科研動(dòng)態(tài)
基于功率譜密度與統(tǒng)計(jì)特性的工藝參數(shù)波動(dòng)異常診斷方法
中文題目：基于功率譜密度與統(tǒng)計(jì)特性的工藝參數(shù)波動(dòng)異常診斷方法
論文題目：The Abnormal Diagnosis Method for Process Parameter Fluctuation Based on Power Spectral Density and Statistical Characteristics
錄用期刊/會(huì)議：【IET Signal Processing】 (中科院大類(lèi)四區(qū))
錄用/見(jiàn)刊時(shí)間： 2025.2.14
作者列表：
1）王 珠 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 自動(dòng)化系教師
2）湛嘉樂(lè) 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 控制科學(xué)與工程專(zhuān)業(yè) 碩22級(jí)
3）鄭慶河 山東管理學(xué)院 智能工程學(xué)院 教師
4）張少康 中國(guó)石化石家莊煉化公司電氣儀表部 經(jīng)理
摘要:
本文提出了一種基于功率譜密度與統(tǒng)計(jì)特性結(jié)合的方法，能夠快速準(zhǔn)確地診斷工藝參數(shù)的大幅度異常趨勢(shì)和短時(shí)非平穩(wěn)異常趨勢(shì)。首先，該方法使用了關(guān)鍵工藝參數(shù)歷史增量數(shù)據(jù)進(jìn)行波動(dòng)性分析。其次，將關(guān)鍵工藝參數(shù)的歷史數(shù)據(jù)劃分為多個(gè)適當(dāng)長(zhǎng)度的數(shù)據(jù)，采用功率譜密度和統(tǒng)計(jì)特性的聯(lián)合分析，對(duì)大規(guī)模增量數(shù)據(jù)進(jìn)行特征提取。同時(shí)，本文設(shè)計(jì)了一種能用于測(cè)試和在線(xiàn)診斷的關(guān)鍵頻率及其閾值等超參數(shù)調(diào)試方案。采用國(guó)內(nèi)煉化廠(chǎng)實(shí)際關(guān)鍵工藝參數(shù)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，該方法能夠發(fā)現(xiàn)工藝參數(shù)的大幅度異常趨勢(shì)和短時(shí)非平穩(wěn)異常趨勢(shì)，具有良好的診斷效果。
背景與動(dòng)機(jī):
煉油化工生產(chǎn)過(guò)程中的報(bào)警系統(tǒng)一般為針對(duì)參數(shù)的集中報(bào)警管理。而對(duì)單一關(guān)鍵工藝參數(shù)進(jìn)行及時(shí)報(bào)警，解決緊急情況下的提前操控維護(hù)問(wèn)題研究甚少。因此，針對(duì)工藝參數(shù)波動(dòng)性進(jìn)行診斷與報(bào)警，正好彌補(bǔ)了這方面的不足，在觸發(fā)報(bào)警線(xiàn)之前的波動(dòng)性報(bào)警能起到工藝預(yù)警的作用，這對(duì)現(xiàn)場(chǎng)的緊急處置以及巡檢維護(hù)而言，是具有及時(shí)性、提前性的關(guān)鍵作用。
設(shè)計(jì)與實(shí)現(xiàn):
本文數(shù)據(jù)預(yù)處理方法是先對(duì)實(shí)際數(shù)據(jù)進(jìn)行增量計(jì)算，增量數(shù)據(jù)作為異常診斷方法的數(shù)據(jù)基礎(chǔ)，下式是某一關(guān)鍵工藝參數(shù)所有的增量數(shù)據(jù)集合。
