大規模な化学プラントに対する分散型異常診断システムの開発

点击翻译按钮获取中文摘要

(1)符合付有向グラフによる異常診断アルゴリズムを用いたとき、最も運が悪い場合に識別不能となる原因の候補の集合(以下では「最大候補集合」と呼ぶ)を、診断の対象とする槽=配管系について求めた。(2)上記の最大候補集合は、槽を直列に8個結合した系を例にとれば、k番目の槽におけるもれ(Pk(一)と表す)、その槽の上流側の配管のつまり(F_<k-1>(一)と表す)、(k+1)番目の槽の下流側の配管のつまりが、最も運が悪い場合に識別不能となる。そこで、これらの3つの原因を識別するための拡張カルマンフィルタを作成した。(3)1台のパ-ソナルコンピュ-タに符合付有向グラフによる異常診断アルゴリズムを格納し、他の2台に各最大候補集合に対応する拡張カルマンフィルタを負荷が均等になるように格納し、符合付有向グラフによる異常診断によって得られる候補集合が部分集合として含まれる最大候補集合に対応する拡張カルマンフィルタを駆動するように階層構造を持った異常診断アルゴリズムを作成した。(4)直列槽=配管系(槽8個)において、槽からのもれ、あるいは、配管のつまりを人為的に発生させて、本異常診断システムの性能を確めた。その結果、すべての場合について、符合付有向グラフによる異常診断アルゴリズムが出力した2〜3個の候補を、拡張カルマンフィルタにより一意的に分離同定することができた。ただし、拡張カルマンフィルタが収束するために40〜50秒を要する場合があり、収束速度の向上に努力する必要がある。(5)以上の結果により、モデル化が比較的容易な連続式の化学プラントに対しては、モデルベ-スの異常診断法として、本システムは高い精度の診断を実現し得ることを示した。異常診断システムのもう一つの重要な仕様である速度に関しては、まだ改良の余地がある。