基于多层优化PCC-SDG方法的化工过程故障诊断

化工过程的故障发生往往都是一个变量带动多个变量的连锁效应。本文基于变量的相关性变化特点,用符号有向图SDG(signed directed graph)描述系统因果影响关系,以皮尔逊相关系数PCC(Pearson correlation coefficient)计算网络统计指标,提出了一种基于多层优化PCC-SDG的故障诊断方法。该方法基于全工艺的网络拓扑结构,首先对选取的变量进行初步优化。然后,为有效提取工艺特征信息,运用PCA(principal component analysis)权重思想从多层相关系数集中选取了权重较大的关键变量,结合SDG建立最优PCC-SDG网络。最后,针对最优PCC-SDG网络变量的相关性规律重构聚集权重系数Q,进行过程故障检测与诊断。TE(Tennessee Eastman)仿真过程的应用结果表明,PCC-SDG建模及故障诊断步骤较为简洁,可以充分挖掘SDG深层次关联特性,定量简化SDG的故障诊断效果明显,具有较好的过程监控优势。