中文题目：基于稀少故障数据的三相分离器故障诊断的激活推理方法

论文题目：An Activated Inference Method for Fault Diagnosis of Three-phase Separator Based on Rare Fault Data

录用期刊/会议：The 40th Youth Academic Annual Conference of Chinese Association of Automation（YAC2025）(CAA A类会议)

录用/见刊时间：2025.03.31

作者列表：

1）蒋龙 中国天天色天天（北京）人工智能学院 控制科学与工程专业 硕22级

2）王珠 中国天天色天天（北京）人工智能学院 自动化系教师

3）徐鹏 中国天天色天天（北京）人工智能学院 控制工程专业 硕24级

摘要:

本文针对三相分离器的稀少故障数据，提出了一种用于三相分离器故障诊断的异常推理网络算法。首先，根据工艺知识和报警记录确定包含异常现象和异常原因的网络结构，鉴于网络结构的复杂性，使用三元组来进行网络解构，以优化计算效率与减少存储空间。其次，为准确评估异常现象与异常原因间因果关系的强弱程度，利用模糊理论对专家知识进行处理，基于模糊化的专家知识来量化因果关系的强弱程度——节点间可能性等级。在此基础上，将极有可能的测试案例与群智能优化算法相结合对节点的最低激活值进行训练。同时，为了满足在线诊断的需求，设计一种带有节点激活判断的激活推理算法，用于在线诊断异常原因。使用三相分离器进行实验验证，结果表明该算法可以准确诊断三相分离器的工况异常和设备异常。

背景与动机:

在海上浮式生产储卸油装置中，三相分离器作为原油脱水脱气的关键设备，其运行状态直接关系到生产效率和安全性。面对复杂多变的工作条件，三相分离器可能会出现各种异常，这些异常往往体现在控制回路与工艺参数的正异常状态上。一旦三相分离器触发报警，如何准确地定位异常原因，便成为了亟待解决的技术难题。虽然三相分离器的分散控制系统中存储着海量数据，但故障数据的稀缺极大地限制了传统诊断等方法的有效应用。在这种情况下，本文针对三相分离器的稀少故障数据，提出了一种用于三相分离器故障诊断的异常推理网络算法。

设计与实现:

异常推理网络包括离线阶段和在线阶段。离线阶段包括网络结构的构建、节点间可能性等级、网络解构以及节点的最低激活值四部分；在线阶段主要为节点激活判断的激活推理算法，用于在线诊断异常原因。异常推理网络基于三相分离器的稀少故障数据，准确定位三相分离器的异常原因并提供参考信息，从而提升异常处理的效率与准确性。三相分离器的异常推理网络构建流程如图 1 所示。

图1 三相分离器的异常推理网络构建流程

主要内容:

1.异常推理网络结构构建

在异常推理网络结构建立过程中，首先需要根据工艺知识和报警记录识别出异常发生时的现象以及原因。这些异常现象和异常原因构成的对应关系可用图 2 表示。

图2 异常原因与异常现象间的对应关系

2.节点间可能性等级获取

节点间的可能性等级存在于现象节点和原因节点之间。具体含义为，当现象节点发生时，是原因节点导致的可能性，具体范围在0-10之间，数字越大发生的可能性越大。节点间的可能性等级表示为，其中为现象节点，为原因节点。针对无法直接获取节点间的可能性等级的问题，专家为节点间的可能性等级进行模糊打分，利用模糊理论对专家经验进行模糊化处理，从而反模糊化获取较为准确的节点间的可能性等级值。

3.网络解构

在异常推理网络结构中，一种异常现象可能存在多种异常原因，一种异常原因可能被多种异常现象所表示，这使异常推理网络结构的有向边错综复杂。因此，为存储与计算方便，本文将异常推理网络结构转化为图论中的有向加权图，并使用三元组存储来提高存储效率和计算效率，实现异常推理网络的解构。

4.节点的最低激活值的训练

在获取节点间可能性等级之后，异常推理网络的参数训练过程主要针对网络中节点最低激活值的训练。本文使用群智能优化算法与极有可能的测试案例相结合来训练节点的最低激活值，保证节点的最低激活值能够满足工业现场的要求。在粒子群算法的优化过程中，需要将每条测试案例中的最简极有可能的现象节点集合输入到异常推理网络中，激活推理得到网络输出的原因节点，从而计算不同的原因节点的最低激活值的适应度值。适应度的计算公式如下所示。

在上式中，crad表示集合中原因节点的个数，适应度函数F表示所有测试案例的累计适应度值，n代表测试案例的条数。

5.在线激活推理

此时，还需要说明如何在异常推理网络中，实现从现象节点推理得到原因节点的激活推理算法。激活推理算法采用分层搜索的推理策略，具体的推理流程图3所示。

图3 在线激活推理流程图

实验结果及分析:

本文选取的三相分离器在实际运行中的案例，在三相分离器触发报警的基础上，将激活的现象节点集合输入三相分离器的异常推理网络进行在线激活推理，明确异常原因，并给出相应的分析以及处置建议。

案例：三相分离器的异常推理网络中现象节点油相液位异常升高、现象节点气相压力异常升高以及油水界位异常升高被激活。将初始激活的现象节点输入到异常推理网络中，进行激活推理，推理深层次的异常原因。表1中列出所有可能的传播路径以及每条路径的归一化概率值，图4中展示了激活的原因节点以及传播路径。

图4 案例中激活的原因节点以及传播路径

 

表1 案例中所有激活的原因节点和对应的可能性等级

当油水界位异常升高、油相液位异常升高以及气体压力异常升高时，表1表明，最可能的原因是来液量过大，导致油相出口含水偏高以及水相出口含油偏高。当三相分离器的来液量过大时，三相分离器的处理能力不足，导致油水分离不彻底，油水混层，从而使得油水界位异常升高和油相液位异常升高。三相分离器中罐内体积一定时，液相的上升，这会减少气体体积，使得气体压力异常升高。油水分离不彻底，导致油相出口含水偏高以及水相出口含油偏高。

结论:

本文提出了一种三相分离器的故障诊断算法。该算法不依赖于数据样本。主要思想是基于过程数据和专家知识构建异常推理网络模型。具体来说，该模型基于过程数据建立网络结构。然后，将模糊理论引入网络，通过专家评估确定节点之间的可能性等级。引入粒子群优化算法，根据获得的节点间可能性等级确定原因节点的最低激活值的优化解。通过汇总报警信息并执行激活推理算法，可以获得异常分析的精确结果。通过三相分离器的应用验证了该模型的有效性。在网络中根据异常现象推理出深层次的异常原因，识别异常的传播路径以及计算传播路径的归一化概率值，最终给出处置建议。

作者简介:

王珠，男，博士，中共党员，现任中国天天色天天（北京）副教授、硕士生导师。2016年至今在中国天天色天天（北京）自动化系工作，现任中国自动化学会人工智能技术与工业应用专业委员会委员、中国化工学会信息技术应用专业委员会青年委员、北京人工智能学会理事。

在科研与社会服务方面，研究兴趣为系统辨识与智能控制、炼化过程动态异常诊断与故障预警、大数据质量预测与综合优化。近年来，主持重点流程工业企业的高级智能报警项目数项以及国家自然科学基金项目，已发表高水平学术论文30余篇。