基于SFD技術(shù)的表面活性劑裝置聯(lián)鎖報(bào)警系統(tǒng)

王 琪

(南京化工職業(yè)技術(shù)學(xué)院自控系，南京 210048)

在表面活性劑裝置的生產(chǎn)過程中，環(huán)氧乙烷裝卸、儲(chǔ)存、進(jìn)料及磺化反應(yīng)等工序都具有相當(dāng)?shù)奈ｋU(xiǎn)性，操作不當(dāng)容易造成事故，因此，必須通過安全有效的控制手段來保證裝置的生產(chǎn)安全。現(xiàn)階段企業(yè)普遍采用計(jì)算機(jī)來控制系統(tǒng)的報(bào)警和聯(lián)鎖，速度和可靠性有較大提升，相比而言傳感器故障成為了系統(tǒng)啟動(dòng)報(bào)警和聯(lián)鎖的主要誘發(fā)因素[1,2]。以往的聯(lián)鎖報(bào)警系統(tǒng)在傳感器檢測(cè)被控參數(shù)的過程中并不執(zhí)行任何動(dòng)作，只有當(dāng)被控參數(shù)達(dá)到報(bào)警極限時(shí)才進(jìn)行聯(lián)鎖報(bào)警，對(duì)傳感器故障的診斷也是在事后進(jìn)行。如果從研究傳感器的故障診斷方面考慮聯(lián)鎖報(bào)警系統(tǒng)的設(shè)計(jì)問題，可以在傳感器工作的過程當(dāng)中就及時(shí)診斷出傳感器的故障，這樣既可以及時(shí)聯(lián)鎖報(bào)警，同時(shí)也降低了技術(shù)人員在聯(lián)鎖報(bào)警后再去查找、分析傳感器故障原因的工作困難，該方法對(duì)保證表面活性劑產(chǎn)品質(zhì)量，降低能耗，防止發(fā)生安全事故有著重要的意義。

基于傳感器故障診斷(Sensor Fault Diagnosis，SFD)技術(shù)的聯(lián)鎖報(bào)警系統(tǒng)由現(xiàn)場(chǎng)設(shè)備層、故障診斷層和聯(lián)鎖報(bào)警層組成，其結(jié)構(gòu)如圖1所示。

圖1 基于SFD技術(shù)的聯(lián)鎖報(bào)警系統(tǒng)3層結(jié)構(gòu)

現(xiàn)場(chǎng)設(shè)備層。在表面活性劑的生產(chǎn)過程中，現(xiàn)場(chǎng)設(shè)備層的傳感器一旦發(fā)生故障，所產(chǎn)生偏離被測(cè)信號(hào)真實(shí)值的故障信號(hào)會(huì)通過控制回路在整個(gè)廠級(jí)范圍內(nèi)迅速傳播并傳遞至控制器部分。

故障診斷層。傳統(tǒng)的現(xiàn)場(chǎng)設(shè)備層無法判斷故障是否存在，只能單純地執(zhí)行控制算法和控制策略，因此應(yīng)在現(xiàn)場(chǎng)設(shè)備層上增加故障診斷層以檢測(cè)出故障存在與否并對(duì)其進(jìn)行分析。如果通過故障檢測(cè)模塊判斷確實(shí)存在傳感器故障，那么可以收集那些經(jīng)常發(fā)生的、具有一定特點(diǎn)的故障信號(hào)研究其發(fā)生頻率和故障數(shù)學(xué)模型描述，然后按照其故障發(fā)生的頻率依次在故障診斷模塊中建立起故障特征庫，以便對(duì)檢測(cè)信號(hào)進(jìn)行判斷。在故障特征庫對(duì)故障信號(hào)進(jìn)行匹配診斷后甚至可以進(jìn)一步根據(jù)故障類型對(duì)故障信號(hào)進(jìn)行補(bǔ)償修正，使其恢復(fù)到被測(cè)信號(hào)的真實(shí)狀態(tài)，即對(duì)于歷史故障的主動(dòng)補(bǔ)償容錯(cuò)控制，可以通過主動(dòng)補(bǔ)償容錯(cuò)控制模塊中的歷史故障補(bǔ)償容錯(cuò)控制庫實(shí)現(xiàn)。

