀態，同時通過DCS系統和現場總線將過程狀態信息傳遞到現場操作站進行顯示；所述故障診斷模塊的輸出連接所述結果顯示模塊。
作為優選的再一種方案所述的關鍵變量包括催化劑流率f4、輔催化劑流率f5、三股丙烯進料流率(f1、f2、f3)、釜內流體溫度T、釜內流體壓強P、釜內液位l和釜內氫氣體積濃度α。
本實用新型的技術構思為聚丙烯工業過程中，由于變量較多，各變量之間存在一定的相關性。現有技術中，同時用多個單變量控制圖對多個變量進行監控將難以正確解釋過程的運行狀況，并且會增大誤報率。本實用新型對過程的監控，采用多變量控制圖。
將主元分析(PCA)和殘差分析(Q統計量)相結合，可以很好的應用于多變量過程統計監控。因為主元分析和殘差分析相結合用于多變量監控，在充分利用數據信息的同時，降低了系統維數，使得監控能夠更加準確、可靠。
本實用新型的有益效果主要表現在1、主元分析算法簡單，收斂性好，可以在不過多損失信息的前提下降低系統維數，用Q統計量對主元分析的殘差空間進行分析監控，具有成熟的理論基礎，計算簡單，監控效果好，使得故障診斷快捷有效，能更好的指導生產，提高生產效益；2、故障診斷裝置建立在已有的DCS系統之上，實施簡單，基本不需要硬件改造，成本低，易于推廣。
圖1是本實用新型所提出的故障診斷裝置的硬件結構圖； 圖2是本實用新型所提出的故障診斷裝置功能模塊圖； 圖3是聚丙烯生產流程簡圖； 圖4是PCA-Q檢測效果圖； 圖5是本實用新型上位機的原理框圖。
具體實施方式
以下結合附圖對本實用新型作進一步描述。
參照圖1、圖2、圖3、圖4以及圖5，一種丙烯聚合生產數據檢測及故障診斷裝置，包括與丙烯聚合生產過程連接的現場智能儀表2、DCS系統以及上位機6，所述的DCS系統由數據接口3、控制站4、數據庫5構成；智能儀表2、DCS系統、上位機6通過現場總線依次相連，所述的上位機6包括 標準化處理模塊7，用于對數據庫中采集系統正常時的數據進行標準化處理，各變量的均值為0，方差為1，得到輸入矩陣X，采用以下過程來完成 1)計算均值 2)計算方差 3)標準化 其中，TX為訓練樣本，N為訓練樣本數，
為訓練樣本的均值； 主元分析模塊8，用于進行主元分析提取主成分，依照設置的主元方差提取率，采用協方差奇異值分解的方法，采用以下步驟來實現 ①計算X的協方差陣，記為∑X； ②對∑X進行奇異值分解，得到特征根λ1，λ2，…，λp，其中λ1≥λ2≥…≥λp，對應的特征向量矩陣為U； ③計算總方差和每個特征值對應的方差貢獻率，按各個特征值的方差貢獻率從大到小累加直到總的方差貢獻率達到給定值，記選取個數為k； ④選取特征向量矩陣U的前k列，作為變換矩陣T； ⑤計算主元，通過式子F＝T×X計算得到主元F； 殘差分析模塊9，用于計算殘差分析控制限，設置檢驗水平為α，控制限按下式(4)計算 式中 i＝1，2，3 λi是X協方差矩陣的特征值，Cα是正態分布置信度為α的統計； 信號采集模塊10，用于設定每次采樣的時間間隙，采集現場智能儀表的信號； 待診斷數據確定模塊11，用于將采集的數據傳送到DCS實時數據庫中，在每個定時周期從DCS數據庫的實時數據庫中，得到最新的變量數據作為待診斷數據VX； 故障診斷模塊12，用于對待檢測數據VX用訓練時得到的TX和σx2進行標準化處理，并將標準化處理后的數據作為主元分析模塊的輸入，用訓練時得到的變換矩陣T對輸入進行變換，變換后矩陣輸入到殘差分析模塊，計算輸入數據的Q統計量，若Q＜Qα，判定樣本點Q統計正常，過程對象正常；若Q＞Qα，判定樣本點Q統計異常，過程對象出現故障； 所述現場智能儀表2與信號采集單元10數據連接，所述信號采集單元10連接待診斷數據確定模塊11，所述的待診斷數據確定模塊11連接故障診斷模塊12，所述標準化處理模塊7與數據庫數據5連接，所述標準化處理模塊7與主元分析模塊8連接，所述主元分析模塊8與殘差分析模塊9連接，所述殘差分析模塊9與故障診斷模塊12連接。
