基于數據融和的制氫設備故障診斷和監控系統

成 回 中

(云南省大氣探測技術保障中心， 云南 昆明 650034)

0 引 言

氫氣是一種易燃、易爆物，因此電解水制氫從制氫到充氣的全過程都具有明顯的危險性，研究人員在制氫設備的關鍵部位都采取了不同的安全防范措施，并且在不斷提高這些防范措施的可靠性和先進性[1-5]。本系統利用最先進的電子設備和控制理論，把原來制氫系統中的模擬監控儀表更換為穩定可靠的數字監控儀表，將分散的點式監控更換為集成式智能監控，將現場聲光報警增強為現場、遠程多形式報警，將單個傳感器數據檢測擴展為多個傳感器數據融和分析，對可能出現的超閾值趨勢或故障進行診斷和預警。從而進一步確保了制氫設備和工作人員的安全，同時明顯減輕了現場工作人員的勞動強度。經2年的實際應用，該系統具有顯著地實用性、可靠性和先進性。

1 系統硬件平臺

制氫設備故障智能診斷監控系統采用目前最先進的工業控制技術設計的一種由下位機和上位機組成的多功能工業生產控制系統[6-8]。該系統的下位機結合工業級芯片AT91SAM9G45和開源的嵌入式Linux系統進行設計，不僅可以實現工業生產環境中數據的采集、傳輸與顯示，還擁有短信報警、遠程視頻監控和電力線遠程傳輸等功能;基于PC實現的上位機主要功能是對下位機傳輸的數據進行存儲、智能化處理與圖形化顯示，同時可對下位機的參數進行設置。在對下位機傳輸的數據進行智能化處理方面，重點實現了制氫設備故障的多融和智能診斷，使系統不僅能夠在單個傳感器數據超過上限數值時實時報警，而且能夠根據多個傳感器數據進行融和處理，實現制氫設備故障智能診斷預警。本系統硬件設計的理念是：先進性；可靠性；可擴展性；性能價格比高。

制氫設備故障智能診斷監控系統硬件結構示意圖如圖1所示。其中制氫壓力傳感器檢測制氫設備在制氫過程中產生的實時壓力，以防止設備過壓發生爆炸；充氣壓力傳感器檢測給用戶器具充氣時的壓力，以便制氫設備在需要時開始工作，維持儲氫罐的壓力在正常范圍內；槽體溫度傳感器檢測制氫電解槽中的實時溫度，以保證制氫電解槽的溫度在正常值；泄氫濃度傳感器檢測制氫、存儲氫設備車間中空氣所含氫氣的濃度，以反映制氫設備是否有泄氫現象；直流電壓傳感器檢測制氫設備的動力電源是否在允許范圍內，以保障制氫設備能正常工作。

圖1 制氫設備故障智能診斷監控系統硬件結構示意圖

本系統根據制氫設備的特殊生產環境，在常規工業控制基礎上有以下幾個增改部分。

(1) 電力線網絡傳輸技術。在工業制氫現場，因為含有爆炸氣體,通常下位機與上位機之間是通過有線網絡進行連接的，而不采用無線網絡[6-7]。這樣，在現場和監控室之間需鋪設專用的網線。在一些特殊建筑車間不易后期增鋪電纜，而采用電力線網絡傳輸技術，便可利用現有的電網，將網絡信號調制成電力信號進行傳輸，可以實現高達200 Mb/s或500 Mb/s的傳輸速率，大大減少了鋪設網線的成本，而且靈活性更高，便于本系統的推廣應用。

(2) GSM/GPRS遠程短消息報警技術。本系統選擇具有防靜電功能的工業級短信貓，要求提供串口RS232標準接口，支持PDU和TXT短信格式，具有中文短信收發、英文短信收發以及無線上網功能。

(3) 遠程視頻監控技術。視頻監控是制氫設備監測終端的新擴展內容，系統通過高清攝像頭采集現場圖像信息，用戶通過手機或者具有瀏覽器的移動設備連接下位機的網絡視頻服務程序，就可實時監控制氫工業現場的狀況[8]。該設備充分利用攝像機的硬件壓縮功能，盡量減少CPU運算時間，保證了圖像傳輸的實時性，是嵌入式設備視頻監控的一種可行解決方案。

2 智能診斷監控方法

多數據融和制氫設備故障智能診斷監控系統采用VB作為軟件開發環境，數據庫采用Microsoft Office Access 2007，以圖形化的形式實現對下位機采集數據的實時顯示、存儲和智能分析處理，并為下位機設置參數[9-11]。本系統軟件設計的理念是智能化；人性化；標準化。

