WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Авторефераты по темам  >>  Разные специальности - [часть 1]  [часть 2]

ДИАГНОСТИКА СОСТОЯНИЯ СОДОРЕГЕНЕРАЦИОННОГО КОТЛОАГРЕГАТА С ЦЕЛЬЮ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ЕГО РАБОТЫ

Автореферат кандидатской диссертации

 

На правах рукописи

Горьковой Евгений Владимирович

 

ДИАГНОСТИКА СОСТОЯНИЯ СОДОРЕГЕНЕРАЦИОННОГО

КОТЛОАГРЕГАТА С ЦЕЛЬЮ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ЕГО РАБОТЫ

 

05.21.03 – технология и оборудование химической переработки биомассы дерева; химия древесины

05.13.06 – автоматизация и управление технологическими процессами и производствами

 

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата технических наук

 

САНКТ- ПЕТЕРБУРГ

2012

Работа выполнена в федеральной государственной бюджетной организации  высшего профессионального образования «Санкт-Петербургский государственный технологический университет растительных полимеров»

Научный руководитель:                 кандидат технических наук, профессор,

Суриков Валерий Николаевич 

кандидат технических наук, доцент,

Житков Владимир Викторович

Официальные оппоненты:              доктор технических наук, профессор

Пазухина Галина Александровна

доктор технических наук, профессор

Закирничный Вячеслав Степанович

1

Ведущая организация: ОАО Всероссийский научно-исследовательский институт бумаги (ВНИИБ)

Защита состоится   “    ”                                    г.  в    часов на заседании диссертационного совета Д212.231.01 при ФГБОУ ВПО Санкт-Петербургский государственный технологический университет растительных полимеров по адресу: 198095, Санкт-Петербург, ул. Ивана Черных, д. 4.

С диссертацией можно ознакомиться в библиотеке СПбГТУРП.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу: 198095, Санкт-Петербург, ул. Ивана Черных, д. 4.

Автореферат разослан   “    ”                                     г.

Ученый секретарь

диссертационного совета                                                                 Махотина Л.Г.


ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Содорегенерационные котлоагрегаты (СРК) являются одним из самых сложных и ответственных технологических агрегатов в целлюлозобумажной промышленности (ЦБП). От стабильности и надежности работы СРК зависит эффективность регенерации сульфида натрия из черных щелоков и возврат химикатов в варочный процесс при производстве целлюлозы.

Еще в 80-ых годах 20 века группой ученых: Жучковым П.А., Смородиным С.Н., Дорониным В.А и другими активно изучались процессы, происходящие в котлоагрегате, а так же способы управления технологическими процессами, обеспечивающие их стабильность. В настоящее время СРК оснащены современными сложными иерархическими системами автоматического управления технологическим процессом (АСУТП). Тем не менее, на этом технологическом процессе периодически возникают аварийные ситуации, порой чрезвычайно катастрофические. Иностранные компании повышают безопасность функционирования СРК с помощью тепловизоров, устанавливаемых в топках котлов. Однако без соответствующих технических реконструкций СРК и информационно-математического обеспечения управления их применение не решает проблемы обнаружения нештатных ситуаций в сложных химико-энергетических процессах СРК на предприятиях целлюлознобумажной промышленности.

В этой ситуации необходимо разработать новые подходы для обеспечения безопасности эксплуатации существующих и создаваемых СРК.

Цель диссертационной работы заключается в разработке диагностических методов, способов и алгоритмов слежения за состоянием технологических процессов в СРК для обнаружения нештатных ситуаций в работе СРК на ранних этапах их развития, определения причин нарушения и выдачи оператору рекомендации по их устранению еще до срабатывания систем автоматической защиты котлоагрегата.

Задачи исследований.

