智能控制系統數據分析和診斷評估管理系統的開發應用

李麗年，吳巍，李曉衛

(中海油能源發展裝備技術有限公司設計研發中心，天津 300452)

1 引言

1.1 研究的背景與意義

儀表設備數據的可靠性和儀表設備的可維護性關系著石油化工生產設備的安全運行。研究控制系統和智能儀表設備數據分析和診斷評估系統，通過對設備數據的分析與評估，增加預防性、預測性維護管理方式，優化設備的管理模式，減輕人工操作壓力，為企業節約設備維護成本，降低設備出現故障的概率。

研究開發一套控制系統和智能儀表設備數據分析和診斷評估管理系統，致力于控制系統硬件、軟件以及智能儀表設備的智能化管理，對系統信息進行綜合展示，精準監控儀表閥門運行數據，實時監控儀表閥門的運行狀態，實現對控制系統和智能儀表設備的預防預測性維護管理。探索中國海油上游業務數字化轉型、智能化發展的新路徑，優化管理模式、大力促進我國海洋石油化工領域的發展。

1.2 相關理論概述及國內外研究現狀

1965年費根鮑姆研制出歷史第一個專家系統，名字為DENDRAL。1985年美國航天局研究出了監視航天器專家系統[1]。REFDES專家系統用于診斷火箭發射的故障。國內清華大學的王曦等完成了基于故障樹對旋轉機械構建立專家知識庫。

20世紀90年代發展以來，設備故障診斷不斷地與其他技術結合，應用了多種學科領域的技術，使設備故障診斷研究的邊界逐漸模糊，將故障診斷技術測試、監測、診斷等相關技術結合，逐步融于一體。

2 控制系統和智能儀表設備數據分析和診斷評估相關技術理論

2.1 HART協議與EDDL技術

2.1.1 HART協議

(1) HART協議可以應用到任何有數字現場儀表的場合，有強大的通訊技術，擴展性能強，與現場智能儀表進行雙向的數字通信。

(2) HART物理層規范。選用雙絞同軸電纜作為信號的傳輸介質，信號的傳輸效果好、距離遠。

(3) HART協議數據鏈路層規范。數據鏈層的數據建立、維護、終結等通訊功能應用HART幀的格式。利用冗余檢錯碼信息發送信息，消除數據傳輸過程的線路噪音等干擾，確保數據準確的傳送[2]。

(4) HART幀格式。所有應用HART協議傳輸數據的設備，數據都以幀的形式傳播[3]。將用戶數據和地址信息封裝作為HART協議幀的內容。

(5) HART協議應用層規范。應用HART的命令集技術，所有站都受主站指揮，可以做到在主站發出命令，從站作出響應。

2.1.2 EDDL技術

(1) EDDL技術的工作原理。EDDL是HART協議中對設備信息詳細描述的一種語言。HART、FF和PROF IBUS現場總線設備信息通過EDDL技術匯總到主系統，EDDL技術包含EDDL文件和EDD解釋程序[4]。

(2) EDDL文件解析。將EDDL文件編譯成二進制代碼，把DD文件交給最終用戶。用戶在帶有DDS接口的組態軟件中導入DD文件，轉化成圖形界面，應用METHOD方法進行設備配置[5]。

2.2 混合診斷模型

2.2.1 專家系統

專家系統是一種計算機程序，模擬人類應用知識和處理問題的方法，采用人工智能技術基于各個領域人類專家已掌握的知識和處理問題的經驗利用計算機來處理問題，分如下四部分；(1)知識獲取系統：獲取人類專家的知識，將所獲取的知識添加到已有的知識庫中；(2)知識庫：將新獲取的知識與已有的經驗以數字化的形式存儲起來；(3)推理機制：基于現有的知識和經驗，設定應用情況和規則進行推理，進行實驗驗證；(4)輸入輸出系統：把當前的實際情況輸入到專家庫系統中，結合專家庫中的知識和處理問題的方法輸出結果給使用者。