本系統圖形界面主要包括登錄界面、主界面及功能界面三類。登錄界面主要是為了設置使用者的權限，目的是讓注冊用戶使用軟件。主界面提供了軟件的基本功能和重要數據的顯示，界面提供各種按鈕，按下對應按鈕則轉向相應的功能界面進行操作。功能界面則實現具體的各種控制功能。

制氫設備故障智能診斷系統的主要數據模型如表1所示。設計數據庫時按照這些數據處理的要求進行結構設計和行為設計。

本系統根據制氫設備的特殊生產環境，在對下位機傳輸的數據進行智能化處理方面，重點實現了制氫設備故障的多融和智能診斷，使系統不僅能夠在單個傳感器數據超過上限數值時實時聲光報警，而且能夠根據多個傳感器數據進行融和處理，對可能出現的超閾值趨勢或故障進行分析，實現制氫設備故障智能診斷并預警。

表1 工業制氫監控系統的主要數據模型

通過對制氫設備實際監測數據的統計分析，我們發現制氫壓力pz、充氣壓力pc、槽體溫度tc、泄氫濃度LH和直流電壓UW超限報警時的數據并非完全獨立的，而是相互影響。比如pz和tc發生明顯同步上升時，這意味著制氫電解槽有可能存在某種潛在的故障，這就可以在報警發生前，提示技術人員在適當的時候對制氫電解槽進行一次檢修。比如pc和LH具有明顯的相關性，LH達到上限值時就會報警，通常pc會有降低現象。如果pc無故明顯下降，而LH無任何變化，則需要對泄氫濃度傳感器進行一次檢查。

如何對這些現象進行有效的分析和處理？顯然，一次總的診斷結果應該是對單個診斷信息的融合而做出的決策，對于制氫設備實際獲得的是至少2個或2個傳感器以上的數據診斷結果，但并不能說它們各自完整、準確地代表了總體的診斷結論，因而還需要對它們進行決策層融合，獲得更準確的診斷并預警。從貝葉斯統計學的觀點看，各傳感器數據的獨立診斷信息都可以看作隨機變量，這些隨機變量并非一定是總體診斷的真值，而只是總體真值的一個隨機表現，但都隱含著總體真值的一些信息，是總體真值的局部表現形式[12-15]。因此需要對這些局部診斷信息進行再融合,最終推斷出總體診斷信息,給出最佳的制氫設備故障診斷結果。

本系統采用多數據融和方法實現對制氫設備故障智能診斷并預警。

設hi(1≤i≤5)為本系統5個傳感器獨立診斷所導出的故障基本概率分配函數，此5個傳感器獨立診斷共同作用下的概率分配函數：

h=h1+h2+…+hm=

(1)

其中：h(K)為K的基本可信度；D表示不同故障之間的測度，D越小，各故障之間的沖突越小，有：

(2)

設對數據表征的現象有m種不同的診斷結論，故障樣本庫中共有J種故障樣本，現象與樣本有相似距離為d，m次診斷的率屬度矩陣為：

(3)

則基本可信度函數的值可由下式確定：

(4)

基本可信度函數hm(ki)表示“所診斷出的故障是標準故障庫中第i個故障”的可信程度。其中:δi為權值，主要由2個的因素確定：① 性能權值因素。對傳感器獲得的數據所表征的現象與故障結論相對穩定的故障診斷應給以較大的權值。本文經過大量實驗分析，對實際制氫環境中的故障現象進行統計，采用故障的平均正確診斷率作為性能權值。② 相關性權值因素。實際制氫環境中各故障特征描述提供的信息是存在相關性的，所以相對獨立的故障案例則應給以較大的相關性權值，反之給以較小的權值。比如，5個傳感器數據超過上限數值時δi=1，讓它們能各自獨立報警。

這樣，當對多數據融合，有k1,k2?Θ，Θ為故障診斷框架，取J個故障庫的樣本。有：

h(k1)=max{h(ki)},ki?Θ,i=1,2，…，J

h(k2)=max{h(ki)},ki?Θ,且ki≠k1,

i=1,2，…，J

且：

(5)