  • Исследовать процессы, протекающие в СРК. Провести анализ существующей системы АСУТП и предложить информационно-измерительное обеспечение, которое можно использовать для диагностирования состояний процессов в СРК.
  • На основе проведенной декомпозиции технологических процессов в  СРК проанализировать и выделить их потенциально опасные ситуации.
  • Изучить и обосновать выбор математических моделей  для диагностирования нарушений в СРК.
  • Разработать алгоритмы для системы диагностики СРК, которые позволят в составе АСУТП, обнаруживать нарушения на раннем этапе их развития, определять причины их возникновения и их устранять.
  • Провести экспериментальное исследование предложенной диагностической системы для подтверждения ее работоспособности и эффективности.

Научная новизна работы.

  • Создана система диагностирования технологических процессов СРК с использованием их декомпозиции, позволяющая с помощью двухуровневых моделей диагностики обнаруживать и идентифицировать нештатные ситуации, а так же давать рекомендации по их устранению.
  • Выполнено аналитическое исследование процесса сжигания черных щелоков в СРК, позволившее адаптировать его математическое описание для идентификации нештатных ситуаций в котлоагрегатах.
  • Предложена комбинация двух типов моделей диагностирования нарушений в технологическом процессе СРК, обеспечивающая непрерывное выявление нештатных ситуаций, их причин и способов устранения последствий.
  • Разработан алгоритм работы системы диагностики СРК на основе предложенной комбинированной модели ее функционирования.

Практическая ценность.

  • Разработано и практически опробовано программно-алгоритмическое обеспечение функционирования системы диагностики содорегенерационных котлоагрегатов, что позволяет реализовать диагностирование технологических процессов в составе АСУТП котлоагрегатов.
  • Составлена методика опроса экспертов, на основе которой формируется фреймово-продукционная модель для конкретного содорегенерационного котлоагрегата.
  • Синтезирована двухуровневая фреймово-продукционная модель, которая за счет иерархической структуры ускоряет работу диагностической системы.
  • Система диагностики с использованием  результатов опроса экспертов Сегежского ЦБП реализована и опробована в виде отдельного программного модуля, что позволяет ее легко внедрить в любую существующую систему управления содорегенерационным котлоагрегатом.

   Положения, выносимые на защиту.

  • Двухуровневая система диагностики технологических процессов содорегенерационного котлоагрегата, построенная на основе двухуровневых моделей диагностирования, что позволяет обеспечить раннее обнаружение развития нештатных ситуаций, идентификацию причин нарушений в технологических процессах котлоагрегатов и их устранение.
  • Модель процесса сжигания черных щелоков в СРК, адаптированную к обнаружению нештатных ситуаций в котлоагрегатах.
  • Комбинированная диагностическая модель для содорегенерационного котлоагрегата, состоящая из модели по методу главных компонент и двухуровневой фреймово-продукционной модели и обеспечивающая обнаружение и идентификацию нарушений в технологических процессах даже при различной скорости их развития.
  • Алгоритм функционирования системы диагностики в составе действующей АСУТП содорегенерационного котла, включающий две стадии: непрерывный мониторинг технологического процесса в пространстве главных компонент, активизацию фреймов при обнаружении нарушений, поиск конкретной причины нарушения.
  • Методику опроса экспертов для создания фреймово-продукционной модели, которая определяет причины нештатных ситуаций обеспечивающую непротиворечивые оценки причин неисправностей в СРК на основе его декомпозиции.

        Методика исследований. В ходе выполнения работы были использованы методы теории технической диагностики, теории вероятностей, теории случайных процессов, математической статистики, сбора и обработки экспертной информации.

Достоверность основных положений и выводов подтверждается

  • полным аналитическим исследованием методов диагностирования и моделей технологических процессов, происходящих в СРК
  • положительными результатами имитационного моделирования системы диагностирования нештатных ситуаций в СРК на основе большого объема статистических экспериментальных данных.
  • апробацией результатов работы в печати и на научно-технических обсуждениях

  Апробация работы. Основные положения сообщались на конференциях и семинарах института повышения квалификации «Крона» СПБГТУРП в 2009-2011 годах. Результаты работы обсуждались на научных семинарах кафедры автоматизации технологических процессов и производств и информационно-измерительных технологий и систем управления СПБГТУРП. Имеются акты внедрения: акт об использовании материалов математического и алгоритмического обеспечения системы диагностики состояний СРК и акт внедрения результатов диссертационной работы в учебные дисциплины на кафедрах факультета АСУТП.

