本发明涉及故障诊断技术领域，特别涉及一种石化装备中催化裂化主风机组闭环控制对故障诊断方法。
背景技术
催化裂化主风机组是石化系统中必不可少的设备，催化裂化主风机组在工作过程属于闭环控制，而闭环控制则会抑制某些故障的症状，一个已知的事实是线性系统某些闭环控制形式对执行器偏差故障具有天然的容错能力，多数故障的外在表现会被闭环作用削弱，从而导致闭环状态下，催化裂化主风机组的故障无法被有效诊断。
因此，发明一种石化装备中催化裂化主风机组闭环控制对故障诊断方法来解决上述问题很有必要。
技术实现要素：
本发明的目的在于提供一种石化装备中催化裂化主风机组闭环控制对故障诊断方法，能够在闭环前提下根据反馈是否可以完全解耦做出不同的操作，即可以采取未知输入观测器的方法，使得控制信号到残差信号的增益为零或可以在数学期望意义或鲁棒准则意义下使得残差信号与不可控因素的影响尽量小，并采用正向或者反向递推黎卡提方程进行求解，最后在统计意义下利用概率密度函数分析这种变化对故障误报率和漏报率的影响，并分别采用有/无监督学习方法进行相关性分析，深入挖掘故障表征的相关性，对故障来源进行精确推断，从而有效在闭环状态下对设备故障进行有效诊断，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种石化装备中催化裂化主风机组闭环控制对故障诊断方法，具体包括以下步骤：
步骤一：若模型不确定性和非线性的结构信息已知，可以采取未知输入观测器的方法，使得控制信号到残差信号的增益为零，即残差信号对于控制信号解耦；
步骤二：如果解耦无法实现，可以在数学期望意义或鲁棒准则意义下使得残差信号与不可控因素的影响尽量小，并采用正向或者反向递推黎卡提方程进行求解；
步骤三：若残差生成器需要考虑检测时延抗扰动等其他性能指标，而非单纯考虑降低闭环反馈的影响，则需要利用残差递推式，通过三角不等式和柯西不等式分析历史反馈控制对于残差幅值和某些特征值可能的最坏影响，并调整残差评价函数的形式和相应的阈值；
步骤四：最后可以在统计意义下利用概率密度函数分析这种变化对故障误报率和漏报率的影响，并分别采用有/无监督学习方法进行相关性分析，深入挖掘故障表征的相关性，对故障来源进行精确推断；
步骤五：为了排除反馈控制量对故障诊断的影响，需要先对残差信号进行预处理，即利用鲁棒最小方差指标，降低控制量和外部干扰到残差特征量的增益，以便于抑制控制量和干扰对残差特征量的影响；
步骤六：在最小方差和鲁棒框架下，分别利用其统计特征信息和系数矩阵结构降低其影响，分别实现最小均方和传递函数无穷范数意义下的最优求解，与步骤四中得出的结果相印证，从而精确诊断出故障所在。
本发明的技术效果和优点：
1、本发明能够在闭环前提下根据反馈是否可以完全解耦做出不同的操作，即可以采取未知输入观测器的方法，使得控制信号到残差信号的增益为零或可以在数学期望意义或鲁棒准则意义下使得残差信号与不可控因素的影响尽量小，并采用正向或者反向递推黎卡提方程进行求解，最后在统计意义下利用概率密度函数分析这种变化对故障误报率和漏报率的影响，并分别采用有/无监督学习方法进行相关性分析，深入挖掘故障表征的相关性，对故障来源进行精确推断，从而有效在闭环状态下对设备故障进行有效诊断；
2、本发明中，若残差生成器需要考虑检测时延抗扰动等其他性能指标，而非单纯考虑降低闭环反馈的影响，则需要利用残差递推式，通过三角不等式和柯西不等式分析历史反馈控制对于残差幅值和某些特征值可能的最坏影响，并调整残差评价函数的形式和相应的阈值，从而使得本发明可以在降低闭环反馈的影响的同时能够自适应延抗扰动等其他性能指标，并针对延抗扰动等其他性能指标作出解决性操作，从而保证后续检测结果的准确性；