聯(lián)鎖報(bào)警層。在故障診斷模塊中，當(dāng)前的故障信號(hào)與故障特征庫未能匹配，則其屬于非經(jīng)驗(yàn)型故障即未知故障，對(duì)于未知故障系統(tǒng)將進(jìn)入聯(lián)鎖報(bào)警層進(jìn)行處理，密切監(jiān)控生產(chǎn)狀況，一旦檢測(cè)信號(hào)超過報(bào)警極限就發(fā)出警告或緊急切斷電源進(jìn)行聯(lián)鎖，技術(shù)人員可以通過權(quán)限更改設(shè)定值，進(jìn)行參數(shù)整定或修改相關(guān)指令等。

2 基于殘差包絡(luò)軌跡法的故障檢測(cè)模塊的設(shè)計(jì)

判斷傳感器是否發(fā)生故障首先要建立傳感器故障的數(shù)學(xué)模型，分析其故障函數(shù)，對(duì)比故障信號(hào)與非故障信號(hào)的區(qū)別，以此檢測(cè)出故障信號(hào)存在與否。

2.1 傳感器故障的數(shù)學(xué)描述

分析傳感器輸出信號(hào)的構(gòu)成，可將傳感器故障的數(shù)學(xué)模型描述為：

x=g(x,u)+?(x,u)

(1)

(2)

式中g(shù)(x,u)——系統(tǒng)非線性模型；

u——輸入矢量；

x——狀態(tài)矢量；

y(t)——傳感器實(shí)際輸出；

γ(t)——測(cè)量過程中產(chǎn)生的隨機(jī)誤差，呈正態(tài)分布，平均值為0；

ζ(x,u,t)——傳感器故障函數(shù)；

?(x,u)——模型的不確定性。

2.2 殘差包絡(luò)軌跡法

圖2 基于殘差包絡(luò)軌跡法的故障檢測(cè)模塊

為精確計(jì)算殘差，可采用加權(quán)移動(dòng)平均濾波技術(shù)對(duì)殘差進(jìn)行采樣，每次都取當(dāng)前采樣時(shí)刻前的(包含當(dāng)前時(shí)刻的采樣點(diǎn))n個(gè)采樣點(diǎn)，那么在第k個(gè)采樣時(shí)刻可以得到一組序列[φ(k-n+1)，…，φ(k-1)，φ(k)]，計(jì)算其加權(quán)移動(dòng)平均值[5]，該值在有新的采樣值時(shí)進(jìn)行更新，具體算式為：

(3)

式中ηi——權(quán)數(shù)。

為了有效剔除未知因素對(duì)殘差造成的影響，可設(shè)置自適應(yīng)閾值包絡(luò)軌跡，即傳感器無故障輸出時(shí)殘差的包絡(luò)軌跡。包絡(luò)軌跡由系統(tǒng)非線性模型不確定誤差范圍?(x,u)、線性化誤差σ(t)和測(cè)量過程中引起的隨機(jī)誤差γ(t)造成的殘差的最大和最小閾值范圍隨著時(shí)間變化的曲線構(gòu)成。自適應(yīng)閾值包絡(luò)軌跡Ψ(t)具有最大和最小邊界：

γ(t)+σ(t)-?(x,u)≤Ψ(t)≤γ(t)+σ(t)-?(x,u)

(4)

3 歷史故障特征庫的建立

故障診斷模塊要求能夠判斷當(dāng)前故障是否與歷史故障匹配，如果匹配則要及時(shí)分析其故障類型并對(duì)故障進(jìn)行評(píng)估與決策，甚至可進(jìn)一步在主動(dòng)補(bǔ)償容錯(cuò)控制模塊中根據(jù)故障類型對(duì)故障信號(hào)進(jìn)行補(bǔ)償修正[5]。若不屬于歷史故障則判斷為未知故障，系統(tǒng)密切監(jiān)視檢測(cè)信號(hào)是否超限并發(fā)出警告，甚至緊急切斷電源進(jìn)行聯(lián)鎖保證系統(tǒng)正常工作。