  Публикации. По материалам диссертации опубликовано 4 работы, в том числе 2 в ведущих журналах, рекомендованных ВАК РФ

  Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и приложения.  Содержит 129 страниц машинописного текста, 30 рисунков, список литературы состоит из 133 наименований.

            

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснованна актуальность темы диссертации, сформулирована цель, изложены основные положения, выносимые на защиту, научная новизна и практическая значимость работы.

В первой главе рассмотрен содорегенерационный котлоагрегат (СРК) предназначеный для регенерации (восстановления свойств) черного щелока, отработанного в процессе варки целлюлозы.

В топке СРК сжигается черный щелок с содержанием абсолютно сухих веществ около 65%. Минеральная часть щелоков скапливается на поду топки в виде огарка, где происходит окончательное дожигание органической части и восстановление щелока. Подача воздуха идет тремя потоками. Первый поток (порядка 60%), применяется для подсушки щелоков, подается через щелоковые горелки, второй поток подается в верхнюю часть топки для ограничения высоты огарка и дополнительной подсушки щелоков и третий поток поддерживает процесс горения. Тепло, выделяемое в процессе сжигания щелоков, утилизируется в виде пара с температурой 430 оС. Огарок, называемый плавом, удаляется с пода топки по леткам и попадает в бак смесителя плава с зеленым щелоком, где происходит окончательное восстановление щелоков. АСУТП СРК имеет сложную структуру. АСУТП СРК управляет и контролирует основные технологические параметры. Тем не менее, в котле имеются участки технологического процесса, управление которыми ведется вручную по визуальной оценке.

Анализ СРК как потенциально опасного объекта выявил, что к наиболее тяжелым авариям приводят хлопки и взрывы. Хлопок возникает при попадании большого куска плава в бак смеситель зеленого щелока. Взрыв возникает при попадании воды непосредственно в плав, за счет резкого испарения влаги.

Развитие нарушений в ходе технологических процессов обычно сопровождается изменением многих параметров. Часть информации о состоянии текущего технологического процесса можно получить только органолептически, особенно от процессов происходящих на поду топки. Однако из-за большого объема такой информации оператор часто не успевает определить нарушение и предотвратить его развитие до срабатывания систем автоматической защиты.

Еще одной особенностью содорегенерационного котлоагрегата является многосвязность параметров. Развитие нарушений в ходе технологического процесса обычно характеризуется изменением большого числа параметров, что также не способствует своевременной идентификации оператором причин нарушения.

Во второй главе предложено создать систему диагностики, которая, опираясь на данные, полученные от АСУТП, могла бы оценить опасные состояния в технологических процессах и выдать рекомендации оператору по устранению нештатной ситуации. К такой системе диагностики должно быть предъявлено требование: раннего обнаружения нарушения и определения  причины его возникновения, чтобы оператор успел вернуть технологический процесс в нормальный режим до срабатывания систем автоматической защиты.

На стадии анализа математических моделей применяемых для диагностирования нештатных ситуаций были сформированы требования, предъявляемые к системе диагностики:

  • раннее обнаружение нарушения;
  • достаточная глубина диагностики;
  • необходимость обеспечить устойчивость к шумам в исходных данных;
  • возможности самообучаемости системы диагностики;
  • адаптируемость к изменениям технологического процесса;
  • определение множественных нарушений и уверенное различение их между собой.

Наиболее перспективными моделями, удовлетворяющие  перечисленным требованиям являются модели на основе метода главных компонент (МГК). Они обладают серьезными преимуществами по сравнению с другими диагностическими моделями. МГК позволяет построить диагностическую модель на основе статистической информации, полученной с объекта. Основными требованиями,  предъявляемыми к статистической  выборке данных, получаемой от АСУТП СРК, из которой формируется исходная модель, являются: представление информации, соответствующей  штатной работе СРК, полнота и достоверность этой информации. К значительным достоинствам МГК относится возможность сократить размерность диагностической модели, что позволяет упростить работу системы.

