下载文档原格式
工业生产流程监控系统工业生产流程监控系统是一种用于实时监测和控制工业生产过程的系统。
它通过采集、传输和处理各种生产数据，为工厂管理者提供重要的决策依据和生产优化方案。
本文将介绍工业生产流程监控系统的概念、功能和应用。
一、概述工业生产流程监控系统是指利用现代信息技术手段，对工业生产过程中的各项参数进行实时监测和控制的系统。
它主要由数据采集模块、通信模块、数据处理模块和用户界面组成。
通过对生产过程中的各种数据进行采集和分析，工业生产流程监控系统可以实时监测工艺过程的各项指标，并提供及时反馈和控制措施。
二、功能1. 数据采集和传输：工业生产流程监控系统通过传感器等设备，采集并传输工艺过程中的各种数据，如温度、压力、流量等。
数据采集模块负责将这些数据进行采集，并通过通信模块实时传输到数据处理模块。
2. 数据处理和分析：数据处理模块对传输过来的数据进行处理和分析，得出生产过程中的关键指标和趋势。
通过各种算法和模型，系统可以预测生产过程的偏离情况，发现异常和问题，并及时报警。
3. 实时监控和控制：工业生产流程监控系统可以实时监测各项生产指标，并进行控制和调整。
通过设置阈值和规则，系统可以自动判断生产过程的正常与否，及时采取措施，减少生产线停机和产品不良率。
4. 故障诊断和维护：工业生产流程监控系统可以分析历史数据和故障信息，进行故障诊断和预测。
通过对设备状态和维护记录的监测，系统可以提前发现设备故障，减少停机和维修时间。
三、应用工业生产流程监控系统广泛应用于各个行业的生产过程监控和优化。
以下是几个典型的应用场景：1. 制造业：在制造业中，生产过程中的环境参数、设备状态和产品质量是关键指标。
工业生产流程监控系统可以实时监测这些指标，并进行控制和调整，提高生产效率和产品质量。
2. 化工行业：化工行业生产过程中的温度、压力和液位等参数需要密切监控。
工业生产流程监控系统可以实时采集和分析这些参数，及时发现异常，保证化工过程的安全与稳定。
工艺流程的可视化管理与实时监控随着工业生产的发展和技术的进步，工艺流程的管理与监控变得越来越重要。
传统的管理方式已经无法满足现代工业生产的需求，因此，采用可视化管理与实时监控成为了一种趋势。
在本文中，我们将探讨工艺流程的可视化管理与实时监控的相关内容，并分析其优势和挑战。
一、工艺流程的可视化管理1. 可视化管理的定义与意义可视化管理是指通过图表、图像、动画等形式将工艺流程的数据和信息进行可视化展示和管理的方式。
它可以帮助人们更好地理解和分析工艺流程的各个环节，提高生产效率和质量。
2. 可视化管理的实施步骤（1）数据采集：收集与工艺流程相关的各项数据，如温度、压力、流量等。
（2）数据处理：对采集到的数据进行处理和分析，生成可供可视化展示的数据。
（3）可视化展示：利用数据可视化软件或系统将处理后的数据以图表、图像等形式展示。
（4）实时更新：确保可视化管理系统能够实时更新数据，以便监控和调整工艺流程。
3. 可视化管理的优点（1）直观易懂：通过可视化展示，工艺人员可以直观地了解工艺流程的状态和趋势，便于及时作出调整。
（2）提高效率：可视化管理可以帮助工艺人员更快地发现问题和隐患，提高生产效率。
（3）降低错误率：可视化展示可以减少人为操作的错误，提高工艺的准确性和一致性。
二、工艺流程的实时监控1. 实时监控的概念与作用实时监控是指对工艺流程进行连续监测和控制的过程。
它可以帮助及时发现和处理异常情况，确保工艺流程的正常运行。
2. 实时监控的方式（1）传感器技术：通过安装传感器，实时监测温度、压力、流量等参数，及时发现异常情况。
（2）数据传输与处理：将传感器采集到的数据传输至监控系统，并对数据进行处理和分析。
（3）报警与反馈：当监测到异常情况时，监控系统会及时发出警报，并提供相关建议和反馈。
3. 实时监控的优势（1）快速反应：实时监控可以迅速发现异常情况并作出相应的反应，减少生产事故的发生。
（2）减少停机时间：通过实时监控，工艺人员可以及时发现设备故障，提前进行维修，避免停机时间过长。
工业控制系统的技术发展和趋势工业控制系统是一个为工业生产自动化服务的重要技术领域，它的发展历程始于上世纪50年代，并在不断地演化和创新中得到不断地提升和完善。
随着科技和物联网技术的发展，工业控制系统也在不断地进化，变得更加智能化和灵活化。
本文将从技术发展和趋势方面谈谈工业控制系统的发展历程和未来趋势。
一、工业控制系统的发展历程1. 传统PLC控制传统的工控系统由工控计算机和PLC组成，工控计算机主要负责人机界面，数据采集、联机控制和数据处理等任务，而PLC负责现场控制操作。
PLC控制作为现代工业控制领域最早的编程化控制系统之一，具有建设周期短、维护方便、可靠性高等优势，成为了现代工业控制领域最主流的应用之一。