3、本发明中，为了排除反馈控制量对故障诊断的影响，需要先对残差信号进行预处理，即利用鲁棒最小方差指标，降低控制量和外部干扰到残差特征量的增益，以便于抑制控制量和干扰对残差特征量的影响，在最小方差和鲁棒框架下，分别利用其统计特征信息和系数矩阵结构降低其影响，分别实现最小均方和传递函数无穷范数意义下的最优求解，与之前所得出的结果相印证，从而精确诊断出故障所在。
附图说明
图1为本发明的整体流程示意图。
图2为本发明的闭环对故障诊断机理的影响检测流程示意图。
图3为本发明的闭环对故障可诊断性的影响检测流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
本发明提供了如图1-3所示的一种石化装备中催化裂化主风机组闭环控制对故障诊断方法，具体包括以下步骤：
步骤一：若模型不确定性和非线性的结构信息已知，可以采取未知输入观测器的方法，使得控制信号到残差信号的增益为零，即残差信号对于控制信号解耦；
步骤二：如果解耦无法实现，可以在数学期望意义或鲁棒准则意义下使得残差信号与不可控因素的影响尽量小，并采用正向或者反向递推黎卡提方程进行求解；
步骤三：最后可以在统计意义下利用概率密度函数分析这种变化对故障误报率和漏报率的影响，并分别采用有/无监督学习方法进行相关性分析，深入挖掘故障表征的相关性，对故障来源进行精确推断；
步骤四：为了排除反馈控制量对故障诊断的影响，需要先对残差信号进行预处理，即利用鲁棒最小方差指标，降低控制量和外部干扰到残差特征量的增益，以便于抑制控制量和干扰对残差特征量的影响；
步骤五：在最小方差和鲁棒框架下，分别利用其统计特征信息和系数矩阵结构降低其影响，分别实现最小均方和传递函数无穷范数意义下的最优求解，与步骤四中得出的结果相印证，从而精确诊断出故障所在。
由上述实施例可知：本发明能够在闭环前提下根据反馈是否可以完全解耦做出不同的操作，即可以采取未知输入观测器的方法，使得控制信号到残差信号的增益为零或可以在数学期望意义或鲁棒准则意义下使得残差信号与不可控因素的影响尽量小，并采用正向或者反向递推黎卡提方程进行求解，最后在统计意义下利用概率密度函数分析这种变化对故障误报率和漏报率的影响，并分别采用有/无监督学习方法进行相关性分析，深入挖掘故障表征的相关性，对故障来源进行精确推断，从而有效在闭环状态下对设备故障进行有效诊断。
实施例2
本发明提供了如图1-3所示的一种石化装备中催化裂化主风机组闭环控制对故障诊断方法，具体包括以下步骤：
步骤一：若残差生成器需要考虑检测时延抗扰动等其他性能指标，而非单纯考虑降低闭环反馈的影响，则需要利用残差递推式，通过三角不等式和柯西不等式分析历史反馈控制对于残差幅值和某些特征值可能的最坏影响，并调整残差评价函数的形式和相应的阈值；
步骤二：最后可以在统计意义下利用概率密度函数分析这种变化对故障误报率和漏报率的影响，并分别采用有/无监督学习方法进行相关性分析，深入挖掘故障表征的相关性，对故障来源进行精确推断；
步骤三：为了排除反馈控制量对故障诊断的影响，需要先对残差信号进行预处理，即利用鲁棒最小方差指标，降低控制量和外部干扰到残差特征量的增益，以便于抑制控制量和干扰对残差特征量的影响；
步骤四：在最小方差和鲁棒框架下，分别利用其统计特征信息和系数矩阵结构降低其影响，分别实现最小均方和传递函数无穷范数意义下的最优求解，与步骤四中得出的结果相印证，从而精确诊断出故障所在。
由上述实施例可知：本发明中，若残差生成器需要考虑检测时延抗扰动等其他性能指标，而非单纯考虑降低闭环反馈的影响，则需要利用残差递推式，通过三角不等式和柯西不等式分析历史反馈控制对于残差幅值和某些特征值可能的最坏影响，并调整残差评价函数的形式和相应的阈值，从而使得本发明可以在降低闭环反馈的影响的同时能够自适应延抗扰动等其他性能指标，并针对延抗扰动等其他性能指标作出解决性操作，从而保证后续检测结果的准确性。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。