Алгоритм работы МГК состоит из следующих шагов:

  • Формирование начальной выборки данных Х0k (k=0) из n строк (результатов измерений) и р столбцов (наименований контролируемых переменных) при нормальных условиях работы процесса. Элементы матрицы Х0k нормируются к нулевому среднему и единичной дисперсии, образуя матрицу Х, которая проверяется на наличие выбросов.
  • Формирование МГК-модели определение числа главных компонент, учитываемых в модели и разложение матрицы Х по главным компонентам.
  • Вычисление пороговых значений СQ и СТ2 для статистик Q (нарушения внутри модели МГК) и Т2 (нарушения, не описываемые моделью МГК). Первые три шага – построение модели МГК, с четвертого шага начинается мониторинг процесса.
  • Осуществление центрирования и нормирования поступившего вектора новых наблюдений хr (rI[1, N]), полученного в результате очередного опроса датчиков через интервал опроса, с учетом рассчитанных ранее значений математических ожиданий и  среднеквадратических отклонений.
  • Вычисление статистик Q и Т2 и сравнение их с пороговыми значениями: и .
  • Если в течение пяти последовательных шагов какая-либо из статистик превышает пороговое значение, то нарушение считается обнаруженным.
  • Если в течение N шагов превышения пороговых значений не происходит, то из запомненных N вектор-строк {x1, …, xN} формируется новая матрица Xk+1, строится новая МГК-модель, определяются новые значения порогов CQ и CТ2, а далее производится возврат к пункту 4.

В работе предложено усовершенствовать общепринятый алгоритм, добавив второе окно измерений. Первое окно представляет собой короткий интервал времени (500 секунд), по которому можно определить быстроразвивающиеся  нарушения, такие как хлопки, понижение уровня воды в барабане котла и т.п. Второе окно включает гораздо больший интервал времени (порядка 2500000 секунд, что равно 28 суткам). Это окно служит для определения медленно развивающихся нарушений, например, засорение внутренних поверхностей труб, шлакование поверхностей нагрева, постепенных уход метрологических параметров датчиков и т.п.

При всех преимуществах МГК имеет одно серьезное ограничение. С помощью этого метода трудно идентифицировать причины, вызвавшие конкретную нештатную ситуацию. Поэтому в работе предложено использовать двух уровневую диагностическую систему. На первом уровне с помощью МГК происходит обнаружение развития нарушения. На втором уровне с помощью экспертной системы, представленной в виде фремово-продукционной системы производится идентификация причин, вызвавших нештатную ситуацию.

В третьей главе рассмотрена фреймово-продукционная система представляет собой, иерархическую модель, которая позволяет структурировать информацию, полученную от экспертов. Для проведения экспертного опроса были составлены листы опроса, которые предлагалось заполнить эксперту, и если это было необходимо, дополнить их. Затем были сформированы две группы экспертов: три специалиста содовщика и три оператора СРК. Такой состав экспертных групп позволил удалить противоречия из экспертной информации, полученной от специалистов разного профиля.

На первом этапе анализа экспертной информации использовалась стратегия удаления противоречий, которая заключалась в сопоставлении полученной от экспертов на данный момент информации с полученной ранее, и в проверке ее на непротиворечивость.

На втором этапе производились обработка и поиск противоречий уже в первично обработанной информации. Все выявленные противоречивые ответы были представлены экспертам для осмысления и устранения.

В результате анализа ответов экспертов был составлен окончательный список возможных нештатных ситуаций, их приоритетов (опасность ситуации), а также необходимых действий, которые рекомендуются оператору для устранения причин нештатных ситуаций.