在歷史故障特征庫中，按照發(fā)生故障后信號(hào)幅值的變化程度、變化速度將傳感器故障分類為軟故障和硬故障，幅值變化較小且緩慢的為軟故障，幅值變化較大且迅速的為硬故障。又可詳細(xì)分為：軟故障-偏差故障、軟故障-漂移故障、軟故障-精度下降故障、硬故障-完全故障4種類型，各故障函數(shù)如圖3所示。

圖3 傳感器故障類型

軟故障-偏差故障。此類故障是指有故障信號(hào)與無故障信號(hào)互相平行，兩者之間相差某一恒定常數(shù)K，產(chǎn)生這種故障的主要原因是有偏置電流或偏置電壓的存在，將這一恒定的干擾信號(hào)添加到了原有的信號(hào)上。其函數(shù)表示為：

ζ(x,u,t)=K

(5)

式中K——常數(shù)。

軟故障-漂移故障。此類故障是指由于溫漂的存在，使得有故障信號(hào)偏離無故障信號(hào)的趨勢(shì)隨著時(shí)間的推移不斷增大，導(dǎo)致兩信號(hào)之間的差值也越來越大，其函數(shù)表示為：

ζ(x,u,t)=K(t-t0)

(6)

式中t0——故障的起始時(shí)刻。

軟故障-精度下降故障。此類故障是指如果分別計(jì)算有故障信號(hào)和無故障信號(hào)的平均值，計(jì)算結(jié)果不會(huì)發(fā)生變化，但這并不表示傳感器故障不存在，如果進(jìn)一步計(jì)算其方差會(huì)發(fā)現(xiàn)故障信號(hào)的方差比較大，說明信號(hào)波動(dòng)較劇烈，存在故障，其函數(shù)表示為：

ζ(x,u,t)～N(0,σ22)

(7)

式中σ22——方差。

這一類故障信號(hào)外在表現(xiàn)不明顯，需要計(jì)算方差才有可能進(jìn)一步判斷，因此也難以發(fā)現(xiàn)[6]。

硬故障-完全故障。此類故障是指有故障信號(hào)在輸出一段時(shí)間后突然變成了某一固定值的一類故障，其主要成因是傳感器突然失靈引起的短路故障或開路故障，如信號(hào)線斷線、芯片引腳斷、電路腐蝕及電路短路等。短路引起的故障信號(hào)接近于儀表量程的最小值，開路引起的故障信號(hào)接近于儀表量程的最大值。該類故障其函數(shù)表示為：

y(t)=Vmax(或Vmin)

(8)

式中Vmax、Vmin——儀表量程的最大值和最小值。

這類故障剛開始發(fā)生時(shí)有一形成過程，可以表示為：

y(t)=[1-e-α(t-t0)]U(t-t0)Vmax(或Vmin)

(9)

式中t0——故障的起始時(shí)刻。

此類故障一旦形成就很難再去修正，如果在剛發(fā)生時(shí)能夠被檢測(cè)出來，對(duì)防止此類故障的擴(kuò)大起著關(guān)鍵的作用。

4 未知故障的處理

如果故障信號(hào)經(jīng)過故障診斷模塊判斷與歷史故障庫不匹配，則認(rèn)為故障信號(hào)為未知故障類型，聯(lián)鎖報(bào)警層進(jìn)入到計(jì)算機(jī)邏輯控制狀態(tài)，將密切監(jiān)控生產(chǎn)狀況，一旦檢測(cè)信號(hào)超限就發(fā)出警告或緊急切斷電源進(jìn)行聯(lián)鎖。

