基于多变量数据融合技术的差压式流量计异常诊断方法.pdf

2023年 8月流体测量与控制第 4卷第 4期（总第 17期）基于多变量数据融合技术的差压式流量计异常诊断方法Differential Pressure Flowmeter Fault Diagnosis Method Based on Multivariate Data Fusion宁亮（上海自动化仪表有限公司，上海 200072）NING Liang（Shanghai Automation Instrumentation Co.，Ltd.，Shanghai 200072，China）摘要：目前流量计存在诊断功能单一、多个变量间的相互关系未考虑或未深入研究、数据特征未得到充分利用及故障诊断结果精度不高等难题。本文提出一种基于多变量数据融合技术的差压式流量计异常诊断方法，选取前后端压力和差压、温度、液位及电导率等多个流量测量相关变量，采用登普斯特谢弗（DS）证据理论及主元分析法（PCA）等多种数据融合技术，获取数据并预处理，调整基本可信度及特征数据降维，构建历史数据库并建立多方向主元分析（MPCA）模型，统计控制量与统计控制指标比对，将多个流量测量变量进行信息融合，提供统一的决策结果。本方法有助于确定管网流量测量在具体节点处是否有异常发生，从而提升系统判断的准确性。关键词：差压式流量计；多变量；数据融合；异常诊断Abstract：Currently，flowmeters face challenges such as single diagnostic function，lack of consideration or in-depth research on the interrelationships between multiple variables，insufficient utilization of data features，and low accuracy in fault diagnosis results.This article proposes a differential pressure flowmeter fault diagnosis method based on multivariate data fusion technology：selecting multiple flow measurement related variables such as front and rear pressure/differential pressure，temperature，liquid level，conductivity，etc.，using various data fusion techniques such as D-S（Dempster-Shafer）Theory and PCA（Principal Component Analysis），integrating information from multiple flow measurement variables to provide unified decision-making results by using steps such as getting and preprocessing data，basic credibility adjustment and feature data dimensionality reduction，constructing a historical database and establishing an MPCA（Multiway Principal Component Analysis）model，comparing statistical controls and statistical control indicators etc.This method helps to determine whether there are faults in the flow measurement of the pipeline network at specific nodes，and improves the accuracy of system judgment.Key words：differential pressure flowmeter；multivariable；data fusion；fault diagnosis中图分类号：TP 751 文献标志码：A 文章编号：2096-9023（2023）04-0015-031前言流量计是工业中用以监控过程和压力变化的重要元件，是工业现场常用的一次仪表，也是工业控制系统中的基本单元1。差压式流量计以伯努利方程和流动连续性方程为依据，多用于测量气体、液体和蒸汽流量，占流量仪表总数的一半以上。