Все диагностические показатели были разделены на три группы. В первую вошли диагностические показатели, которые обеспечены средствами автоматического контроля и могут быть использованы системой диагностики непосредственно. Во вторую группу вошли показатели, которые определяются по результатам лабораторно-аналитического контроля и применяются в системе диагностики как дополнительные факторы. В третью группу вошли характеристики, которые рассчитываются с помощью математических моделей.

При формировании иерархической структуры фреймово-продукционной модели, на основе декомпозиции объекта были выделены корневые фреймы, (табл. 1). Фрейм активизируется, если основные переменные, характеризующие группы ситуаций, связанных с этим фреймом, превышают пороговые значения.

Корневому фрейму подчинены дочерние фреймы, объединяющие описание конкретных нарушений, с точки зрения вызывающих их причин (табл. 2). Причины описаны нечеткими продукционными правилами. Для выявления конкретной причины нарушения каждому нарушению соответствуют свои значения диагностических показателей. Эти типовые значения вводятся в левые части продукционных правил.

Таблица 1. Структура первого корневого фрейма

Обозначение

Содержимое слота

FrK1

Имя корневого фрейма: Нарушения  в пароводяном тракте

Nor1={si}

Диагностические показатели, i I [1,4 ]:

s1 = PВХ ВОДЫ? = f(PВХ ВОДЫ< 6,8 МПа) – давление воды на входе котла

s2 =  pH ­ = f(pH > 9,3) – pH котловой воды

s3 = TПИТ.ВОДЫ ­ = f(TПИТ.ВОДЫ  > 85 °С) – температура питательной воды после экономайзера

s4 = U­ = f(U > 230В) –  напряжение в сети питания приборов АСУТП

Im1{ly.i}

(YxI)

         si

FrDy

s1

s2

s3

s4

1

0,35

2

0,3

3

0,1

4

0,5

Матрица причинно следственных отношений 4?4:

St1

Статус St=0/ St=1 если хоть один si > ly.i

FrD1.1

FrD1.2

FrD1.3

FrD1.4

 Дочерние фреймы y I [1, 4]:

  • Нарушения, связанные с  барабаном котла и водяной частью котла
  • Вспенивание воды
  • Выход из строя водоуказательных приборов
  • Гидравлические удары

Таблица 2. Структура одного из дочерних фреймов первого

корневого фрейма

Обозначение

Содержимое слота

FrD1.1

Имя дочернего фрейма: Нарушения, связанные с  барабаном котла

FrK1

Имя корневого фрейма: Нарушения  в пароводяном тракте

Nor1={si}

Определяющие диагностические показатели:

s1 = f(Pвх воды < 6,75 МПа) или  f(Pвх воды > 6,85 МПа)  - давление воды на входе в котел

s2 = f(Fвх воды < 80 т/ч  или Fвх воды > 82 т/ч) – расход воды на входе в котел

s3 = f(TВР РЕАКЦ СИСТ > 2 с)  – время реакции системы автоматического управления в пароводяном тракте

s4 = f(S шум в топке = 1) – шум в топке

s5 = f(LБАР < -150 мм ) – нижняя отметка в верхнем барабане котла относительно его середины

s6 = f(LБАР < +150 мм ) – верхняя отметка в верхнем барабане котла относительно его середины

s7 = f(PВЫХ ПАРА  < 38 кг/см2) – давление пара на выходе из котла

s8 = СКО(LБАР) – скачки уровня воды в барабане

DM1.1

Список правил, описывающих причины

RL1

Если s1 =1 & s2 =1 &  s3 =1 &  s4 =1 & s5 =1, то Dg1 ,Rc1

Продолжение табл. 2

Обозначение

Содержимое слота

RL2

Если s1 ? s2&  s3 =1 & s6 =1 & s7 = 1, то Dg2 ,Rc2

RL3

Если s1 ? s2, тоDg3 , Rc3

RL4

Если s1 ? s2 &  s3 =1 &  s4 =1, & s8 = 1, то Dg4 ,Rc4

Diag1.1

Список возможных ситуаций и причин

Dg1

Отклонение уровня воды в барабане

Dg2

Повышение уровня воды в барабане

Dg3

Вибрации питательных трубопроводов           

Dg4

Удары в паропроводе

Rec1.1

Список рекомендаций по устранению нарушений

Rc1

Проверить исправность системы регулирования, проверить отсутствие течи в топку. Если есть течь, остановить котел. Если нет, увеличить подачу питательной воды

