摘 要

在当今社会快速发展的情况下，化工生产在工业生产中的地位越来越高。随着工业时代及计算机时代的到来，化工生产的规模越来越大，生产工艺的复杂度也越来越高，这两者的飙升同时意味着成本的增加。为了压缩化工生产过程中的管理成本，复杂的化工系统中必须要引入先进的工业控制管理系统。通过故障诊断技术来实时检测化工过程中的故障发生成为了一种切实可行的方法。因此，针对化工过程中的故障进行故障分析具有很高的经济价值。

TE过程作为一种从实际的化工过程搭建的化工模型，具有很强的实际参考性。通过对当前各种故障分析方法的分析和研究，本文采用TE过程作为模型来设计基于RBF神经网络的故障诊断算法，对TE过程的基本流程进行了详细阐述，说明了RBF神经网络的基本原理以及在MATLAB中具体的实现方法。在论文中对搭建的RBF神经网络进行了故障测试以及结果分析。人工神经网络通过模仿动物神经思维方式来对大量同时发生的信息进行处理，具有很好的信息处理的能力。RBF神经网络作为人工神经网络的分支，是一种具有收敛较快，无局部极小问题的神经网络，适合作为故障诊断的算法模型。

关键字：化工生产，TE过程，RBF神经网络，故障诊断

Abstract

With the rapid development of today's society, the status of chemical industry in the industrial production is becoming higher. With the advent of the industrial age and the computer era, the increasing scale chemical production, the complexity of the production process is higher and higher, both rising at the same time means increased costs. In order to reduce the management cost in the process of chemical production, the advanced industrial control management system must be introduced into the complex chemical system. Through fault diagnosis technology to monitor the production process failure has become a practical approach. Therefore, it is of high economic value to analyze the fault in the process of chemical engineering.

TE from chemical processes used as a model of a real chemical process structures, has a strong practical informative. Through a variety of current methods of analysis and failure analysis studies, this paper uses the TE process as a model to design the fault diagnosis algorithm based on RBF neural network. The basic flow of TE process was elaborated. this paper describes the basic principles of RBF neural network and MATLAB specific implementation method. In the paper,the RBF neural network has been tested and it got the analysis of results.Artificial neural networks to a certain extent, to imitate the way of thinking animal nerve to deal with a large number of simultaneous information, has the effect of good information processing. RBF neural network as a branch of artificial neural network is a kind of fast convergence, no local minima problem of neural networks suitable as fault diagnosis algorithm model.

Keywords: chemical production, TE process, RBF neural network, fault diagnosis

目 录

第1章 绪论 1

1.1 研究目的及意义 1

1.2 国内外研究现状 2

1.3 研究内容 4

第2章 TE过程的描述 5

2.1 TE过程的化学变化 5

2.2 过程故障 6

2.3 过程变量 7

2.4 过程数据 7

第3章 RBF神经网络 9

3.1 人工神经网络的发展现状 9

3.2 RBF神经网络模型 10

3.2.1 RBF神经网络基本原理 10

3.2.2 RBF神经网络的具体实现 12

3.3 RBF神经网络的MATLAB实现 13

第4章 RBF神经网络对TE过程的故障诊断实现 15

4.1 RBF神经网络的建模过程 15

4.2 RBF神经网络对TE过程的故障诊断 16

4.2.1 RBF神经网络对单一故障的检测 16

4.2.2 RBF神经网络对混合故障的检测 18

4.3 测试总结 19

第5章 总结和展望 20

5.1 论文总体总结 20

5.2 研究工作展望 20

参考文献 22

致谢 23

第1章 绪论

1.1 研究目的及意义

随着工业时代以及计算机时代的到来和发展，同时生产力需求也不断增加，工业技术的水平就随着科学技术的进步也得到了飞速的提升，工业系统也由原先的简单系统变得越来越复杂。企业为了在竞争激烈的当代获得足够多的利润，在复杂的工业系统中必须引入更加先进的工业控制系统。但是在化工、石油、电力、煤矿等领域中，工作环境十分复杂，工作的危险性不可忽视。这些问题在刚开始的时候并没有得到足够的认识，然而一系列事故的发生让人们越来越重视工业操作系统的故障检测方面。例如2015年6月12日，南京化工园区的德纳化工有限公司发生了爆炸，事故发生的原因是乙二醇丁醚装置中间罐区出现问题，在事故中共有三个储罐着火，明火燃烧高度达到15米，现场发生了多次爆炸，造成巨大的经济损失；2015年7月26日7时，中石油庆阳石化公司常压装置渣油换热器泄露着火，直接导致3人死亡，4人重伤的惨痛事故发生。

以上便可得知在现代工业生产中，故障分析的重要性已经被广大科学家和学者注意到。工业生产的过程除了减少成本、使利润最大化的同时必须保证流程的可靠性和安全性，在必要的时候要建立完善的过程监督系统。过程监督系统顾名思义就是对系统进行实时监控，对于系统运行的每个流程运行进行监督，发现系统中可能出现的故障，及时进行识别诊断并及时通知进行处理，从而降低事故故障率，达到安全生产的目的^[1]。