關(guān)鍵工藝參數(shù)數(shù)據(jù)集有的數(shù)據(jù)長(zhǎng)度多達(dá)上千萬(wàn)，但實(shí)際生產(chǎn)過(guò)程中為了及時(shí)獲取數(shù)據(jù)的異常情況，往往是對(duì)一段時(shí)間的數(shù)據(jù)進(jìn)行異常檢測(cè)，所以要對(duì)時(shí)序數(shù)據(jù)進(jìn)行分段處理，分段時(shí)序增量數(shù)據(jù)表達(dá)式如下。
對(duì)分段時(shí)序增量數(shù)據(jù)進(jìn)行功率譜密度處理，每一段數(shù)據(jù)的功率譜密度值按照列的順序排列為矩陣得出功率譜密度矩陣。
將同一頻率處的各功率譜密度值按照正態(tài)分布進(jìn)行分布擬合，采用極大似然估計(jì)的方法可以得到功率譜密度值的概率分布函數(shù)，得出正態(tài)分布擬合后的均值和方差。
圖1 基于功率譜密度與統(tǒng)計(jì)特性的數(shù)據(jù)聯(lián)合分析
主要內(nèi)容:
1.離線(xiàn)訓(xùn)練階段
在離線(xiàn)訓(xùn)練階段獲取合適的分段長(zhǎng)度，以確保訓(xùn)練過(guò)程能充分學(xué)習(xí)到數(shù)據(jù)的有效特征。取不同的分段可以得到不同的總的對(duì)數(shù)聯(lián)合概率密度，總的對(duì)數(shù)聯(lián)合概率密度表示擬合程度的優(yōu)劣，其中最大的總對(duì)數(shù)聯(lián)合概率密度所對(duì)應(yīng)的分段數(shù)即為最優(yōu)長(zhǎng)度。
圖2 離線(xiàn)訓(xùn)練階段流程圖
2.離線(xiàn)測(cè)試階段
在離線(xiàn)測(cè)試階段通過(guò)引入專(zhuān)家經(jīng)驗(yàn)，結(jié)合訓(xùn)練階段的最優(yōu)分段數(shù)，進(jìn)行超參數(shù)調(diào)試，并將其調(diào)試過(guò)程總結(jié)成合適的流程。通過(guò)設(shè)計(jì)該調(diào)試流程，不僅可以發(fā)現(xiàn)實(shí)際生產(chǎn)數(shù)據(jù)的異常信息，還可以降低異常診斷算法的誤報(bào)率和漏報(bào)率，以下是離線(xiàn)測(cè)試階段的參數(shù)調(diào)試流程。
通過(guò)參數(shù)調(diào)試算法尋找能夠檢測(cè)出所有異常的頻率值，運(yùn)用它們之間的排列組合，提高發(fā)現(xiàn)異常數(shù)據(jù)的精準(zhǔn)率，得出最優(yōu)的診斷頻率組合和報(bào)警閾值。
3.在線(xiàn)診斷階段
根據(jù)離線(xiàn)訓(xùn)練階段的工作，已經(jīng)得出了最優(yōu)段長(zhǎng)及其對(duì)應(yīng)的均值與方差。而在離線(xiàn)測(cè)試階段中獲取到了特征頻率組合和閾值等參數(shù)。在線(xiàn)診斷階段則是通過(guò)數(shù)據(jù)接口獲取這些參數(shù)值，對(duì)在線(xiàn)數(shù)據(jù)進(jìn)行異常診斷。在線(xiàn)過(guò)程異常診斷思路為：
圖3 在線(xiàn)診斷階段流程圖
實(shí)驗(yàn)結(jié)果及分析:
采用國(guó)內(nèi)兩個(gè)化工廠(chǎng)的實(shí)際生產(chǎn)數(shù)據(jù)，進(jìn)行正異常數(shù)據(jù)的功率譜密度計(jì)算以及在線(xiàn)數(shù)據(jù)異常檢測(cè)。選取工藝參數(shù)PIC3422進(jìn)行在線(xiàn)異常診斷，實(shí)驗(yàn)結(jié)果如下，圖中每5秒為一個(gè)時(shí)刻，藍(lán)色實(shí)線(xiàn)為關(guān)鍵工藝參數(shù)實(shí)際運(yùn)行數(shù)據(jù)，紅色虛線(xiàn)為報(bào)警位置。