Rc2

Проверить исправность системы регулирования, продуть водоуказательные колонки, проверить расход питательной воды. Открыть аварийный сброс

Rc3

Остановить котел, проверить трубы, произвести ремонт

Rc4

Остановить котел, отремонтировать трубы

При активации корневого фрейма активизируются фреймы с дочерними ситуациями, имеющими сходные симптомы, и производится просмотр условных частей продукционных правил. Выбор конкретной причины из списка конкурирующих (ситуации, имеющие сходные симптомы), принимается по результатам оценки степени близости ситуаций текущего технологического процесса и декларированных в правилах фреймово- продукционной модели. Оценка степени близости ведется посредством сравнения вектора ситуации, наблюдаемой на процессе, с векторами описаний причин нештатной  ситуаций, включенных в условные части правил диагностической модели.

Каждое продукционное правило представлено нечетким множеством А(ui), являющимся подмножеством универсального множества U, включающего в качестве элементов все возможные диагностические показатели ui (uiIU), степени проявления которых в данной ситуации (функций принадлежности mS(ui)) входят в левые части правил диагностической модели (ДМ). В результате ситуация для каждого продукционного правила описывается в ДМ вектором  S* =  (s1*, s2*,… sJ*), элементы которого si*=mS * (ui*)  отражают типовое значение показателей при появлении конкретного нарушения. Текущая ситуация на технологическом процессе в СРК описывается вектором S= (s1, s2,… sJ).

Из различных критериев оценки степени близости ситуаций, записанных в правиле, к текущей ситуации на процессе, был выбран наиболее чувствительный критерий, построенный на основе скалярного произведения векторов S и S*:

 ,                                 (6)

где       J (jI[1, J]) - число параметров в предусловии правила.

В результате процедура идентификации причин нарушения выглядит следующим образом.

  • После фиксации факта возникновения нарушения начинается сканирование цепочки корневых фреймов. При этом вектор основных показателей, соответствующих нештатным ситуациям, в каждом корневом фрейме сравнивается с декларированными пороговыми значениями. При превышении хотя бы одним из симптомов данного порога, этот корневой фрейм активируется и управление передается в его дочерний фрейм соответствующий данной строке таблицы.
  • Производится просмотр всех продукционных правил в соответствующем слоте дочернего фрейма и оценивается степень близости вектора показателей, описывающих текущую ситуацию, ситуациям, декларированным в правилах, по критерию (6).

Значения критерия сравниваются с эмпирически выбранным пороговым значением g, при превышении которого в нескольких последовательных циклах причина ситуации считается идентифицированной. Чем он выше, тем больше запаздывание в идентификации причин нарушения, и наоборот, чем он ниже, тем больше ошибочных идентификаций (ложных тревог).

  • Если обнаруживается выход хотя бы одной из оценок близости нарушения за пороговое значение, то продукционное правило, соответствующее конкретной оценки, срабатывает и оператору выдаются текстовые сообщения     

по конкретному нарушению: его причина, степень развития и рекомендации к действиям по устранению нарушения.

Работа данного метода диагностики была проверена имитационным моделированием с использованием данных полученных с реального СРК. Для этого была собрана и сформирована выборка значений параметров процесса в СРК, учитывающая около 50 параметров (% абсолютно сухого вещества, расход черного щелока, расходы воздухов и др.), измеренных с частотой 1 раз в секунду в течение одних суток, т.е. объем выборки составляет 4 млн. значений в сутки. На основе этой выборки была синтезирована МГК модель, характеризующая нормальный режим работы СРК.

На следующем этапе был проведен опрос экспертов. На основе данных, полученных от экспертов, была сформирована двухуровневая фреймовая модель.