2.2.2 人工神經網絡

人工神經網絡基于人體神經網絡的結構，模仿人類的學習方式，具備良好的自學能力，問題處理能力和高容錯性能，有深度智能化的特征。

人工神經網絡具有如下特征：(1)非線性：自然界中存在著較多的非線性關系，就如同我們大腦一樣，其活動方式是抑制或激活神經元；(2)非常定性：基于神經網絡自學習、自適應、自組織能力的特征，神經網絡一直是不斷變化，處于迭代之中；(3)非局限性：人工神經網絡是各種神經元相互作用，彼此連接的特征，是一套具有整體性的系統；(4)非凸性：人工神經網絡中有大量的極值數據，可以使系統平穩運行。

3 基于專家系統與ELMAN神經網絡的智能儀表設備數據分析和診斷模型

3.1 專家系統與神經網絡混合診斷簡述

專家系統的核心是模擬人類的邏輯推理思維，在對知識收集轉化、存儲、推理機設計、知識庫維護等過程花費時間較長，人工神經網絡可以對事情做出準確判斷，應用專家系統是的邏輯演繹，和神經網絡的集體計算，發現兩者結合可以更好的解決問題。

3.2 專家系統與神經網絡混合診斷模型

神經網絡對于專家系統的優化：(1)專家系統對知識庫里沒有的問題可通過神經網絡有自主學習能力進行判斷，豐富知識庫；(2)專家系統可以借助神經網絡的自主學習能力，基于該領域專家處理問題的過程對神經網絡進行訓練，使輸出結果接近真實數據；(3)專家系統的串行化識推理，此過程會導致“匹配沖突”、無窮遞歸等。可以應用各個神經網絡相互作用，并行推理來完成，提高速率。

專家系統對于神經網絡的優化：(1)神經網絡不具備對實際情況積累的經驗，需要通過專家系統經驗獲取多元化知識，對數據判斷更準確；(2)神經網絡表達方式復雜，缺乏透明性，專家系統把神經網絡數字化的知識用文字表達出來，讓人更好理解；(3)神經網絡的訓練的全過程中需要技術人員進行監督，通過融合專家系統幫助神經網絡進行訓練，整個過程不需要技術人員的監督。

基于控制系統和智能儀表設備數據分析和診斷評估的經驗，能夠給出更準確的診斷結果[6]。混合診斷模型如圖1所示。

圖1 混合診斷模型

3.3 Elman神經網絡算法

3.3.1 Elman神經網絡原理簡介

基于BP神經網絡增加一層承接層作為Elman神經網絡，BP神經網絡包含：輸入層、隱含層、承接層和輸出層[7]。數據先進入層計算，計算后的數據進入隱含層，隱含層的數據反饋給承接層，作為延時算子，可動態記憶網絡，承接層可以自動輸入起到延遲和搓出的功能。數學模型如下式所示：

式中：x為隱含層數據；u為輸入數據；xc為反饋數據；y為輸出層數據。w1、w2、w3均為各層之間的權值；g(·)為計算輸出層結果；f(·)為隱含層的傳遞函數。

3.3.2 Elman神經網絡診斷模型建立

本文中首先對采集數據進行分析，根據分析結果做出儀表故障診斷，整個系統的診斷流程如圖2所示，模型1應用混合診斷方式，模型2應用專家系統診斷。監測系統數學模型1中將采集到的數據每隔30 s上傳一次，選取50個數據進入輸入層，反復試驗把神經元設置成6個，承接層和隱含層節點數相同，輸出預測的參數值與實時參數進行診斷。

圖2 診斷流程圖

4 控制系統和智能儀表設備數據分析和診斷評估系統實現

4.1 系統總體設計

控制系統和智能儀表設備數據分析和診斷評估系統為B/S結構的軟件系統，將系統的主程序部署到現場的PC機上，應用WEB 服務進行統一管理，基于OPC、數據庫等數據接口可以與第三方進行信息交互。系統的主框架如圖3所示。