圖4 PIC3422.PV的異常診斷結(jié)果
PIC3422.PV工藝參數(shù)診斷結(jié)果如圖4所示。在圖4(a)中，工藝參數(shù)在1256832時(shí)刻發(fā)生大幅度異常趨勢(shì)報(bào)警；在圖4(b)中，工藝參數(shù)在2082432時(shí)刻發(fā)生短時(shí)非平穩(wěn)異常趨勢(shì)報(bào)警。工藝參數(shù)PIC3422.PV的數(shù)據(jù)在2.0范圍變化，在圖4(a)中工藝參數(shù)從穩(wěn)定值附近迅速下落至0，屬于大幅度異常趨勢(shì)；而在圖4(b)中工藝參數(shù)在2.0附近小幅變化，但相對(duì)于鄰近時(shí)刻的數(shù)據(jù)來(lái)說(shuō)，存在不平穩(wěn)的數(shù)據(jù)波動(dòng)變化，屬于短時(shí)非平穩(wěn)異常趨勢(shì)。
結(jié)論:
本文介紹了一種基于功率譜密度和統(tǒng)計(jì)特性的工藝參數(shù)波動(dòng)異常診斷方法。文章提出使用工藝參數(shù)歷史增量數(shù)據(jù)對(duì)歷史數(shù)據(jù)進(jìn)行分析，以獲取其對(duì)應(yīng)的波動(dòng)性信息。其次，提出了一種基于功率譜密度與統(tǒng)計(jì)特性相結(jié)合的分析方法，在分析數(shù)據(jù)統(tǒng)計(jì)特性的同時(shí)提出選擇關(guān)鍵頻率組合進(jìn)行異常檢測(cè)，增強(qiáng)異常數(shù)據(jù)特征與正常數(shù)據(jù)特征的區(qū)分度。最后，我們?cè)O(shè)計(jì)出一種用于該方法的參數(shù)調(diào)試流程，通過(guò)該流程進(jìn)行參數(shù)調(diào)試，提升報(bào)警信息的準(zhǔn)確性和及時(shí)性。最后，根據(jù)國(guó)內(nèi)某兩個(gè)化工廠(chǎng)的實(shí)際生產(chǎn)過(guò)程數(shù)據(jù)進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，本文提出的方法可以有效地診斷出工藝參數(shù)的大幅度波動(dòng)和短時(shí)非平穩(wěn)異常趨勢(shì)，與其他異常診斷方法對(duì)比，本文提出的方法在實(shí)驗(yàn)效果上均優(yōu)于其他方法。
作者簡(jiǎn)介:
王珠，男，博士，中共黨員，現(xiàn)任中國(guó)石油大學(xué)（北京）副教授、碩士生導(dǎo)師。2016年至今在中國(guó)石油大學(xué)（北京）自動(dòng)化系工作，現(xiàn)任中國(guó)自動(dòng)化學(xué)會(huì)人工智能技術(shù)與工業(yè)應(yīng)用專(zhuān)業(yè)委員會(huì)委員、中國(guó)化工學(xué)會(huì)信息技術(shù)應(yīng)用專(zhuān)業(yè)委員會(huì)青年委員、北京人工智能學(xué)會(huì)理事。
在科研與社會(huì)服務(wù)方面，研究興趣為系統(tǒng)辨識(shí)與智能控制、煉化過(guò)程動(dòng)態(tài)異常診斷與故障預(yù)警、大數(shù)據(jù)質(zhì)量預(yù)測(cè)與綜合優(yōu)化。近年來(lái)，主持重點(diǎn)流程工業(yè)企業(yè)的智能報(bào)警項(xiàng)目數(shù)項(xiàng)以及國(guó)家自然科學(xué)基金，已發(fā)表高水平學(xué)術(shù)論文30余篇。