但是，PLC控制在大型或复杂的工业控制系统中，灵活性不足，很难实现分布式计算和复杂算法实现。
2. DCS随后，随着工业控制领域的不断发展和智能化趋势，DCS（分布式控制系统）等控制策略应运而生。
DCS控制针对大型复杂工业系统，其主要优点在于强大的控制能力、多点测量、多点操作，其相对于PLC控制而言为一种灵活高效的分布式控制方法，而且DCS可以方便的实现大规模的集群控制，是工业控制系统的发展之一。
3. PC控制现代工业控制系统中，随着工控技术的不断进步和计算机性能的不断提高，基于PC控制的技术应运而生。
它基于通用计算机平台，摆脱了传统的特殊硬件和编程方式，使得整个系统的开发成本大大降低，同时也提高了整个系统的可定制性和可升级性。
4. 大数据大数据技术的发展给现代工业控制系统带来了重要影响。
在控制系统中，消息传递和大数据分析应用价值非常高，可以利用大数据技术来分析工业控制中的各种问题，包括控制精度、稳定性、系统故障等，有效提高工业生产的效率和质量。
二、工业控制系统的未来趋势1. 智能化化、网络化、集成化现代工业控制要实现智能化，那么工业控制系统就需要更加智能。
随着制造业的深入开展，自动化成为未来产业中一项不可或缺的技术，未来工业控制系统将向网络化、智能化、集成化的方向发展，将很多机器和设备的信息通过物联网或其他技术进行互联，以实现更加丰富、精准、可靠的处理和控制，以达到更好的结果。
过程装备与控制工程专业的现状及未来趋势分析摘要：现今过程装置设计和控制已经在所有制造业领域中处于不可或缺的地位。
同时由于远程控制和智能信息技术的迅速发展，产品加工的安全性、稳定性和经济性也将获得很大提高，工业自动化也已成为过程装备与控制工作专业发展的重要趋势，工业自动化发展已经彻底改变了传统手工加工和制造业生产的方式。
而现代远程控制系统，则将过程装备与控制工程先进的控制理论和现代化的机器控制技术相结合，利用计算机等现代化的媒介实现作业要求，以实现生产任务目标。
本章就过程装备与控制工程学科的发展状况和发展趋势作出了简单分析，但仅供于教学与借鉴。
关键词：过程装备与控制工程；发展现状；趋势从专业特性分析，过程装置及其控制专业是一个有着较强综合特点的专业，不但涉及机械工程、化工等方面的内容，还涵盖电工及其控制等内容。
该专业主要以培育新型技能人才为教育目标。
当前，过程装备与控制专业人才在中国的需要量直线增长，同时对专业人才的计算机能力也提出了更高的需求。
在现代计算机技术的帮助下，中国过程装备与控制学科专业发展的信息化和智能化的特征已逐步凸现出来。
分析中国过程装备与控制学科专业目前的状况和预见其发展方向，已成为中国有关部门所面临的重大课题。
一、生产过程装备及控制的发展现状以及整个社会意义为了满足产业需要，过程装备及控制学科所培养的学员必须有牢靠的过程装备机械开发、控制原理和其他的基础理论专业知识[1]。
从专业的形成到开发，给我国各领域的发展带来了巨大的整体水平支撑与发展能力。
随着国家平均科学技术的提升，过控专业在科技研发活力逐渐增强，对工、矿、金企业和制造业的发展上也产生着巨大的促进作用。
综上所述，工业过程装备设计及控制理论是现代化制造业发展的科学基础，是我国工业支柱产业的重要学科基础，是评价一个国家工业、制造业发展趋势的重要标准。
二、过程装备与控制工程的发展趋势流体装备及控制在工业生产等各个领域中的作用将日益重大，我国加强了对人员的培训工作，对人员的培训中，对基础知识的熟悉程度要求很高，人员对专业知识需要扎实、透彻的掌握。
监控系统在工业领域的应用与发展趋势随着科技的不断进步和工业智能化的快速发展，监控系统在工业领域的应用日益广泛，并且呈现出明显的发展趋势。
监控系统的应用不仅提高了生产效率，优化了生产质量，还增强了工业企业的安全管理能力。
本文将探讨监控系统在工业领域的应用，并展望其未来的发展趋势。
一、监控系统在工业领域的应用1. 生产过程监控监控系统在工业生产领域发挥着重要的作用，可以及时监测生产过程中的各项指标，并实时传输数据。
通过监控系统，工厂管理人员可以准确了解到生产线上的各个环节是否按照要求运行，如果出现异常情况，监控系统会发出警报，并及时采取措施进行修正。
这不仅提高了生产效率，还有效降低了生产成本。
2. 安全管理监控工业企业往往涉及到各种危险品和高风险工作环境，如化工厂、煤矿等。
监控系统可以帮助企业实时监测生产环境中的温度、气体浓度、压力等关键数据，一旦发生异常情况，监控系统会自动报警，提醒管理人员及时采取措施，避免事故的发生。
同时，监控系统还可以记录和回放视频，便于事后追溯和分析。
3. 资源管理监控监控系统可以对工业企业的资源使用情况进行全面监测和管理，如电力、水源、原料等。