所述的上位機還包括判別模型更新模塊13，用于定期將過程狀態正常的點添加到訓練集VX中，輸出到標準化處理模塊7、主元分析模塊8、殘差分析模塊9，并更新殘差分析模塊9中的模型，所述判別模型更新模塊13與殘差分析模塊9連接； 所述的上位機還包括結果顯示模塊14，用于將故障診斷結果傳給DCS系統，并在DCS的控制站顯示過程狀態，同時通過DCS系統和現場總線將過程狀態信息傳遞到現場操作站進行顯示，所述故障診斷模塊12的輸出連接所述結果顯示模塊14。
本實用新型所述的故障診斷裝置的硬件結構圖如圖1所示，所述的故障診斷裝置的核心由包括標準化模塊7、主元分析模塊8、殘差分析模塊9等三大功能模塊和人機界面的上位機6構成，此外還包括現場智能儀表2，DCS系統和現場總線。所述的DCS系統由數據接口3、控制站4、數據庫5構成；丙烯聚合生產過程1、智能儀表2、DCS系統、上位機6通過現場總線依次相連，實現信息流的上傳和下達。故障診斷裝置在上位機6上運行，可以方便地與底層系統進行信息交換，及時應對系統故障。
本實用新型所述的故障診斷裝置的功能模塊圖如圖2所示，主要包括標準化模塊7、主元分析模塊8、殘差分析模塊9等三大功能模塊。
所述的故障診斷方法按照如下步驟來實現 1、從DCS數據庫5的歷史數據庫中采集系統正常時以下九個變量的數據作為訓練樣本TX主催化劑流率f4、輔催化劑流率f5、三股丙烯進料流率(f1、f2、f3)、釜內流體溫度T、釜內流體壓強P、釜內液位l和釜內氫氣體積濃度α； 2、在上位機6的主元分析模塊8、殘差分析模塊9中，分別設置主元分析方差提取率、殘差分析置信限α等參數，設定DCS中的采樣周期； 3、訓練樣本TX在上位機6中依次經過標準化處理7、主元分析模塊8、殘差分析模塊9等功能模塊，采用以下步驟來完成上位機6中故障診斷系統的訓練 1)上位機6的標準化處理功能模塊7，對數據進行標準化處理，使得各變量的均值為0，方差為1，得到輸入矩陣X。采用以下步驟來實現 ①計算均值 ②計算方差 ③標準化 其中N為訓練樣本數，N為訓練樣本數，
為訓練樣本的均值； 上位機6的標準化處理功能模塊7所進行的標準化處理能消除各變量因為量綱不同造成的影響。
2)上位機6的主元分析功能模塊8，進行主元分析提取主成分。所示的主元分析總方差提取率大于80％，計算過程采用協方差奇異值分解的方法。采用以下步驟來實現 ①計算X的協方差陣，記為∑X； ②對∑X進行奇異值分解，得到特征根λ1，λ2，…，λp，其中λ1≥2≥…≥λp，對應的特征向量矩陣為U； ③計算總方差和每個特征值對應的方差貢獻率，按各個特征值的方差貢獻率從大到小累加直到總的方差貢獻率達到給定值，記選取個數為k； ④選取特征向量矩陣U的前k列，作為變換矩陣T； ⑤計算主元，通過式子F＝T×X計算得到主元F； 主元分析在力求數據信息丟失最少的原則下，對高維的變量空間降維。其實質是研究變量體系的少數幾個線性組合，并且這幾個線性組合所構成的綜合變量將盡可能多地保留原變量變異方面的信息。很顯然，分析系統在一個低維空間要比在一個高維空間容易得多。
3)上位機6的殘差分析模塊9，計算殘差分析控制限。
當檢驗水平為α時，控制限可按下式(4)計算 式中i＝1，2，3 λi是X協方差矩陣的特征值，Cα是正態分布置信度為α的統計。
4、系統開始投運 1)用定時器，設置好每次采樣的時間間隔； 2)現場智能儀表2檢測過程數據并傳送到DCS數據庫5的實時數據庫中； 3)上位機6在每個定時周期從DCS數據庫5的實時數據庫中，得到最新的變量數據，作為待診斷數據VX； 4)待檢測數據VX，在上位機6的標準化處理功能模塊7中，用訓練時得到的
和σx2進行標準化處理，并將標準化處理后的數據作為主元分析模塊8的輸入； 5)上位機6中的主元分析模塊8，用訓練時得到的變換矩陣T對輸入進行變換，變換后的矩陣輸入到殘差分析模塊9，作為殘差分析模塊9的輸入； 6)上位機6中的殘差分析模塊9，采用下式來計算輸入數據的Q統計量 對于第i個樣本， Qi＝eiei′ 其中ei是殘差矩陣E的第i行，若Q＜Qα，說明該樣本點Q統計正常，反之，如果Q＞Qα，說明該樣本點Q統計異常，過程對象出現故障； 7)上位機6將故障診斷結果傳給DCS，并在DCS的控制站4顯示過程狀態，同時通過DCS系統和現場總線將過程狀態信息傳遞到現場操作站進行顯示，使得現場操作工可以及時應對。
