氣固反應(yīng)器中基于聲發(fā)射信號(hào)的故障檢測與診斷.pdf

1、過程工業(yè)是我國國民經(jīng)濟(jì)的重要支柱產(chǎn)業(yè)之一，而多相流反應(yīng)器在過程工業(yè)的連續(xù)生產(chǎn)中更是起到了舉足輕重的作用，對其進(jìn)行準(zhǔn)確的在線故障檢測與診斷是保障大型工業(yè)裝置長期連續(xù)穩(wěn)定運(yùn)行的重要手段。隨著現(xiàn)代工業(yè)生產(chǎn)的發(fā)展和科學(xué)技術(shù)的進(jìn)步，多相流反應(yīng)器的設(shè)計(jì)正朝著多功能、高集成、自動(dòng)化的方向飛速發(fā)展。隨之產(chǎn)生的問題是反應(yīng)器內(nèi)高度復(fù)雜的流體動(dòng)力學(xué)行為，進(jìn)而形成具有非線性、多尺度、動(dòng)態(tài)性等特征的復(fù)雜系統(tǒng)，給多相流反應(yīng)器的實(shí)時(shí)故障檢測與診斷帶來不小的困難。另一

2、方面，傳統(tǒng)檢測手段(溫度、壓力等)僅針對過程的工藝參數(shù)進(jìn)行采集，難以達(dá)到工業(yè)故障檢測靈敏、準(zhǔn)確、及時(shí)的高標(biāo)準(zhǔn)，不能滿足現(xiàn)代工業(yè)生產(chǎn)的需求。因此，針對上述問題，系統(tǒng)研究過程工業(yè)中多相流反應(yīng)器故障的產(chǎn)生機(jī)理、特征、影響因素以及應(yīng)對策略，開發(fā)一種簡單快捷、靈敏準(zhǔn)確的故障早期檢測技術(shù)不僅極富挑戰(zhàn)性，同時(shí)也具有重大的理論意義和實(shí)用價(jià)值。
　　 本論文針對化工過程中三種應(yīng)用廣泛的多相流反應(yīng)器(聚丙烯臥式攪拌床反應(yīng)器、聚乙烯流化床反應(yīng)器和催化

3、裂化循環(huán)流化床反應(yīng)器)，以先進(jìn)的無損聲發(fā)射技術(shù)為在線測量手段，綜合應(yīng)用非線性動(dòng)力學(xué)分析和多元統(tǒng)計(jì)理論，系統(tǒng)地研究了顆粒性質(zhì)(大小、組成)與各類故障(結(jié)塊、結(jié)焦)之間的定性與定量關(guān)系。論文不僅建立了以聲發(fā)射信號(hào)為基礎(chǔ)的新型檢測方法和診斷模型，而且提出了各類故障的應(yīng)對策略，研究結(jié)果對于工業(yè)多相流反應(yīng)器的連續(xù)安全生產(chǎn)、優(yōu)化工藝操作和提高產(chǎn)品質(zhì)量都具有重要的指導(dǎo)意義。論文主要開展了以下四方面的研究工作：
　　 1．深入研究了顆粒性質(zhì)改變

4、前后，多相流系統(tǒng)流體動(dòng)力學(xué)信息發(fā)生的特定變化，建立了針對顆粒結(jié)塊故障的聲發(fā)射早期結(jié)塊識(shí)別系統(tǒng)(AcousticEmission-Early Agglomeration Recognition System，AE-EARS)、以及針對顆粒結(jié)焦的催化劑結(jié)焦量在線檢測模型。
　　 1) AE-EARS以非線性動(dòng)力學(xué)分析和現(xiàn)代統(tǒng)計(jì)理論為依托，主要由基于吸引子比較法的統(tǒng)計(jì)值S與基于復(fù)雜性分析的故障系數(shù)C兩大模塊構(gòu)成。其設(shè)計(jì)思路是從狀態(tài)比較