通过监控系统，企业能够实时了解到资源的使用情况和浪费情况，及时调整和优化生产流程，从而降低能源消耗和资源浪费，提高资源利用效率。
二、监控系统在工业领域的发展趋势1. 人工智能与大数据的应用随着人工智能和大数据技术的不断发展，监控系统也将变得更加智能化。
传感器的智能化和通信技术的提升，使得监控系统可以通过人工智能算法自动判断数据异常，并及时调整运行状态。
同时，通过大数据分析，监控系统可以为企业提供更精确的预测和决策支持，优化生产流程，提高工业企业的智能化水平。
2. 无线传输技术的应用传统的监控系统往往需要铺设大量的有线网络，并且面临线路故障和安装难度的问题。
而无线传输技术的应用，可以解决这些问题，提高监控系统的可靠性和灵活性。
利用无线传感器网络，监控系统可以覆盖更大范围的监测区域，并实时传输数据，方便管理人员进行远程监控和控制，提高生产效率。
刍议现阶段我国工业工程的发展现状与未来发展趋势我国工业工程作为工业制造的重要支撑技术，其发展现状和未来发展趋势备受关注。
近年来，我国工业工程领域取得了长足的发展，但也面临着一些挑战和问题。
本文将就我国工业工程的发展现状与未来发展趋势进行深入探讨。
一、发展现状我国工业工程发展现状主要体现在以下几个方面：1. 技术水平不断提高我国工业工程技术水平不断提高，不仅在传统制造领域有了长足的进步，而且在智能制造、数字化工厂等新技术领域也取得了显著成就。
通过优化工艺流程、提高生产效率、降低生产成本，我国工业工程在工业生产中发挥着越来越重要的作用。
2. 工业互联网逐步成熟工业互联网是当前工业工程领域的热点之一，我国的工业互联网技术逐步成熟，已经在一些行业得到了广泛应用。
工业互联网通过数据共享、智能分析等技术手段，可以实现设备间的智能互联、生产过程的数字化监控和优化调度，有望为工业制造带来新的变革。
3. 产业结构持续优化随着我国经济由高速增长转向高质量发展，工业结构不断优化升级，这也为工业工程的发展提供了良好的基础。
一些传统产业正在向高端、智能化方向转型，这对工业工程提出了更高的需求。
4. 人才队伍建设成果显著我国在工业工程领域的人才队伍建设方面取得了显著成果，一大批高素质的工业工程专业人才涌现出来，为我国工业工程的发展提供了有力的支持。
二、未来发展趋势1. 智能制造将成为主导随着工业互联网、人工智能等新一代信息技术的快速发展，智能制造将成为制造业的主导方向。
未来，工业工程将更加注重智能化、自动化、柔性化、绿色化的发展，推动制造业迈向更高水平。
2. 工业工程与互联网深度融合工业工程与互联网的深度融合将是未来的发展趋势之一。
工业互联网技术将为工业工程提供更多的数据支持和智能化支持，从而实现制造过程的精细化管理和优化。
3. 绿色制造成为重要目标随着我国工业结构不断优化升级，绿色制造将成为未来工业工程的重要发展目标。
工业工程将更加注重节能减排、资源循环利用，推动工业制造朝着环保、可持续的方向发展。
智能制造系统中的过程控制与优化随着技术的快速发展，人们已经开始采用智能制造系统来进行工业生产。
然而，在这种系统中，过程控制和优化变得尤为重要。
本文将探讨智能制造系统中的过程控制和优化，包括常见的技术、挑战和未来趋势。
一、过程控制技术过程控制是一种系统性的方法，可以确保产品和服务的质量。
以下是智能制造系统中常用的过程控制技术：1. 传感器技术传感器是测量和控制工业过程的关键元件。
传感器可以收集实时数据并转换成数字信号，然后将这些信号发送给控制器。
这可帮助用户监测生产环境中的温度、湿度、气压等参数以及机器和设备的状态。
2. 自适应控制技术自适应控制技术是一种能够自动控制工业生产流程的技术。
它可以根据当前状态的变化自动调整控制器的输出。
这有助于规避人工控制过程中可能出现的大量错误和延迟。
3. 基于数据的过程控制技术这种技术可以通过收集、分析和处理数据来优化生产流程。
这样可以发现生产线上的瓶颈，改善效率，同时排除不必要的资源浪费，包括时间、材料和人力等。
二、过程优化技术除了过程控制技术，优化也是智能制造系统中的关键。
以下是一些常见的优化技术：1. 现代质量管理技术现代质量管理技术可以帮助企业监测和管理生产过程，以提高产品质量和降低成本。
这种技术主要关注如何避免不必要的浪费并提高产品质量。
这种技术主要包括六西格玛、SPC和质量功能部署等。
2. 生产计划与排程技术生产计划与排程技术可确保企业在最短的时间内生产最大的产品。
这种技术主要关注如何建立完善的工业生产计划和排程，降低生产成本，同时通过提高效率来提高竞争力。
3. 系统集成技术系统集成技术是将不同厂商的设备集成到一个系统中，以便优化工业生产。