其中：h(Θ)表示不確定性；α1、α2為設定的門限，多數據融合制氫設備故障診斷的結果為h(k1)，并在當天數據分析結論中提出基于h(k1)的預警報告。

3 結 語

本系統主要通過下位機對制氫過程中制氫壓力、充氫壓力、槽體溫度、制氫電壓、泄氫濃度5個關鍵指標數據的實時采集，利用上位機實現對數據的智力處理，一旦發現險情，不僅現場聲光報警，并且向相關人員發出手機短信，進行手機視頻監看，同時啟動保護控制系統，停止制氫。本系統還根據制氫設備的特殊生產環境，實現了制氫設備故障的多數據融和診斷，使系統不僅能夠在單個傳感器數據超過上限數值時實時聲光報警，而且能夠根據多個傳感器數據進行融和處理，對可能出現的超閾值趨勢或故障進行分析和診斷，并及時提出預警，防范故障于起勢，進一步提升了制氫設備安全保障的可靠性。

[1] 周東華, 李 鋼, 李 元. 數據驅動的工業過程故障診斷技術—基于主元分析與偏最小二乘的方法[M]. 北京: 科學出版社, 2011.

[2] Gill S, Stephen B, Galloway S. Wind turbine condition assessment through power curve Copula modeling[J]. IEEE Transactions on Sustainable Energy, 2012, 3(1): 94-101.

[3] Zhang Hao, Li Yanan, Zhu Huiling. Development for protocol conversion gateway of Profibus and Modbus[C]∥2011 International Conference on Advanced in Control Engineering and Information Science, CEIS 2011:767-771.

[4] 程勝勇,劉暾東.基于MODBUS通訊的信號采集卡的設計[J].現代電子技術,2005,211(20):25-31.

CHENG Shengyong, LIU Dundong. Designof Signal Collection Card Based on MODBUS Communication [J]. Modern Electronic Technique, 2005,211(20):25-31.

[5] Li Yanxia, Zhang Moli, Niu Danmei, Zhang Xiaoling. Design and implementation of embedded system based on Modbus TCP/IP[C]∥Advanced Materials Research and Materials Science and Information Technology II. 2012:667-671.

[6] 薛 弼.基于WinCE的ARM9嵌入式一體化工控機的設計、實現與應用[D]. 上海：上海交通大學,2007.

[7] 華智慧.基于ARM的一體化工控機驅動程序的設計與實施[D]. 上海：上海交通大學，2007.

[8] 譚 帥, 王福利, 常玉清, 等. 基于差分分段 PCA 的多模態過程故障監測[J]. 自動化學報, 2010, 36(11): 1626-1635.

Tan Shuai, Wang Fu-Li, Chang Yu-Qing,etal. Fault detection of multi-mode process using segmented PCA based on differential transform[J]. Acta Automatica Sinica, 2010, 36(11): 1626-1635.

[9] Ye Jihua, Huang Liang, Deng Fangqi,etal. Research and implementation of embedded image transmission system based on GSM[C]∥Proceedings of 2012 7th International Conference on Computer Science and Education.CCSE2012:312-315.

[10] Li Jing, Hao Weidong. Research and design of embedded network video monitoring system based on linux. Proceedings - International Conference on Computer Science and Software Engineering[C]∥CSSE 2008:1310-1313.

[11] 成謝鋒,馬 勇.基于數據融合的三段式心音身份識別技術[J]，儀器儀表學報，2010, 31(8):1712-1720.

Cheng X F, Ma Y. Three-step identity recognition technology using heart sound based on information fusion[J]. Chinese Journal of Scientific Instrument, 2010,31(8):1712-1720.

[12] Piella G. A general framework for multi-resolution image fusion: from pixels to regions [J]. Information Fusion, 2003, 4(4): 259-280.

[13] 成回中.基于改進CBR的天氣雷達故障診斷專家系統的研究[J].現代雷達, 2013.35(5):59-62.

cheng huizhong. Weather Radar Fault Diagnosis Expert System Based on Improved Case - based Reasoning[J]. Modern Radar, 2013,35(5):59-62.

[14] cheng huizhong,Cheng xiefeng.A Radar Fault Diagnosis Expert System Based on Lmproved CBR[J]. Desing and Manufacture in Mechanical Engineering, 2013,432(6):189-191.

[15] 成謝鋒，姜 煒，劉子山.一種新的人體運動強度檢測方法的研究[J].儀器儀表學報，2013, 34(5) :1153-1159.

Cheng Xiefeng, Jiang Wei, Liu Zishan. Study on a new method of human body exercise intensity detection[J]. Chinese Journal of Scientific Instrument, 2013, 34(5) :1153-1159.