4.2 系統功能

4.2.1 控制系統設備管理模塊

控制器：名稱、型號、版本信息、下屬IO卡件信息、負荷狀況、內存、通訊狀態、健康狀況；

IO卡件：IO 卡件名稱、類型、對應控制器、所在槽位、點數使用情況，IO 卡件的診斷信息詳細的描述當前 IO 卡件的健康狀況、IO卡件健康指數、IO卡件健康報表、IO卡件備用通道管理；

工程師站：基本信息、系統版本；

工控網絡：網絡負載、網絡帶寬、網絡速度、網絡狀態；

4.2.2 控制系統軟件組態模塊

控制系統組態信息展示(組態整體組成、組態點數、組態各點位詳情信息等)、組態變化情況跟蹤及記錄追溯、組態備份管理；控制系統因果邏輯實時展示、因果邏輯分析及優化管理功能。

4.2.3 控制系統綜合評估模塊

根據中控系統當前的系統狀態、故障信息、版本信息等靜態數據以及實時狀態數據對該系統進行整體評分并根據知識庫提出控制系統整體優化管理方法功能。

4.2.4 智能儀表報警診斷模塊

該模塊展示智能儀表報警信息、報警等級、報警描述及診斷分析信息等；建立智能儀表故障診斷知識庫；展示智能儀表報警周期性統計信息及歷史記錄信息；對智能儀表的報警信息進行故障趨勢分析；具備智能儀表維護保養事件記錄信息功能。

4.2.5 智能儀表臺帳管理模塊

智能儀表名稱、型號、版本、安裝時間、歸屬系統&控制器&IO卡件、健康指數、組態配置情況，同時可實現對組態信息修改功能包括：(1)組態變更：展示智能儀表組態修改記錄并支持組態參數對比；(2)組態批量傳輸：支持將同類型的組態信息進行批量傳輸；(3)設備綜合展示：按照各類型進行統計展示；支持設備資料無紙化管理。

4.2.6 智能儀表綜合管理模塊

本功能通過智能算法對智能儀表進行健康綜合評估；提供智能儀表的KPI分析報告；具備裝置停工期間回路測試及閥門類儀表行程測試功能。

4.2.7 預測性維護模塊

本模塊是系統的重要組成部分，預測性維護是基于混合診斷模型建立設備故障模型智能算法，通過收集儀表設備的失效數據、維修數據建立專家數據庫，將所采集到的設備數據與專家數據庫進行比對，推算預測出設備下一個循環周期內的失效時間、可能性故障、維修部位，提早合理安排維修人員的工作事項，提升儀表運行效率以及優化人員的工時效率，延長設備的使用壽命。

4.2.8 日志管理模塊

該模塊的主要功能包括：顯示日志信息、條件查找、查看日志詳細信息、對日志進行排序、更新日志、打印預覽日志信息。

4.2.9 用戶管理模塊

本模塊負責管理軟件的所用用戶，包括用戶名、密碼、操作級別、操作權限和用戶狀態。

4.3 性能要求

(1)可用性：系統具備簡單操作特點，通過充分的溝通深度挖掘不同方面系統用戶的簡潔化系統實現；(2)容錯性：系統具備容錯、數據恢復與穩定運行的能力；(3)系統支持近3年控制系統組態數據的分析和存儲；(4)相關服務所占內存不超過16G，數據庫所占容量不超過2T；(5)高可移植性，部署對操作系統無要求，系統安裝包可以自動生成；(6)易擴展性，系統易于擴展和升級，更好地滿足用戶需求；(7)安全性：系統提供有效數據安全機制，通過數據庫備份的功能實現數據安全存儲。

5 結語

本文主要介紹控制系統和智能儀表設備數據分析和診斷評估研究所應用到的相關技術及系統實現。闡述HART現場總線技術、專家系統與人工神經網絡算法的混合診斷模型，對海上油田儀表設備數據讀取采集、分析、優化，評估診斷。

控制系統和智能儀表設備數據分析和診斷評估系統還需進一步完善系統數據，對重要儀表的監控將更全面高效。采用智能診斷的思維，提取特征參數判斷閥門卡澀和泄漏情況，并以降低閥門的故障特性，提高預防性主動維修，實現生產裝置重要儀表和調節閥智能監控項目全方位覆蓋。