邬东辉， 顾幸生

（华东理工大学能源化工过程智能制造教育部重点实验室，上海 200237）

随着科学技术的不断进步，现代工业过程日益大型化和复杂化，对工业过程的安全运行要求日益提高。为了提高生产效益、降低生产成本，人们对如何降低生产过程中潜在的危险性，提高工业生产的安全可靠性越来越重视[1-3]。故障检测与诊断作为化工过程异常工况管理最有力的工具，对化工过程的故障趋势进行分析、预测和恢复，为过程安全提供了一定的保障。故障诊断技术发展至今，基于机理模型的方法、基于知识的方法和基于数据驱动的方法[4]是研究故障诊断的三大方向。基于机理模型的方法需要对被检测系统的输入和输出数据构造数学模型，且该信息与正常运行状态无关，通过分析和处理被诊断系统中可以测得的有用信息和模型所表达的实际系统的先验信息的残差，实现过程的故障诊断。数学模型建立的精确与否是基于机理模型方法的关键之处，模型建立精度的高、低直接影响到监控效果[5]。基于机理模型的方法主要包括参数估计法 (Parameter Estimation, PE)[6]、状 态 估 计 法 (State Estimation, SE)[7-8]和等价空间法(Parity Space, PS)[9]。基于知识的方法利用人工智能相关方法，通过构建一些功能来学习和模仿监控过程中人类的思想、行为等，自动完成整个监控和诊断过程[1]。该方法将过程知识和相关理论相结合，虽然对模型的精度没有要求，但对过程知识存在依赖性，所以通用性有待提升。基于数据驱动的方法依据与数据相关的处理和分析方法来实现。……