5、的角度出發(fā)，通過比較當(dāng)前狀態(tài)下聲發(fā)射信號(hào)與正常工況下的差異，最終判斷多相流反應(yīng)器內(nèi)的流體動(dòng)力學(xué)行為是否發(fā)生了狀態(tài)改變。
　　 2)吸引子比較法通過構(gòu)建聲發(fā)射信號(hào)的混沌吸引子以描述反應(yīng)器內(nèi)的流體動(dòng)力學(xué)行為，在多維空間中計(jì)算當(dāng)前狀態(tài)與正常狀態(tài)下吸引子之間的“距離”，并設(shè)計(jì)統(tǒng)計(jì)量S以實(shí)現(xiàn)結(jié)塊的預(yù)警。當(dāng)S值接近于0時(shí)，在零假設(shè)的前提下，說明當(dāng)前的評估狀態(tài)與正常生產(chǎn)狀態(tài)相似；當(dāng)S值大于3時(shí)，說明當(dāng)前評估狀態(tài)下反應(yīng)器內(nèi)的流體動(dòng)力學(xué)行為已經(jīng)發(fā)

6、生了改變，即產(chǎn)生了結(jié)塊。
　　 3)故障系數(shù)法通過引入復(fù)雜性分析中關(guān)聯(lián)維與Kolmogorov熵理論，定義故障系數(shù)C為當(dāng)前評估狀態(tài)與已知正常狀態(tài)下特征參數(shù)(關(guān)聯(lián)維、K-熵)的相對狀態(tài)比值，并通過設(shè)定閾值函數(shù)對當(dāng)前的評估狀態(tài)進(jìn)行故障判別。
　　 4)為建立催化劑結(jié)焦量在線檢測模型，在深入分析顆粒撞擊壁面產(chǎn)生聲發(fā)射信號(hào)的功率譜特征與催化劑結(jié)焦量之間的復(fù)雜關(guān)系基礎(chǔ)上，結(jié)合多元數(shù)據(jù)處理中偏最小二乘法(Partial Least

7、Squares，PLS)實(shí)現(xiàn)了聲發(fā)射信號(hào)中有用信息的提取，成功地建立了聲發(fā)射信號(hào)與催化劑結(jié)焦量之間的定量預(yù)測模型。
　　 2．采用AE-EARS系統(tǒng)，對聚丙烯臥式攪拌床反應(yīng)器內(nèi)的結(jié)塊進(jìn)行在線預(yù)警，并結(jié)合生產(chǎn)工藝，針對性地提出了結(jié)塊故障的應(yīng)對策略。
　　 1)針對吸引子比較法在實(shí)際應(yīng)用過程中各主要參數(shù)(窗口時(shí)間Tw、嵌入維數(shù)m、卷積帶寬d、片段長度L)的選擇問題，提出了一種以優(yōu)化理論為基礎(chǔ)的參數(shù)設(shè)置方法，它以計(jì)算得到最大的

8、S值、重復(fù)實(shí)驗(yàn)S值的標(biāo)準(zhǔn)方差最小為優(yōu)化目標(biāo)，以S值隨大顆粒質(zhì)量分?jǐn)?shù)的增加而增加為約束條件，采用網(wǎng)格搜索法為優(yōu)化手段，具有簡潔、易于操作等優(yōu)點(diǎn)。
　　 2)通過各種針對性的方法降低了外界操作參數(shù)對S值產(chǎn)生的干擾，極大地提升了AE-EARS對外界操作變量波動(dòng)的魯棒性，使之能適用于復(fù)雜工業(yè)裝置的結(jié)塊預(yù)警?；陔x散小波除噪法對由攪拌槳轉(zhuǎn)速的波動(dòng)而產(chǎn)生的干擾進(jìn)行了消除，并使得在小范圍內(nèi)(±10％)S值基本不受攪拌槳轉(zhuǎn)速的影響；通過對原始聲

9、發(fā)射信號(hào)進(jìn)行標(biāo)準(zhǔn)歸一化處理來消除大部分由床層重量波動(dòng)而產(chǎn)生的影響；通過合理選擇聲發(fā)射傳感器的位置來大大降低S值對底部循環(huán)氣波動(dòng)的敏感性，聲發(fā)射傳感器可接受的范圍為距離釜底1/8D至1/2D高度，最佳位置為1/4D，其中D為臥式攪拌釜的內(nèi)徑。
　　 3)基于S值的AE-EARS系統(tǒng)能敏感地檢測臥式攪拌床反應(yīng)器內(nèi)床層顆粒粒徑的微小變化，在結(jié)塊發(fā)生的早期提供精確的預(yù)警。在此基礎(chǔ)上，AE-EARS不僅能夠指示在牌號(hào)切換過程中多相體系是否

