基于数据挖掘的工艺参数异常趋势诊断的专家系统设计

中文题目：基于数据挖掘的工艺参数异常趋势诊断的专家系统设计

论文题目：An Expert System Based on Data Mining for a Trend Diagnosis of Process Parameters

录用期刊/会议：processes (JCR Q2)

原文DOI：10.3390/pr11123311

原文链接：https://www.mdpi.com/2227-9717/11/12/3311

录用/见刊时间： 2023.11.28

作者列表：

1）王   珠 中国石油大学（北京）信息科学与工程学院/人工智能学院 自动化系 教师

2）王少贤 中国石油大学（北京）信息科学与工程学院/人工智能学院 控制工程 硕 21

3）张少康 中国石化石家庄炼化公司电气仪表部 经理

4）湛嘉乐 中国石油大学（北京）信息科学与工程学院/人工智能学院 控制科学与工程 硕 22

摘要:

为了诊断工业过程中工艺参数的异常趋势，本文提出了基于滚动数据KPCA和SVDD的专家系统（ES-KPCA和ES-SVDD）。该专家系统能够利用数据挖掘技术识别工艺参数的大幅度趋势异常和大幅波动，并及时触发警报。该系统包括基于规则的工艺参数稳定性评估，以评估工艺参数是否稳定。和当参数不稳定时，使用基于滚动数据的KPCA和SVDD方法来诊断工艺参数的异常趋势。最后，专家系统通过UniSim仿真和化工厂的实验数据进行实验验证。结果表明，该专家系统对工艺参数异常趋势具有良好的诊断性能。

背景与动机:

在石油化工DCS中，关于工艺参数的报警往往是关于触发报警线的设置，但是对于触及报警线之前工艺参数趋势已经有明显异常或出现异常波动性的情况，并没有报警提示。因此，针对工艺参数波动性进行诊断与报警，正好弥补了这方面的不足，并且在触发报警线之前的波动性报警能起到工艺预警的作用。对现场的紧急处置以及巡检维护而言，起到及时性、提前性的关键作用。

设计与实现:

步骤1 通过接口获取工艺参数数据。

步骤2 构建前向时序数据判断矩阵和诊断向量。

步骤3 若前向时序数据判断矩阵归一化成功，则评估工艺参数的稳定性，并利用滚动数据KPCA和SVDD进行异常趋势检测。

步骤4 若前向时序数据判断矩阵归一化失败，评估工艺参数的稳定性。

步骤5 离线参数调整阶段：调整阈值参数并检查报警位置，确保其合理性。

步骤6 在线诊断阶段：获取并应用离线阈值参数调整阶段的阈值参数。

图1 算法流程图

主要内容:

1.滚动数据矩阵

以不同的实时时刻i为基本，构造最近期的参数列向量作为需要判别的诊断向量，后构造前向时刻时序数据矩阵作为用于相似性对比矩阵，如下所示。

                      前向时序数据判断矩阵          诊断向量

2.基于规则的工艺参数平稳性判定

获取工艺参数历史数据，构成滚动数据矩阵，并按列计算均值和标准差。

计算滚动数据矩阵的所有数据均值和标准差，若当前数据满足式（2），则令离群点等于均值。

对工艺参数当前时刻进行统计分析。

其中，若满足式（3）则当前工艺参数存在异常波动性。

3.基于滚动数据KPCA的参数趋势诊断

滚动数据KPCA是通过将原始数据转化前向时序判断数据矩阵和诊断向量，利用KPCA对前向时序数据判断矩阵特征提取，然后通过相似性比较进行诊断，诊断流程如图2所示。

图2 滚动数据KPCA工艺参数异常趋势诊断流程

4.基于滚动数据SVDD的参数趋势诊断

通过将原始数据转化前向时序判断数据矩阵和诊断向量，利用SVDD对前向时序判断数据矩阵训练成为超球体，并记录该超球体的球心和半径。再通过SVDD相似性比较方法，进而进行故障报警。具体流程图如图3所示。

图3 滚动数据SVDD工艺参数异常趋势诊断流程

实验结果及分析:

ES-KPCA与ES-SVDD离线调试参数阶段的数据共8726组，共诊断687次。

图4 离线调参结果

表1 相关参数调整结果

在线诊断时，三个工艺参数共在线诊断444次。设置对比实验ES-PCA和ES-OCSVM。

在线诊断结果如下：

图5 在线诊断结果

在图5a中，ES-PCA方法检测到9处大幅度脉冲和2处大幅度工况调整，小幅度工况调整有3处误报。在图5b中，ES-OCSVM方法检测到9个大幅度脉冲和2处大幅度工况调整。图5c和d显示，本文方法将10个大幅度脉冲和2个大幅度工况调整全部检测出，且不存在误报。

小结:

本文详细描述了一个基于数据挖掘的工艺参数趋势诊断专家系统。专家系统结合对工艺参数稳定性评估以及数据清洗。以及当工艺参数不稳定时，利用滚动数据KPCA和SVDD方法来进一步评估异常趋势。此外，使用UniSim和国内炼油厂的数据进行了有效性验证，并使用ES-PCA和ES-OCSVM进行了比较实验。结果表明，本文提出的专家系统能够有效地诊断工艺参数的大范围波动和异常趋势，通过对专家系统的消融研究，诊断效果优于ES-PCA和ES-OCSVM方法。因此，专家系统可以实时监测工艺参数的异常变化，并及时采取行动，提高生产效率和质量水平。

作者简介:

王珠，男，博士，中共党员，现任中国石油大学（北京）副教授、硕士生导师。2016年至今在中国石油大学（北京）自动化系工作，现任北京人工智能学会理事、中国化工学会信息技术应用专业委员会青年委员。

长期从事系统辨识与智能控制、石化过程故障预警、以及基于深度学习的时间序列预测等方面的研究工作，以第一作者或通讯作者身份发表高水平学术论文20余篇。主持国家自然科学基金项目及多个企业横向项目。