这种技术主要关注如何将不同类型的设备集成到一个系统中，并提供先进的数据采集、处理和管理功能。
三、面临的挑战在智能制造系统中，过程控制和优化也存在挑战。
以下是一些面临的挑战：1. 设备接口标准化由于不同厂商的设备通常使用不同的接口和协议，因此将它们集成到一个系统中可能非常困难。
一、过控专业历史背景及其发展趋势1、历史背景上世纪50年代,出于国家化工建设的需要,设立了“化机”专业,即现在的过控专业的前身。
到上世纪末,为适应国家新的形势和经济发展的需要和顺应科技时代的潮流,也更多是为了改善这个专业名称差导致大家不愿来的局面,把这个专业的名称改成了现在的“过程装备与控制工程”,将机器装备、工艺流程及控制工程等内容融合在一起,培养“过-装-控”复合型专业人才。
该专业研究内容广泛、横跨了数个学科,包括了电工、机械、化工三方综合,具有“综合性跨学科先进专业”,同时也导致了博而不精的弊端。
随着全球现代化的需要和发展,在化工机械里面逐渐应用到了越来越多的自动控制。
20多年来,我国先后在60多个高校开设了这一个专业,截止到2008年全国共有100多所高校开设了本专业,使得该专业得到了很大的发展。
它是机械大学科的一个分支,它自己是属于机械领域,同时又服务于过程工业,自身的发展又需要机电控制。
所谓过程工业是指通过化学和物理的方法以达到改变物料性能的加工业,它涵盖了化学、化工、石油化工、食品、制药,甚至于冶金等众多行业部门。
就像她的名字,过程装备与控制工程专业发展主要分为两个方向:过程装备,控制工程;2、过程装备过程装备主要分为两个方向:第一部分是化工机器,指各种过滤机,破碎机,离心分离机、搅拌机、旋转干燥机以及流体输送机械等运动机械。
第二部分是化工设备,指主要作用部件是静止的或者只有很少运动的机械,如各种容器如槽、罐、釜等、高压容器,反应塔等反应器,换热、干燥、蒸发容器、电解槽,结晶、传质、吸附设备,以及离子交换器,还有一些流体输送机械,如泵、风机和压缩机等。
3、控制工程指对过程装备和及其系统的状态和工况进行监测,自动化控制,以确保生产工艺有序稳定运行,提高过程装备的可靠度和功能可利用度。
控制工程是将现代自动化先进技术与化工机械相结合,提高设备的效率。
4、专业内涵过控专业从事各类热加工工艺及成套设备工程设计、测控技能和工程科学研究、掌、创新改造和新型化工装置技术开发研究的基本能力,系统地掌握机、电、化三方面的知识;单从专业名称来看,就像上面所介绍的一样,可以把本专业理解为“设备”和“控制”两个部分,但本质其实还是有机统一的一个整体。
收稿日期：!""#$%"$!&基金项目：辽宁省自然科学基金资助项目（!""’!""%）・作者简介：马君（%()%$），女，辽宁大连人，沈阳大学硕士研究生；原忠虎（%(#!$），男，辽宁大连人，沈阳大学教授，博士・第%(卷第!期!""&年’月沈阳大学学报*+,-./0+1234.5/.6,.784-27958:;<%(，.:=!/>!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!?=!""&文章编号：%"")@(!!A （!""&）"!@""B #@"#流程工业过程监控的现状及未来发展趋势马君%，原忠虎%，马琳伟!（%=沈阳大学信息工程学院，辽宁沈阳%%""’’；!=沈阳工业大学信息科学与工程学院，辽宁沈阳%%""!B）摘要：分析当前流程工业发展过程中所面临的问题・介绍了过程监控的步骤以及目前国内外过程监控的三大方法，指出数据驱动技术在流程工业过程监控中的优势和流程工业过程监控的发展趋势・关键词：流程工业；过程监控；故障诊断；数据驱动中图分类号：9C%%’=!文献标识码：/!流程工业的过程监控步骤工业系统中发生的故障类型包括过程参数的变化、干扰参数的变化、执行器的变化和传感器的问题［%］・过程监控的目标是通过识别不正常行为来确保过程按计划运行的・这些信息不仅保持系统操作员和维护人员不断了解过程的运行状态，而且还帮助这些人员作出适当的补救措施，其结果是，正确的过程监控使停车时间最小化，设备运行的安全性得以改进，生产成本得以减少・为了确保过程运行状况满足给定的性能指标，需要对故障进行检测、诊断和消除・过程监控的四个步骤是故障检测、故障识别、故障诊断和过程恢复・这些步骤没有标准的术语，原因是由于它们随不同的学科而变化・这里采用的是莱奇（-D E F G ）和西纳（H E I D ?）［!