10、達(dá)到了穩(wěn)定狀態(tài)，而且借助多傳感器技術(shù)能夠準(zhǔn)確定位“異常事件”的發(fā)生位置，并在大型年產(chǎn)25wt聚丙烯工業(yè)熱模裝置上進(jìn)行了驗(yàn)證。
　　 3．考察了AE-EARS在氣相聚乙烯流化床反應(yīng)器內(nèi)對于結(jié)塊的檢測能力，并根據(jù)流化狀態(tài)下顆粒運(yùn)動(dòng)的特點(diǎn)，通過調(diào)整參數(shù)、降低誤報(bào)率等方法優(yōu)化了AE-EARS的模型性能。
　　 1)根據(jù)細(xì)顆粒在加熱狀態(tài)下發(fā)生團(tuán)聚的機(jī)理，在實(shí)驗(yàn)室冷模裝置內(nèi)模擬流化床內(nèi)顆粒結(jié)塊的動(dòng)態(tài)過程，并獲得了各故障系數(shù)C的閾值(

11、aD2=0.3，aK2=1.2)。在此基礎(chǔ)上，對于工業(yè)聚乙烯流化床內(nèi)結(jié)塊的故障進(jìn)行了檢測，實(shí)驗(yàn)結(jié)果證明，基于復(fù)雜性分析的故障系數(shù)C能用于結(jié)塊的早期檢測，且上述閾值具有一定的通用性。
　　 2)綜合比較了狀態(tài)統(tǒng)計(jì)值S與故障系數(shù)C在流化床反應(yīng)器中對于結(jié)塊早期識(shí)別的能力。經(jīng)實(shí)驗(yàn)室冷模和工業(yè)熱模裝置的全方位測試，證明統(tǒng)計(jì)值S無論是在結(jié)塊識(shí)別的精度(S:95%，C:90%)，還是預(yù)警的及時(shí)性(工業(yè)測試中S比C提前20-30min)方面都顯

12、示出更加優(yōu)異的性能。
　　 3)通過“過濾”方法對S值進(jìn)行處理，能夠有效提高檢測精度，由原先95%提高至99%。
　　 4．以催化裂化循環(huán)流化床中顆粒撞擊壁面的聲發(fā)射信號(hào)為基礎(chǔ)，催化劑結(jié)焦量在線檢測模型為分析手段，分別在實(shí)驗(yàn)室冷模與工業(yè)熱模裝置上針對FCC顆粒的結(jié)焦量進(jìn)行了在線檢測，為長期的故障診斷積累了寶貴的工業(yè)數(shù)據(jù)。
　　 1)對不同結(jié)焦量催化劑顆粒進(jìn)行了各項(xiàng)顆粒性質(zhì)的表征，結(jié)果發(fā)現(xiàn)：結(jié)焦前后催化劑顆粒的粒徑

13、分布沒有發(fā)生較大改變，而顆粒的比表面積、孔容以及孔徑在結(jié)焦后均有不同程度的下降。結(jié)合掃描電鏡結(jié)果推測，焦物大部分沉積于固體顆粒表面的孔道內(nèi)，且呈現(xiàn)出非連續(xù)性的分布狀態(tài)。
　　 2)借助多次累加平均法對傳統(tǒng)的功率譜分析進(jìn)行了改進(jìn)，獲得了高分辨率、低噪音的功率譜圖。在實(shí)驗(yàn)室冷模裝置內(nèi)，對不同結(jié)焦量的FCC顆粒進(jìn)行了流化實(shí)驗(yàn)，采集并計(jì)算得到了不同表觀氣速下催化劑顆粒的聲發(fā)射信號(hào)功率譜圖。實(shí)驗(yàn)結(jié)果表明：功率譜特征峰的頻率位置隨催化劑顆粒

14、結(jié)焦量的增大而向低頻方向線性移動(dòng)。由此，將催化劑顆粒的結(jié)焦量與特征峰的頻率位移相關(guān)聯(lián)，獲得了較好的預(yù)測效果，不同氣速下的平均相對誤差不超過8.12%。
　　 3)在頻率位移模型的基礎(chǔ)上，借助PLS回歸對實(shí)驗(yàn)室內(nèi)30組不同結(jié)焦量顆粒聲發(fā)射信號(hào)的功率譜進(jìn)行了建模，并進(jìn)行了獨(dú)立驗(yàn)證。實(shí)驗(yàn)結(jié)果表明：不同氣速下模型的相關(guān)系數(shù)為0.906，交叉驗(yàn)證均方根(RMSECV)為0.0535，滿足工業(yè)檢測的要求。
　　 4)在工業(yè)催化裂化的