В четвертой главе для проверки работоспособности системы диагностики было решено задать нарушения, с помощью имитационного моделирования, т.к. добыть информацию с процесса содержащую нарушения не удалось. Для этого была использована модель, разработанная Житковым В.В. Для того, чтобы усложнить работу системы диагностики, были смоделированы конкурирующие ситуации (нештатные ситуации, имеющие схожие симптомы)

В примере один рассмотрены две ситуации (S1 и S2), входящие в корневой фрейм «нарушения в пароводяном тракте» (рис. 2 и рис. 3).

Подпись: Т2 статистика Подпись: Q статистика                                           

  


Рис. 2. Динамика изменения Q статистики (а) и Т2 статистики (б) во время развития ситуации S1

Подпись: вероятность 


Рис. 3. Идентификация нарушения S1 с применением критерия близости ситуаций

Если давление пара на выходе из котла равно давлению воды на входе в котел и уровень воды в барабане падает, то соответственно отмечается критическое понижение уровня воды в СРК (S1). Конкурирующая с ней ситуация, заключается в том, что, если давление пара на выходе из котла и давление пара на саже обдувку не равно давлению воды на входе в котел и уровень

воды в барабане постоянный или падает, то диагностируется свищ в трубах котлоагрегата (S2). Общими симптомами для этих двух ситуаций является уменьшение уровня воды в барабане, а так же изменение соотношения между давлением питательной воды и пара.

Как видно из рис. 2 Т2 - статистика смогла определить развитие нарушения на 140 шаге. Идентификация нарушения S1 произведена на 298 шаге согласно рис. 3. Т. к. частота измерений параметров 1Гц, то уже через две с половиной минуты оператор получил рекомендации по устранению нарушения.

Для этого вида нарушений и динамики развития нарушения, полученная скорость работы системы диагностики считается достаточно быстрой.

Как показало исследование первых двух конкурирующих ситуаций, система диагностики уверенно различает ситуации, имеющие сходные симптомы.

Вторая пара ситуаций относится к фрейму «нарушения процесса горения в топке» (рис. 4 и рис. 5). Если температура черного щелока падает и расход первичного,

вторичного и третичного воздуха также падает и снижается концентрация абсолютно сухих веществ, то возможно прекращение горения на поду топки (S3). Если подача первичного воздуха падает, в топке растет разряжение и концентрация абсолютно сухих веществ падает, то возможны взрывы в топке (S4). Общими симптомами в данных ситуациях служат изменение процента содержания абсолютно сухих веществ и расхода общего воздуха.

Подпись: Q статистика    Подпись: Т2 статистика     


Рис. 4. Динамика изменения Q статистики (а) и Т2 статистики (б)

во время развития ситуации S3

Подпись: вероятность 


                                                                                                   

Рис.5.  Идентификация нарушения S3 с применением критерия близости ситуаций

Обнаружение нарушения Т2 - статистикой производится на 140 шаге (рис. 4). А обнаружение причин производится уже на 290 шаге, т.е. уже через 150 шагов после обнаружения нарушения Т2 - статистикой (рис. 5). При этом даже изменение одного симптома ведет к обнаружению нарушения Т2 – статистикой, и затем идентификация причин нарушения производится по оставшимся симптомам.

Для демонстрации работы второго окна МГК был сформирован новый массив данных в 2500000 измерений. Была выбрана новая пара ситуаций, которые имеют малую динамику развития. Ситуация S5 - зашламление экранных труб и S6 -  коррозия экранных труб (рис 6 и рис 7).

Подпись: Т2 статистика     Подпись: Q статистика       

 

 

 

 

    

Рис. 6. Динамика изменения Q статистики (а) и Т2 статистики (б)

во время развития ситуации S5

Подпись: вероятность 

 

 

 


                                                                                                         

Рис.7.  Идентификация нарушения S5 с применением критерия близости ситуаций

Обнаружение нарушения Т2 - статистикой производится на 2497364 шаге (рис. 6). А обнаружение причин производится уже на 2497801 шаге, т.е. уже через 437 шагов после обнаружения нарушения Т2 - статистикой (рис. 7). При

этом даже изменение одного симптома ведет к обнаружению нарушения Т2 – статистикой, и затем идентификация причин нарушения производится по оставшимся симптомам.