］给出的术语・第一步：故障检测・就是确定故障是否发生了・及早进行检测可以对将会出现的问题提出非常有价值的警告，并采取适当的措施，避免严重的过程颠覆・第二步：故障识别・就是把那些与诊断故障最有关联的的观测变量识别出来・目的是把设备操作员和工程师的注意力集中到与故障诊断最相关的子系统上来，以便最有效地消除故障所带来的不良效应・第三步：故障诊断・就是确定哪一种故障发生了，确定所看到的故障状态的原因・伊色曼（7J K ?L D I I）［B ］更加明确地将故障诊断定义为：确定故障的类型、位置、量级和时间・第四步：过程恢复・也称作干扰，就是去除故障的影响，这是使过程监控环闭合所必需的一个步骤（如图%）・图!过程监控环示意图当故障发生后，常常可以通过重新配置、修改过程或重新调整控制器，使正常运行得以恢复・"流程工业的过程监控的方法现在，随着工业系统以及过程监控技术的发展，过程监控的方法可分为三大类：基于数学模型的方法（解析法）、基于知识的方法和基于数据驱动的方法［’］・"#!基于解析模型的方法所谓基于解析法，就是通过将被诊断对象的可测信息和由模型表达的系统先验信息进行比较，从而产生残差，并对残差进行分析和处理而实现故障诊断的技术［A ］・所谓残差，就是与被诊断系统的正常运行状态无关的、由其输入输出信息构成的线性或非线性函数・在没有故障时，残差等 万方数据于零或近似为零；而当系统中出现故障时，残差应显著偏离零点・为便于实现故障的分离，残差应当属于下面两者之一：!结构化残差（!"#$%"$#&’(&)*’$+,）：对应于每个故障，残差都有不同的部分与之对应，当诊断对象发生故障时，这些特定部分就由零变为非零；"固定方向性残差（-*.&’/*#&%"*01 (&)*’$+,）：对应于每个故障，残差向量都具有不同的方向与之对应・根据残差产生形式的不同，基于解析模型的故障诊断方法又可以分为状态估计方法、参数估计方法和等价空间方法・（2）状态估计方法基本思想是利用系统的解析模型和可测信息，设计检测滤波器（观测器），重构系统某一可测变量，然后由滤波器（观测器）的输出与真实系统的输出构造残差，再对残差进行分析处理，以实现系统的故障诊断［3］・在能够得到系统的精确数学模型的情况下，状态估计方法是最直接有效的・（4）参数估计方法基于故障参数估计的故障诊断方法首先将动态系统中的故障以一定形式的参数表示出来，其基本思想是：对故障系统构造适当形式的包含有可调参数的状态观测器，可调参数的初始值应当使得系统在没有故障时的观测误差和输出误差为零・当系统发生故障时，状态观测误差和输出误差偏离零点，此时利用状态观测误差和输出误差适当设计可调参数的调节律，对可调参数进行在线调节，使得状态观测误差和输出误差重新回到零点，此时观测器中可调部分的输出即为故障参数的估计结果・（5）等价空间方法等价空间方法的基本思想就是通过系统的输入、输出（或部分输出）的实际值检验被诊断对象数学关系的等价性（即一致性），从而达到检测和分离故障的目的・这些关系能够给出表示传感器输出之间静态代数关系的直接冗余或者被诊断对象输入输出之间的动态关系的瞬时冗余・6&#",&#［7］用动态等价方程产生残差序列，再利用等价方程中参数还留下的自由度进行重新设计，使得残差序列对故障具有特定的方向性，因此更有利于故障的分离・通常的等价空间法只能用于线性系统的故障检测与分离，不能用于故障幅值的估计・89&1等在等价空间法的基础上采用逆系统的方法，对残差序列进行处理，在一定条件下可以直接估计出故障的幅值・尽管这三种方法是各自独立发展起来的，但它们彼此之间却不是相互孤立的，而是存在一定的相互关系・文献［:］证明了等价空间方法与观测器方法在结构上的等价性・文献［;］则研究了参数估计方法和观测器方法之间的关系，并指出由观测器方法得到的残差包含了由参数估计方法得到的残差，因而两种方法在本质上是互补的・文献［2<］指出=等价空间方法和参数估计方法之>?的关系・文献［22］则指出了等价空间方法、观测器方法和因式分解方法的设计参数之间的新型关系，并以此为基础，对基于等价关系和基于观测器的残差发生器的参数设计中遇到的典型问题，提出了一种统一的解决方法・基于模型的方法发展时间较长，相对比较成熟，它使用根据基本原理构造的数学模型・但主要成果限于线性系统，监控性能的好坏很大程度上依赖于过程模型的准确程度・而且解析法必须有精确的、定量的数学模型才能奏效・对大系统来说，造价很高且很费时・由于流程工业的复杂性、严重非线性以及强耦合性等特点，基于模型的方法在流程工业的性能监控中难以得到广泛应用・!"!基于知识的方法基于知识的方法不需要对象的精确数学模型，因此具有很大生命力・它的发展大致经历了两个阶段［24］・近期出现的混合结构的专家系统，是将上述两个阶段的方法结合使用，互补不足，相得益彰・基于知识的方法主要可以分为基于症状的方法和基于定性模型的方法两类・（2）基于症状的方法基于症状的方法包括神经网络法、模糊推理法、模式识别法、故障树方法和专家系统法等・!