差压式流量计的结构和测量原理决定了流量测量过程中测量导管及待测介质的性质变化会对流量测量结果产生直接影响，甚至导致测量结果出现较大误差2，包括为制造压力差、节流件中设有阻流件，导致管道压力损失较大且易发生堵塞；导压管较细，在遇到杂质较多或者黏稠的流体时，容易因堵塞导致无法测量；差压变送器两个测量导管靠近变送器的一端通常是封闭的，长时间测量后会因流体沉积、清理不及时导致测量导管局部堵塞；流体内可能会存在固体颗粒物质，在测量管道长时间输送流体的情况下，固体颗粒物质容易磨损测量管道及孔板等节流件，降低零件精度及使用寿命；待测液体介质如出现脉动、阶跃等非稳态流动的情况时，节流件易受震动影响等。流程工业现场工艺复杂，引起流量测量波动的因素多种多样，单个或多个变量的异变都会引起检测结果波动，严重时甚至会引发生产安全事故，带来重大经济损失。在流量测量诊断过程中，管路系统日益复杂，可能产生的故障类别越来越多，反映故障的状态、特征、变量也相应增加，导致故障信息的数据容量和维度过于庞大，需要一种能够利用这 15Aug.2023Vol.4 No.4 Fluid Measurement&Control些复杂信息的有效方法。但由于流体检测的复杂性，很难建立准确的过程机理模型和故障诊断模型3。流量测量过程中存在大量与高度相关的过程变量，如温度、压力、流量、液位及电导率等。这些过程变量处于一定的波动范围，对于流量测量过程的正常进行，检测结果的一致性和可靠性来说至关重要。现有的故障检测方法和过程监视大多仅在单一变量/单个检测指标异常时输出报警信号，例如温度过热、液位超限等。因为考虑因素单一，利用单一故障特征信息进行故障诊断并不可靠，容易造成漏报和误报，因此报警的阈值通常设置得较高，即检测指标偏差较大时才会发出报警信号，并不能很好地适应目前流程行业管路流量异常检测的需求。与此同时，对于多个过程变量进行监控也比较困难，缺少相关方法识别因某些特定故障产生的多个过程变量均值、方差、相关关系发生改变的情况。面对来自管路的多个流量相关参数的时间序列数据，如何高效、准确并及时地发现流量测量异常，并提供准确的报警信号，是当前亟待解决的问题。2多变量数据融合诊断面对信息的种类、需要分析的数据量呈指数级增加，各种异构网络或多个系统之间数据整合等问题，数据融合技术4自 20 世纪 90 年代起飞速发展，致力于从海量的数据中及时挖掘出隐藏信息和有效数据，合理有效地整合挖掘和智能处理海量数据。数据融合中常用的方法有登普斯特-谢弗证据理论（Dempster-Shafer Evidence Theory，D-S）及主元分析法（Principal Component Analysis，PCA）。D-S 证据理论根据事件发生后的结果（证据），探求事件发生的主要原因（假设），是融合主观不确定性信息的有效手段。D-S证据理论在非精确信息表示和推理方面具有优势，但在进行多个过程变量关联融合时，故障信度函数的确定存在受专家经验主观影响、计算量和复杂度随着变量维数的增大呈指数级增加等问题。PCA 是一种典型的数据统计分析理论5，广泛应用于过程控制、过程监视、过程故障诊断等研究领域，是多种基于数据驱动方法的基础，但 PCA 也存在故障分离困难的问题。本文引入具有数据降维特性和故障检测完备性特点的 PCA，并与 D-S 证据理论相结合，提出一种多变量数据融合诊断的方法，综合 D-S 证据理论和 PCA 的长处，根据一定时间序列内多个流量相关参数的变化情况，基于集成多传感器的差压式流量计实现多参数信息融合决策，判断管网流量测量过程是否有异常发生。该方法保证了各变量在故障诊断过程中的不确定性，经过 D-S 证据理论和 PCA等信息融合技术后能够最大限度地互相限制，从而降低故障诊断的不确定性。2.1数据获取及预处理选用集成压力/差压传感器、温度传感器、位置传感器、电导率传感器等多参数传感器的差压式流量计，获取各传感器的原始数据，提取其中对流量测量会产生影响的环境变量和设备变量。将不同传感器的数据分别进行正则归一化，消除量级及量纲带来的误差。正则归一化的公式为A=A-AminAmax-Amin（1）式中：A 为原始数据；A为正则归一化后的特征数据；Amax、Amin分 别 为 原 始 数 据 中 的 最 大 值 与 最小值。2.2基本可信度调整及特征数据降维通过 D-S证据理论，考虑变量间的相互关系，计算所有变量联合作用下的基本可信度分配和信度区间，得到修正后的特征数据为m(A)=wim()A,A 01-B 0wim()B,A=0（2）式中：m(A)、m(B)分别为关于变量 A 和 B 的基本置信分配；wi为其间连接的权值。调整基本可信度的原因为所采集的温度、压力、液位、电导率等信号的功效不同，不同变量信号在判定不同故障的过程中所起的权重不同。根据专家经验（主要为现场工艺工程师及控制工程师的先验知识），按照式（2）调整各个变量信号的基本可信度。例如相应故障与检测到的环境温度关系较大时，在加权分配过程中，温度信号预警的判断权重也应相应增大。使用 PCA 对修正后的特征数据进行降维，由PCA 算法对经式（2）得到的特征向量做降维处理，提取 95主要成分的特征向量，保留特征数据的显著信息，去除特征中的冗余数据。