5、模型更新 在系統投運過程中，定期將過程狀態正常的點添加到訓練集TX中，重復步驟3的訓練過程，以便及時更新上位機6的殘差分析模塊9中的模型，保持模型具有較好的效果。
下面詳細說明本實用新型的一個具體實施例。
以聚丙烯生產HYPOL工藝實際工業生產為例。圖三給出了典型的Hypol連續攪拌釜(CSTR)法生產聚丙烯的工藝流程圖，前2釜是CSTR反應器、后2釜是流化床反應器(FBR)。選取主催化劑流率、輔催化劑流率、三股丙烯進料流率、釜內流體溫度、釜內流體壓強、釜內液位、釜內氫氣體積濃度九個易測操作變量作為模型的輸入量，從生產過程的DCS系統中獲取這九個參數的數據作為訓練樣本，其中五十個正常的樣本作為訓練集，另二十二個樣本點作為測試集數據驗證診斷效果。PCA提取主成分個數為7，置信概率0.98，采樣周期為2小時。
圖4為PCA-Q檢測效果圖，圖中只畫出了前兩個主成分的分布。表1列出了與圖4相對應的測試集中實際故障點和本系統檢測出的故障點，可以看出僅15號故障點漏報，誤報率為0。顯然，本系統具有較高的診斷準確性。
表1 上述實施例用來解釋說明本實用新型，而不是對本實用新型進行限制，在本實用新型的精神和權利要求的保護范圍內，對本實用新型作出的任何修改和改變，都落入本實用新型的保護范圍。
權利要求1.一種丙烯聚合生產數據檢測及故障診斷裝置，包括與丙烯聚合生產過程連接的現場智能儀表、DCS系統以及上位機，所述的DCS系統由數據接口、控制站、數據庫構成；智能儀表、DCS系統、上位機依次相連，其特征在于所述的上位機包括
用于對數據庫中采集系統正常時關鍵變量的數據進行標準化處理的標準化處理模塊；
用于進行主元分析提取主成分，依照設置的主元方差提取率，采用協方差奇異值分解的方法的主元分析模塊；
用于計算殘差分析控制限的殘差分析模塊；
用于設定每次采樣的時間間隙，采集現場智能儀表信號的信號采集模塊；
用于將采集的數據傳送到DCS實時數據庫中，在每個定時周期從DCS數據庫的實時數據庫中，得到最新的變量數據作為待診斷數據VX的待診斷數據確定模塊；
用于對待檢測數據VX用訓練時得到的
和σx2進行標準化處理，并將標準化處理后的數據作為主元分析模塊的輸入，用訓練時得到的變換矩陣T對輸入進行變換，變換后矩陣輸入到殘差分析模塊，計算輸入數據的Q統計量，若Q＜Qα，判定樣本點Q統計正常，過程對象正常；若Q＞Qα，判定樣本點Q統計異常，過程對象出現故障的故障診斷模塊；
所述現場智能儀表與信號采集模塊數據連接，所述信號采集模塊連接待診斷數據確定模塊，所述的待診斷數據確定模塊連接故障診斷模塊，所述標準化處理模塊與數據庫數據連接，所述標準化處理模塊與主元分析模塊連接，所述主元分析模塊與殘差分析模塊連接，所述殘差分析模塊與故障診斷模塊連接。
2.如權利要求1所述的丙烯聚合生產數據檢測及故障診斷裝置，其特征在于所述的上位機還包括
用于定期將過程狀態正常的點添加到訓練集VX中，輸出到標準化處理模塊、主元分析模塊、殘差分析模塊，并更新殘差分析模塊中的模型的判別模型更新模塊；所述判別模型更新模塊與殘差分析模塊連接。
3.如權利要求1或2所述的丙烯聚合生產數據檢測及故障診斷裝置，其特征在于所述的上位機還包括
用于將故障診斷結果傳給DCS系統，并在DCS的控制站顯示過程狀態，同時通過DCS系統和現場總線將過程狀態信息傳遞到現場操作站進行顯示的結果顯示模塊；所述故障診斷模塊的輸出連接所述結果顯示模塊。
專利摘要一種丙烯聚合生產數據檢測及故障診斷裝置，包括與丙烯聚合生產過程連接的現場智能儀表、DCS系統以及上位機，所述的DCS系統由數據接口、控制站、數據庫構成；智能儀表、DCS系統、上位機依次相連，所述的上位機包括標準化處理模塊、主元分析模塊、殘差分析模塊、信號采集模塊、待診斷數據確定模塊以及故障判斷模塊。本實用新型提供一種能夠實現在線測量熔融指數、能夠得到良好的診斷效果、有效減小誤報率的丙烯聚合生產數據檢測及故障診斷裝置。
文檔編號G06F17/00GK201017225SQ20062014136
公開日2008年2月6日 申請日期2006年12月22日 優先權日2006年12月22日
發明者劉興高 申請人:浙江大學