神经网络法・人工神经元网络由于具有模拟任何连续非线性函数的能力和从样本学习的能力，因而在故障诊断中得到了广泛的重视・人工神经元网络用于故障诊断主要有四种方式：#用神经元网络产生残差；$用神经元网络评价残差；%用神经元网络做一步诊断；&用神经元网络作自适应误差补偿・在知识获取上，神经网络的知识不需要由知识工程师整理、总结领域专家的知识，只需要用领域专家解决问题的实例或范例来训练神经网络・神经网络系统的知识获取与专家系统相比，既具有更高的时间效率，又能保证更好的质量・神经网络采用隐式的知识表示，它在知识获取的同时，自动产生的知识由网络的结构及权值表示，并将某一问题的若干知识表示在同一网络中，通用性强，便于实现知识的自动获取和并行联75第4期马君等：流程工业过程监控的现状及未来发展趋势 万方数据想推理・神经网络的不足之处在于未能充分利用许多特定领域中专家积累起来的宝贵经验，只能利用一些明确的故障诊断实例，而且需要有足够的学习样本，才能保证诊断的可靠性・由于神经网络从故障实例中学到的知识只是一些分布权重，而不是类似领域专家逻辑思维的产生式规则，因此诊断推理过程不能够解释，缺乏透明度・!模糊诊断法・模糊诊断不需要建立精确的数学模型，适当运用隶属函数和模糊规则，进行模糊推理就可以实现模糊诊断的智能化・!"#"$［%&］等人运用’()(*+,-.*"/0型模糊模型研究了工厂级换热器网络故障诊断，他们的研究还表明这一方法可用于传感器故障的检测与分离・对于复杂的诊断系统，要建立正确的模糊规则和隶属函数是非常困难的，而且需要花费很长的时间・对于更大的模糊规则和隶属函数集合而一言，难以找出规则与规则间的关系，也就是说规则有“组合爆炸”现象发生・另外由于系统的复杂性、耦合性，由时域、频域特征空间至故障模式空间的映射关系往往存在着较强的非线性，此时隶属函数形状不规则，只能利用规范的隶属函数形状来加以处理，如用三角形、梯形或直线等规则形状来组合予以近似代替，也就使得非线性系统的诊断结果不够理想・"故障树方法・故障树［%1］法首先进行故障分析，将系统的故障作为上端事件（树的根节点），用逻辑符号（与、或、非）将上端事件和成为该事件直接原因的下部事件“（中间事件）连接起来，再对这些中间事件进行分析，直至基本事件（最基本的原因），然后进行故障树综合，求出作为上端事件充要条件产生的基本原因集合・计算上端事件的发生概率，对原因事件的重要性进行评价，提出改进措施・由于故障树技术可以明确表示事件与系统故障之间的逻辑关系，定量求出复杂系统的故障概率和其他可靠性参数，因而己在化工过程的反应器、加热炉等装置上得到应用・#专家系统法・专家系统诊断利用了专家积累的丰富实践经验，能模仿专家分析问题和解决问题的思路，而且能够解释自己的推理过程，解释结论是如何获得的，无论是在理论上还是在工程上应用都很广泛・专家系统是人工智能的一种技术，它通常由三个部分构成：$数据基：它是专家系统的主要的数据结构，存贮与求解问题有关的已知的或导出的数据；%知识基：它存储与求解问题有关的特殊知识；&推理机：它的任务是选择最合适的控制或推理步骤，从而实现问题的求解过程・专家系统能够不依赖于数学模型，以模拟专家思维的方式，进行过去只有专家才能完成的高级任务・专家系统自%234年起，开始在核反应器系统、电力系统的故障诊断中得到初步的应用，随后，人们开始研讨将专家系统应用于化工过程的故障诊断，并取得了初步的研究成果［%56%7］・故障诊断专家系统可以适用于由于化工过程机理复杂而不易建立数学模型和有多故障源的场合，它可为用户提供咨询作用・由于专家系统为用户提供了灵活的人机交互功能，易于修改它的知识基，因而可作为故障诊断的工具在多类化工过程中应用・然而专家系统也有不易克服的缺陷，如知识获取“瓶颈”问题・一方面由于专家知识有一定局限性，另一方面由于专家知识规则化表述有相当大的难度，两者造成了诊断知识库的不完备，表现为当遇到一个没有相关规则与之对应的新故障现象时，系统显得无能为力・应该说，基于知识的方法适合于有大量生产经验和工艺知识可以利用的场合，但通用性差；用这种方法要构造一个大系统的故障模型需要付出巨大的努力・（4）基于定性模型的方法基于定性模型的故障诊断方法近年来在欧洲受到了高度重视，得到了迅猛发展・定性仿真是基于定性模型的故障诊断方法的重要部分，它用表示系统物理参数的定性变量和表示各参数间相互关系的定性微分方程构成约束模型，描述并模仿系统的结构，以确定从给定的初始状态出发得到的系统状态・8$(/)［%9］提出了一种新颖的知识观测器的概念，类似于基于解析模型的方法中的状态观测器和:(;<(/滤波器・知识观测器由四个部分组成：定性模型、差异检测器、候选发生器和诊断策略，其中定性模型是知识观测器的核心・定性模型可以确定系统的期望行为，差异检测器通过应用测量状态和计算状态的隶属度函数来确定二者的偏差，候选发生器则通过递归搜索过程挖掘上述偏差，并将偏差映像到特定的离线指定或在线修正的故障假设中去・基于定性模型的故障诊断策略可分为两类：一类是基于故障模型，一类是基于正常模型・前一类应用故障模型来辨识故障元部件的故障方式，这种方法假设了所有故障模式均为己知・后一类则不必事先知道元部件如何发生故障即可辨识故障元部件・它以被诊断系统的正常行为模式为基础，借助于推理算法得到系统行为的所有可能的预测值・基于定性3&沈阳大学学报第%2卷 万方数据模型的故障诊断方法比起基于专家系统的方法，大大简化了知识获取的过程・!"