中文題目：基于稀少故障數據的三相分離器故障診斷的激活推理方法

論文題目：An Activated Inference Method for Fault Diagnosis of Three-phase Separator Based on Rare Fault Data

錄用期刊/會議：The 40th Youth Academic Annual Conference of Chinese Association of Automation（YAC2025）(CAA A類會議)

錄用/見刊時間：2025.03.31

作者列表：

1）蔣龍 中國石油大學（北京）人工智能學院 控制科學與工程專業 碩22級

2）王珠 中國石油大學（北京）人工智能學院 自動化系教師

3）徐鵬 中國石油大學（北京）人工智能學院 控制工程專業 碩24級

摘要:

本文針對三相分離器的稀少故障數據，提出了一種用于三相分離器故障診斷的異常推理網絡算法。首先，根據工藝知識和報警記錄確定包含異?，F象和異常原因的網絡結構，鑒于網絡結構的復雜性，使用三元組來進行網絡解構，以優化計算效率與減少存儲空間。其次，為準確評估異?，F象與異常原因間因果關系的強弱程度，利用模糊理論對專家知識進行處理，基于模糊化的專家知識來量化因果關系的強弱程度——節點間可能性等級。在此基礎上，將極有可能的測試案例與群智能優化算法相結合對節點的最低激活值進行訓練。同時，為了滿足在線診斷的需求，設計一種帶有節點激活判斷的激活推理算法，用于在線診斷異常原因。使用三相分離器進行實驗驗證，結果表明該算法可以準確診斷三相分離器的工況異常和設備異常。

背景與動機:

在海上浮式生產儲卸油裝置中，三相分離器作為原油脫水脫氣的關鍵設備，其運行狀態直接關系到生產效率和安全性。面對復雜多變的工作條件，三相分離器可能會出現各種異常，這些異常往往體現在控制回路與工藝參數的正異常狀態上。一旦三相分離器觸發報警，如何準確地定位異常原因，便成為了亟待解決的技術難題。雖然三相分離器的分散控制系統中存儲著海量數據，但故障數據的稀缺極大地限制了傳統診斷等方法的有效應用。在這種情況下，本文針對三相分離器的稀少故障數據，提出了一種用于三相分離器故障診斷的異常推理網絡算法。

設計與實現:

異常推理網絡包括離線階段和在線階段。離線階段包括網絡結構的構建、節點間可能性等級、網絡解構以及節點的最低激活值四部分；在線階段主要為節點激活判斷的激活推理算法，用于在線診斷異常原因。異常推理網絡基于三相分離器的稀少故障數據，準確定位三相分離器的異常原因并提供參考信息，從而提升異常處理的效率與準確性。三相分離器的異常推理網絡構建流程如圖 1 所示。

圖1 三相分離器的異常推理網絡構建流程

主要內容:

1.異常推理網絡結構構建

在異常推理網絡結構建立過程中，首先需要根據工藝知識和報警記錄識別出異常發生時的現象以及原因。這些異?，F象和異常原因構成的對應關系可用圖 2 表示。

圖2 異常原因與異?，F象間的對應關系

2.節點間可能性等級獲取

節點間的可能性等級存在于現象節點和原因節點之間。具體含義為，當現象節點發生時，是原因節點導致的可能性，具體范圍在0-10之間，數字越大發生的可能性越大。節點間的可能性等級表示為，其中為現象節點，為原因節點。針對無法直接獲取節點間的可能性等級的問題，專家為節點間的可能性等級進行模糊打分，利用模糊理論對專家經驗進行模糊化處理，從而反模糊化獲取較為準確的節點間的可能性等級值。

3.網絡解構

在異常推理網絡結構中，一種異?，F象可能存在多種異常原因，一種異常原因可能被多種異?，F象所表示，這使異常推理網絡結構的有向邊錯綜復雜。因此，為存儲與計算方便，本文將異常推理網絡結構轉化為圖論中的有向加權圖，并使用三元組存儲來提高存儲效率和計算效率，實現異常推理網絡的解構。

4.節點的最低激活值的訓練

在獲取節點間可能性等級之后，異常推理網絡的參數訓練過程主要針對網絡中節點最低激活值的訓練。本文使用群智能優化算法與極有可能的測試案例相結合來訓練節點的最低激活值，保證節點的最低激活值能夠滿足工業現場的要求。在粒子群算法的優化過程中，需要將每條測試案例中的最簡極有可能的現象節點集合輸入到異常推理網絡中，激活推理得到網絡輸出的原因節點，從而計算不同的原因節點的最低激活值的適應度值。適應度的計算公式如下所示。

在上式中，crad表示集合中原因節點的個數，適應度函數F表示所有測試案例的累計適應度值，n代表測試案例的條數。

5.在線激活推理

此時，還需要說明如何在異常推理網絡中，實現從現象節點推理得到原因節點的激活推理算法。激活推理算法采用分層搜索的推理策略，具體的推理流程圖3所示。

圖3 在線激活推理流程圖

實驗結果及分析:

本文選取的三相分離器在實際運行中的案例，在三相分離器觸發報警的基礎上，將激活的現象節點集合輸入三相分離器的異常推理網絡進行在線激活推理，明確異常原因，并給出相應的分析以及處置建議。

案例：三相分離器的異常推理網絡中現象節點油相液位異常升高、現象節點氣相壓力異常升高以及油水界位異常升高被激活。將初始激活的現象節點輸入到異常推理網絡中，進行激活推理，推理深層次的異常原因。表1中列出所有可能的傳播路徑以及每條路徑的歸一化概率值，圖4中展示了激活的原因節點以及傳播路徑。

圖4 案例中激活的原因節點以及傳播路徑

 

表1 案例中所有激活的原因節點和對應的可能性等級

當油水界位異常升高、油相液位異常升高以及氣體壓力異常升高時，表1表明，最可能的原因是來液量過大，導致油相出口含水偏高以及水相出口含油偏高。當三相分離器的來液量過大時，三相分離器的處理能力不足，導致油水分離不徹底，油水混層，從而使得油水界位異常升高和油相液位異常升高。三相分離器中罐內體積一定時，液相的上升，這會減少氣體體積，使得氣體壓力異常升高。油水分離不徹底，導致油相出口含水偏高以及水相出口含油偏高。

結論:

本文提出了一種三相分離器的故障診斷算法。該算法不依賴于數據樣本。主要思想是基于過程數據和專家知識構建異常推理網絡模型。具體來說，該模型基于過程數據建立網絡結構。然后，將模糊理論引入網絡，通過專家評估確定節點之間的可能性等級。引入粒子群優化算法，根據獲得的節點間可能性等級確定原因節點的最低激活值的優化解。通過匯總報警信息并執行激活推理算法，可以獲得異常分析的精確結果。通過三相分離器的應用驗證了該模型的有效性。在網絡中根據異?，F象推理出深層次的異常原因，識別異常的傳播路徑以及計算傳播路徑的歸一化概率值，最終給出處置建議。

作者簡介:

王珠，男，博士，中共黨員，現任中國石油大學（北京）副教授、碩士生導師。2016年至今在中國石油大學（北京）自動化系工作，現任中國自動化學會人工智能技術與工業應用專業委員會委員、中國化工學會信息技術應用專業委員會青年委員、北京人工智能學會理事。

在科研與社會服務方面，研究興趣為系統辨識與智能控制、煉化過程動態異常診斷與故障預警、大數據質量預測與綜合優化。近年來，主持重點流程工業企業的高級智能報警項目數項以及國家自然科學基金項目，已發表高水平學術論文30余篇。