В итоге имитационное моделирование нештатных ситуаций и проверка работы системы диагностики на смоделированных данных позволили утверждать, что идентификация причин вызвавших нарушение в функционировании СРК производится устойчиво и достаточно оперативно даже в наиболее сложных ситуациях для диагностики нештатных ситуаций, когда развиваются нарушения, которые имеют  ряд общих симптомов.

Основные результаты диссертационной работы

  1. Проведена структурная декомпозиция СРК, позволившая сформулировать задачи диагностирования нештатных ситуаций на предприятиях ЦБП с помощью существующего измерительно-информационного обеспечения АСУТП СРК.
  2. Проведенные теоретические исследования диагностических моделей позволили выбрать двухуровневый подход к определению нарушений в технологических процессах содорегенерационного котлоагрегата на основе моделей метода главных компонент и фреймово-продукционной экспертной модели, позволяющих, установить факты появления нештатных ситуаций на ранней стадии их развития, и выявить причины нештатных ситуаций.
  3. Разработана двухуровневая система диагностики, в которой на первом уровне, с помощью метода главных компонент определяется раннее появление нарушений в процессах СРК. На втором уровне системы диагностики на первом этапе анализируются симптомы нарушений в корневых фреймах и на втором этапе активизируются в соответствующих корневых фреймах дочерние фреймы, в которых обнаруживаются их причины на основе использования экспертных знаний.
  4. Предлагаемая диагностическая система выполнена в виде программного модуля, предназначенного для интеграции в АСУТП процессами содорегенерационным котлоагрегатом, что позволяет облегчить практическое внедрение этой системы на действующих содорегенерационных котлоагрегатах.
  5. Предложенный подход к созданию системы диагностики СРК, м.б. использован на ряде предприятий ЦБП. На основе измерительной информации полученной от системы АСУТП конкретного  технологического объекта происходит слежение за состоянием технологического процесса. При этом ее настройка, как и в приведенном примере, осуществляется с помощью опроса экспертов работающих на этом технологическом объекте.
  6. Создана методика обработки экспертных оценок причин нарушений работы СРК согласно его декомпозиции, позволяющая уточнять, дополнять и фильтровать базу знаний, полученных от групп экспертов, работающих на каждом конкретном  содорегенерационном котлоагрегате.
  7. Проведено моделирование в пакете Matlab(Simulink) двухуровневой системы диагностики, с использованием предложенных алгоритмов, что позволило подтвердить работоспособность и эффективность разработанного подхода к диагностированию нештатных ситуаций в СРК.

Публикации по теме диссертации

  1. Горьковой Е.В., Рудакова И.В., Суриков В.Н. К вопросу о создании системы диагностики для содорегенерационных котлов // Целлюлоза. Бумага. Картон. 2010. №6. С. 54-57.
  2. Горьковой Е.В., Рудакова И.В., Суриков В.Н. Двухуровневая система диагностики содорегенерационных котлов // Целлюлоза. Бумага. Картон. 2010. №7. С. 70-74.
  3. Горьковой Е.В. Применение метода главных компонентов на содорегенерационном котле для обнаружения внештатных ситуаций // Машины и аппараты целлюлозно-бумажного производства: межвуз. сб. науч. тр. / редкол. Куров В.С. и др. СПб.: ГОУВПО СПбГТУРП, 2008.  С. 109-113.
  4. Горьковой Е.В. Локализация и идентификация нештатных ситуаций при эксплуатации содорегенерационных котлов // Машины и аппараты целлюлозно-бумажного производства: межвуз. сб. науч. тр. / редкол. Куров В.С. и др. СПб.: ГОУВПО СПбГТУРП,  2011. С. 65-71.
 
Авторефераты по темам  >>  Разные специальности - [часть 1]  [часть 2]



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.