#基于数据驱动的方法基于数据驱动的方法以采集的过程数据为基础，通过各种数据处理与分析方法（如多元统计方法、聚类分析、频谱分析、小波分析等）挖掘出数据中隐含的信息，从而指导操作工进行生产，提高监控系统的监控能力，比较符合流程工业的特点，通用性强・基于数据驱动的流程工业性能监控的研究与应用于!"世纪#"年代以来逐渐兴起・美国、西欧等发达国家近年来己投入大量的人力和物力，加强对该领域的资助，以期望通过生产数据分析来揭示、反映过程的内在变化，为提高产品质量提供有用信息，从而把数据资源的拥有优势转化为生产效益和产品质量优势［$%］・前两种工业过程监控和故障诊断的方法到目前为止大多只能应用到输入、输出和状态相对较小的系统中，而且没有有效的考虑到观测变量之间的相关性（空间相关），也忽略了同一变量在不同时间的测量值之间的相关性（序列相关）问题，所以在大的流程工业系统中并不是很适合应用・而现代工业系统，无论是整个工厂还是单独一台造纸机，都是大系统・数据驱动方法是建立在严格的统计研究基础上的，这些统计方法能把最重要的信息捕获到较低纬的空间上・且得到的过程数据是空间相关的，这是因为从过程中测得的大量传感器读数以及过程变量的变化通常被限制在较低的维度上［$#］；同样，过程数据也是序列相关的，是因为采样间隔相对较小，标准的过程控制器不能消除惯性部件在系统中的影响，如水箱、反应器和再循环流・而多元统计方法本身就是解决变量间相关性的一种数学方法・正因为如此，数据驱动技术非常适合于大型流程工业系统的故障检测与故障诊断・主元分析法（&’(）和部分最小二乘法（&)*）是目前基于多元统计过程控制的故障诊断技术的核心［!"］，在此基础之上现在还有两种典型的数据驱动技术：费舍尔判别分析（+,(）和基于规范变量分析（’-(）・这四种数据驱动技术都是基于严格的多变量统计学的降维技术，&’(、+,(、&)*、’-(的量度可以完全基于数据来计算：（$）主元分析法（&’(）&’(是在监控工业系统时使用得最为广泛的数据驱动技术・&’(是一种根据已获取数据的方差而进行的最优降维表示，可以改善应用多变量间的相关性［!$］・由&’(给出的对数据的降维表示，可以改善应用多变量统计学进行检测和诊断故障的效果・根据&’(提炼出的结构可用于识别与故障有关的变量或受故障影响最大的变量・目前，对&’(的研究也很多・已经有专家提出了许多改进的新&’(方法如［!!.!/］：采用多变量核密度估计方法对系统性能进行监控；提出以主元子空间相互之间的距离来识别不同的工况；利用神经网络对间歇过程的非线性和动态特征进行描述，神经网络的预测残差则利用多尺度主元分析进行建模，从而将多尺度主元分析扩展用于间歇过程的监控・（!）费舍尔判别分析（+,(）+,(是在模式分类领域里研究和发展起来的一种降维技术［!0］・+,(用来确定观测空间中的这样一个部分，该部分在区分几种数据类时是最有效的・判别分析法就是把观测空间的这一部分应用到故障诊断中・而降维技术是被同时应用到全部类的数据中・因此，当求解每个类的判别函数的值时，就会使用全部的有关故障类的信息，并期望会有更好的故障诊断性能・+,(的理论研究进展说明，它在用于诊断故障时应该比&’(效果好・目前改进的+,(方法有：提出了多向+12345判据分析（6+,(）的方法用于间歇过程监控等［!7］・（8）部分最小二乘（&)*）&)*是数据分解的方法，它将每个部件的预测器（独立的）数据块与被预测（相关的）数据块之间的协方差最大化・&)*试图在描述预测器数据块!大量变化的过程中，找出与被预测数据块"相关联的负荷向量和得分向量［!9］・&)*的一种流行用法是，选择"包含传感器数据，!只包含产品质量数据・类似于&’(，这种推理模型（也称为软传感器）可用于检测，识别和诊断故障・&)*的另一应用是把!定义为类成员，主要针对故障诊断，这种&)*的另一应用是把!定义为类成员，主要针对故障诊断，这种推理&)*方法称为判别式最小二乘法・（/）规范模型分析（’-(）基于&’(、&)*、+,(的过程监控统计方法，通过把在某一特定时刻采集到的数据扩充到前几个连续采样周期中采集到数据中，经扩展后也可以包含序列相关法・处理序列相关的另一方法就是求取多个数据点上测量值的均值・另一简单的方法就是使用较大的采样间隔・然而，这些方法在求解序列相关时，都没有利用在系统辨识理论中取得的有价值的研究进展・直接从数据中产生状#8第!