基于模糊神经网络的环管反应器故障诊断

田斟学研穷doi：10．3969／j．issn．1672～5425．2011．12．00620l1，Vo1．28No．12亿与生物Z程Chemistry&Bioengineering基于模糊神经网络的环管反应器故障诊断闰志国。郑明。宣爱国，吴元欣(武汉工程大学绿色化工过程省部共建教育部重点实验室湖北省新型反应器与绿色化学工艺重点实验室，湖北武汉430073)摘要：环管反应器是丙烯聚合工艺中的主要反应设备之一。环管反应器运行过程中故障产生原因与征兆参数之间的影响关系比较模糊、复杂，不能准确地用数学关系式表述。针对此种情况，总结出环管反应器温度升高时可能的故障原因及征兆参数，并用模糊理论进行处理，再运用神经网络建立了环管反应器故障诊断系统。故障诊断实例表明，该系统具有较高的可靠性。关键词：环管反应器；模糊理论；神经网络；故障诊断中图分类号：TQ053．6TP306．3文献标识码：A文章编号：1672—5425(2011)12—0024—04环管反应器是丙烯聚合工艺中的一个重要组成部分，该系统影响参数多、相关设备多且大多处于高温高压的工作环境，其故障发生率高、危害较大。传统的定时、周期性维修很难满足安全生产的需要，人工智能方法实时检测环管反应器运行设备参数，可根据各种参数的异常变化对系统进行故障预测与诊断，为设备的长时间平稳运行提供安全依据。模糊神经网络(Fuzzyneuralnetwork，FNN)故障诊断方法通过对环管反应器运行流程的分析研究，提取故障及其征兆，结合模糊数学知识建立隶属函数来描述故障及征兆信息并进行推理，再借助神经网络对模糊信息进行自学习、分析，建立一定的信息诊断规则系统，在此基础上输入征兆信息进行计算即可得到正确的故障诊断结论。1模糊神经网络原理与结构模糊神经网络故障诊断是一种将模糊数学理论和人工神经网络理论相结合的故障诊断方法。在模糊数学基础上建立模糊推理逻辑，通过隶属函数的方法，结合环管反应器系统运行的专业知识理论，建立满足人工神经网络软件输入输出的故障征兆知识库。人工神经网络软件通过调用知识库中的知识进行学习，建立满足系统故障处理要求的神经网络，进行故障信息的分析和处理，得到正确的故障诊断结论。1．1模糊神经网络原理化工生产过程中故障与征兆之间并没有严格的定量或逻辑因果关系。对同一故障，可能会产生多种征兆；同一种征兆，可能对应有多种故障存在。基于模糊数学知识的模糊集表示的模糊变量语言能够更加准确地表示具有模糊特性的征兆和故障，符合事物的客观本质，还能处理诊断过程中的不完整信息和不确定信息；神经网络具有处理复杂多模式及进行联想、推测及记忆的功能，具有自组织学习、自学习能力。融合了二者优点的模糊神经网络技术就更加显现出了这种特性。假定考察一个系统的3种故障类型：Y一故障1、Y一故障2、Y。一故障3，于是构成了故障集合Y一{Y，Y，Y。)；故障征兆分为：X1一征兆1、X一征兆2、X。一征兆3，构成了征兆集合X一{x，X，x。)。设经过模糊数学处理，对于故障类型征兆(X)1的影响因素为7O9／6、征兆2的影响因素为20、征兆3的影响因素为1O％；则有对X。的诊断向量为(0．7，0．2，0．1)、对X2为(O．3，0．4，0．3)、对为(0．3，0．3，0．4)。于是得到一个故障与征兆的关系矩阵：基金项目：国家自然科学基金资助项目(20906073)，武汉市科技局科技攻关项目(2OO86O423193)收稿日期：2011一。g一22作者简介：闰志国(1975一)，男，河北阳原人，博士，副教授，主要从事过程系统工程和环境影响评价方面的研究，E—mail：samanyan@163．com。闰志国等：基于模糊神经网络的环管反应器故障诊断／2011年■12啊r0．70．20．1、故障1R—10．30．40．3l故障210．30．30．4l故障3B—A．R：：。．，。．。，。．．『。0．。7：：。0．。1]10．30．30．4I输入层模糊规则层模糊推理层输出层图1模糊神经网络结构Fig．1Modelframewordoffuzzyneuralnetworks模糊神经网络的第1层为输入层。输入层的每个神经元对应一个输入变量，直接将输入数据传给第2层神经元。第2层为模糊规则层。该层完成从特征信号向满足网络输入模式之间的转化，即将故障征兆变量信号转化为以隶属函数表示的模糊变量。第3层为模糊推理层。该层应用神经网络算法完成推理诊断。第4层为输出层。该层将第3层的数据进行清晰化输出，根据输出向量的隶属度来确定故障原因。各输出节点输出模糊数值大小代表该故障发生的可能性。2模糊理论对故障的表述2．1丙烯聚合环管反应器温度升高时故障征兆提取通过对丙烯聚合环管反应器温度升高的故障机理进行分析，得到了环管反应器温度升高的故障原因及其征兆参数变化