表面活性劑生產(chǎn)過程中對(duì)于環(huán)氧乙烷中間罐的高溫監(jiān)控、高液位監(jiān)控及其聯(lián)鎖控制如圖4、5所示。

圖4 環(huán)氧乙烷中間罐的高溫監(jiān)控和高液位監(jiān)控

圖5 環(huán)氧乙烷中間罐的聯(lián)鎖控制

環(huán)氧乙烷中間罐高溫報(bào)警/聯(lián)鎖。當(dāng)環(huán)氧乙烷中間罐V101溫度(TT101A/B/C、TT102A/B/C、TT103A/B/C)分別達(dá)到30、35℃時(shí)，系統(tǒng)顯示一級(jí)、二級(jí)高溫報(bào)警。當(dāng)達(dá)到38℃時(shí)系統(tǒng)啟動(dòng)高溫聯(lián)鎖，并自動(dòng)關(guān)閉環(huán)氧乙烷中間罐V101進(jìn)料切斷閥PV101、環(huán)氧乙烷進(jìn)料泵P101、入口切斷閥PV108和環(huán)氧乙烷返回管線切斷閥PV102，打開環(huán)氧乙烷排放管線切斷閥PV103、電動(dòng)閥PV104和尾氣吸收塔消防水進(jìn)水管線切斷閥。

環(huán)氧乙烷中間罐高液位報(bào)警/聯(lián)鎖。當(dāng)環(huán)氧乙烷中間罐V101液位(LT101A、LT101B)達(dá)到70%時(shí)，DCS顯示高液位報(bào)警并引發(fā)高液位聯(lián)鎖。自動(dòng)關(guān)閉環(huán)氧乙烷中間罐V101和進(jìn)料切斷閥PV101。

5 結(jié)束語

在基于傳感器故障診斷技術(shù)的表面活性劑裝置聯(lián)鎖報(bào)警系統(tǒng)的研究中，對(duì)基于SFD技術(shù)的聯(lián)鎖報(bào)警系統(tǒng)的結(jié)構(gòu)進(jìn)行了闡述，設(shè)計(jì)了基于殘差包絡(luò)軌跡法的故障檢測(cè)模塊用于故障信號(hào)的檢測(cè)，并根據(jù)各故障信號(hào)的特點(diǎn)建立了歷史故障特征庫用于診斷故障類型以進(jìn)行相應(yīng)的補(bǔ)償容錯(cuò)控制，同時(shí)對(duì)于未知故障采取計(jì)算機(jī)邏輯控制，既可及時(shí)聯(lián)鎖報(bào)警，也降低了技術(shù)人員在聯(lián)鎖報(bào)警后再去查找、分析傳感器故障原因的工作困難。該方法不僅具有理論意義，更有實(shí)際應(yīng)用價(jià)值，適用

于表面活性劑的實(shí)際生產(chǎn)過程，可廣泛推廣應(yīng)用于各種自動(dòng)化生產(chǎn)過程的聯(lián)鎖報(bào)警系統(tǒng)中。

[1] 張華春.復(fù)雜系統(tǒng)的故障檢測(cè)與容錯(cuò)控制研究[D].北京：中國科學(xué)院自動(dòng)化研究所，2000.

[2] 張祖鷹.現(xiàn)場(chǎng)控制儀表的故障診斷與補(bǔ)償容錯(cuò)控制系統(tǒng)[J].制造業(yè)自動(dòng)化，2011，(15)：70～73，115.

[3] Michat B，Ron P，Miehat S.Introduction to the DAMADICS Actuator FDI Benchmark Study[J].Control Engineering Practice，2006，14(6)：577～596.

[4] 薄翠梅，柏楊進(jìn)，喬旭.基于多殘差描述的魯棒故障診斷方法[J].科技通報(bào)，2010，26(5)：647～651.

[5] Gertler J J.Fault Detection and Diagnosis in Engineering Systems[M].NewYork:Mareel Dekker,1998.

[6] Yen G G，Ho L W.Online Multiple-Model-Based Fault Diagnosis and Accommodation[J].IEEE Transactions on Industrial Electronics，2003,50(2):296～312.