期马君等：流程工业过程监控的现状及未来发展趋势 万方数据态变量的一类系统辨识方法被称为子空间算法・这种基于规范变量分析（!"#）的子空间算法具有特别的诱惑力，其原因在于它与$!#、%&#、和$’(有着紧密的联系・这种联系促进了基于!"#的统计法向考虑了序列相关性的故障检测、识别和诊断方向的偏移・这四种方法代表着当前数据驱动过程监控方法的技术水平，它们在许多流程工业中得到了广泛的应用・由于典型的现代过程都有大量的仪器仪表，要从观测的数据中实现对过程运行情况的评估，已超出了操作员或工程师的能力范围・数据驱动技术的优势在于它们能够将高纬的数据变换成低纬，并从中获取重要的信息・通过给过程操作员或与工程师计算出一些有意义的统计数字，就可以大大改善大系统的过程监控系统，而且可以利用这些数据提前预测出系统将要出现的故障，有效地提高产品的质量，减小企业不必要的损失・（)）分析数据的困难基于数据驱动的性能监控的研究不需过程的精确解析模型，所获得的理论成果和方法能够较快地应用于实际工业生产中・在分析工业过程数据时都将面临如下几个困难［*+］：!数据质量（&,-,./,01-2）・工业过程中的测量变量往往会受到各种噪声源的影响・但若传感器发生故障或通讯网络发生问题，导致数据不可靠・噪声和丢失数据的影响使得从数据中提取和解释信息变得更为困难・"数据大小（&,-,(134）・由于计算机技术的应用，数据的维数很大・但实际生产过程只对少数几个关键变量进行监控，所以，其他数据所包含的信息都丢失了・#数据的共线性・过程包含大量变量并不一定意味着过程本质上是高维的・事实上，大多数工业过程可以用更少的维数来描述，这是因为过程往往是由几个主要的机理（如质量平衡、能量平衡、动量平衡、反应动力学等）所驱动，变量之间往往存在相关性・这使得传统的统计方法难以奏效，因为它们往往假定变量之间都是相互独立・$数据的时变性・由于原料性质、市场需求等外部条件的变化，工业生产过程往往在多个稳态操作点进行生产，并具有多个不同的生产负荷・这些外部条件引起的数据变化应该认为是正常的，监控系统应有能力区别外部条件与内部状态的变化・%数据的多尺度性・5,6781指出过程扰动实际上是发生在不同的时间尺度上［*9］・某些扰动对过程的影响可能是短时的，而有些扰动对过程的影响可能更长更慢・而有关扰动时间尺度的信息有助于扰动的识别，采取正确的校正措施・&数据的非线性・工业过程往往展现出非线性行为，变量之间的关系用线性函数去近似有时不能得到很好的结果・在这种情况下，监控系统需要考虑过程的非线性・’数据的动态特征・大多数动态过程的测量数据都是自相关的，也就是说，当前时刻的测量与先前时刻的测量并不是独立的，实际上它们构成时间序列・:4;13和!1<,=指出数据的动态特征对于统计量的统计特性有很大影响［>?］・!未来研究发展趋势多变量过程监控理论的研究是近@?多年来才开始的，在这个领域有以下几个方面的问题和方向值得深入研究：（@）引入新的信号处理方法到该领域・主元分析最早并未用于监控，而是一种数理统计方法・因此，在过程性能监控领域，通过将用于其他领域的信号处理方法引入到性能监控领域，有可能会获得比较好的结果・如独立分量分析最早是用于解决盲源分离问题的・又如在语音信号处理领域中比较成熟的隐马尔可夫过程最近也有人用于过程监控领域&@，取得较好的结果［>@］・（*）集成化・分两个方面，一方面，目前已有大量的监控算法被提出，每种方法都有其各自的优缺点，没有一种算法能够用于解决所有问题・因此，深入研究各种算法的内在联系和特点，将具有互补性的算法集成在一起有可能获得比较满意的效果・目前，"4<6,-,7/A=,B,<1,<［>*］在各种不同算法的集成方面作了一定的工作・另一方面监控系统与其他子系统是有密切联系的，研究如何将监控系统与其他子系统有机地集成起来，形成一揽子解决方案（C D-,0(D0/-1D<），将是很有意义和应用前景的课题・（>）智能化・前面提到了数据驱动技术在流程工业中的优势，虽然基于数据驱动的算法实用性和通用性比较强，但是还是具有局限性，因为它没有利用过程模型信息和人的知识，故障监测与诊断能力有限・事实上，一个性能良好和完备的监控系统必须将人的知识包含在其中，并具备推理决策能力・这方面属于知识工程和人工智能的范畴，是今后监控系统研究应该努力的方向之一・（E）对非线性时变系统的监控算法和小样本条件下故障诊断方法的研究・就非线性时变参数系统而言，目前的监控理论和算法也不完善，需要?E沈阳大学学报第@9卷 万方数据。
