熊伟，马豪，张波，龙俨丽，尹爱军

（1.中国石油西南油气田分公司 重庆气矿，重庆 400021；2.重庆大学 机械工程学院，重庆 400044）

天然气脱水装置作为一种化工流程生产系统，具有反应机理复杂、工艺流程连续，较强的非线性、时变性及耦合性等特点，并且生产过程中数据处理量大、复杂性强，部分关键指标难以实现在线监测，因此对其进行故障诊断存在着较大的难度。目前常用的诊断方法在实际应用中难以取得令人满意的效果[1]，而一旦出现的故障未被及时发现和处理，又容易造成较大的经济损失，故其生产过程中的安全性极为突出[2]。随着大数据技术的产生和发展，将大数据中的相关方法应用到流程工业的诊断领域体现出广阔的应用前景。

主成分分析法（PCA）和符号有向图法（SDG）在故障诊断领域均有大量的应用。主成分分析法作为一种多变量统计方法[3-4]，无需对过程建立严格的物理模型，且通用性较强。如李荣雨提出了一种滑动窗口PCA的故障隔离算法[5]。杨洁针对注塑成形工艺，提出了一种基于PCA的过程监测方法[6]。SDG模型是一种基于知识的图模型，通过定性的因果关系，反映各监测变量之间的相互影响，有利于解释故障的传播模式和精确定位故障源，因而在化工行业中应用广泛[7-8]。王峰、高金吉等[9]就提出了基于层次分析法的SDG-HAZOP方法，并用于对硝基苯初馏塔装置的HAZOP分析。美国以Venkatasubramanian教授为首的研究团队，对SDG方法作出改进，并在工业应用方面取得了重大进展[10]。……