通过处理后，形成 mn的矩阵数据 X如下：X=x11x1nxm1xmn（3）式中：m为样本向量个数；n为每个向量维数。162023年 8月流体测量与控制第 4卷第 4期（总第 17期）根据平方预测误差(Squared Prediction Error，SPE）统计量，矩阵数据的协方差 S和矩阵数据的平方预测误差分别为S=cov(x)=1n-1X XT（4）SPE=()I-PPEx2 2（5）式中：2为置信水平为时的控制指标，本方法中选取=95%作为控制指标；P Rm J为载荷矩阵，由S的前 J个特征向量（即主元个数）构成；E Rn J为得分矩阵。SPE 统计量衡量样本向量在残差空间投影的变化，主要衡量正常过程变量之间相关性被改变的程度。计算 Hotelling s T2统计量（以下简称 T2统计量）为T2=xTP-1PTx T2（6）式中：=diag1,2,A；T2为置信水平为时的控制指标，本方法中选取=95%作为控制指标；T2统计量为现有样本到主元子空间原点的距离。2.3构建历史数据库并建立 MPCA模型在原有控制系统中将实时采集的现场数据经过数据文件格式转换、数据量化与还原、大误差剔除、模型长度截取等，选取一定数量且有样本代表性的流量测量过程，构成历史数据库H(D J W)。其中：D 为选取入库的正常过程批次数，一般情况下取 D50；J为式（4）中协方差矩阵 S中的前 J个特征向量（即主元个数）；W 为采样时刻数，一般情况下取 W2 000。历史数据库的好坏直接关系到过程性能监视、故障诊断6的正确性和准确性，能表征一定数量流量测量正常过程的历史数据库是建立合适的多方向主元分析（Multy-way Principal Component Analysis，MPCA）数学模型的前提和基础。将历史数据库 H 沿时间轨迹分割成一系列子数据空间，依次展开得到 w 个子数据块H(D J)，在每一个子数据空间上建立统计模型，由 w 个子统计数学模型构成 MPCA 非线性多元统计数学模型。MPCA 模型是由一系列子数据空间构成，每个子数据空间是由一个采样时刻所有批次过程测量变量构成的数据矩阵。2.4统计控制量与统计控制指标比对在差压式流量计的软件流程中加入故障诊断模块7，按照式（5）、式（6）分别计算基于历史数据库的 MPCA 模型的 SPE 统计量和 T2统计量，作为统计控制指标存储于差压式流量计的软件程序中。由实时采集的数据计算得出的统计控制量与统计控制指标进行对比，根据是否落在 95%控制指标内，输出正常信号或报警信号。如果实时监测的统计指标处于 95%控制指标内，表明监视过程处于一种正常可控状态，输出正常信号；如果实时监测的统计指标处于 95%控制指标外，表明系统处于故障失控状态，输出报警信号。3结语管路中流体的流量/流速是流程行业控制系统中的一个重要调节量，如果出现偏差，会使整个控制系统发生反应，导致相关变量产生较大波动。本文提出一种多变量数据融合方法，将不同来源、模式、时间、表示方法的信息加以有机结合，经过 D-S证据理论融合后，充分利用各个主元模型对主元分析数据之间的互补信息，获得对被诊断对象更加一致和全面的判断，使系统全面协调优化，增强了故障诊断的容错性和鲁棒性。本方法为流程行业流量测量需求场景量身定制，适用于流程行业管道中存在液体介质脉动流动、阶跃流动或其他非稳态流动的场合，为工艺管道的安全运行提供测量技术保障，对推动仪器仪表在流程工业中智能化、柔性化应用具有重要意义和加速作用。参考文献：1 韩冰，丁凌.天然气管道超声流量计计量方法研究 J.流体测量与控制，2023，4（1）：13-16.2 刘仁亮.差压式流量计常见故障及处理方法 C/2017 年全国冶金制氧专业年会.2017：10-12.3 WANG C J，XU Z L.An intelligent fault diagnosis model based on deep neural network for few-shot fault diagnosis J.Neurocomputing，2021，456：550-5624 姚建军.基于多数据融合和小波分解的油气管道缺陷检测方法研究 J.石油化工自动化，2020（2）：28-32.5 朱建新，吕宝林，乔松，等.基于主成分分析及多维高斯贝叶斯 的 超 声 流 量 计 故 障 智 能 诊 断 方 法J.计 量 学 报，2020（12）：1494-1499.6 裴勇涛.一种基于云计算技术的天然气超声流量计通用远程诊断系统的研究 J.计量与测试技术，2020（6）：23-26.7 MA H Z，CHEN T T，ZHANG Y.Research on the fault diagnosis method for slip ring device in doubly-fed induction generators based on vibration J.IET Renewable Power Generation，2017，11（2）：289-295.17