英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
加氢工业过程的数据驱动监控与三维可视化
Diego R. C. Silva
School of Science and Technology UFRN CampusUniversitario, ́Lagoa Nova
Email: diego@ect.ufrn.br
Allan M. Martins
Department of Electric Engineer UFRN CampusUniversitario, ́Lagoa Nova
Email: allan@dee.ufrn.br
摘要:本文论述了加氢精制工业过程的监测与诊断问题。这项工作的主要部分是使用3D模型，以更有组织和直观的方式为人类显示大数据集，这使得更好和更快地理解过程中发生的事情。此外，还定义了一个简单的算法来自动检测和警告对象操作员的异常行为。该工具既可用于实时监测，又可用于离线分析。为了验证提出的解决方案的有效性，一个真实的数据集，相应的一个期间的柴油加氢精制装置使用。结果表明，维护人员在过程理解和直觉方面都有所收获。
关键词：数据驱动过程监控；三维可视化；诊断；HDT；加氢精制
I.引言
在现代工业中，诊断越来越受到关注。除了与工艺和产品本身有关的优点之外，现代工业还关心所涉及的资产，因此，任何发现异常行为和避免工业工艺的后续损害和损失的努力都可能成为公司的收益。
新的趋势表明，在不久的将来，每一项工程资产从第一次使用到使用寿命期间都将受到监控，直到其最终替代为止[7]，[8]。随着信息技术的进步，监测流程各个方面的可能性正在成为现实，并对资产管理任务进行更多的控制。
我们还可以提到日益严格的安全和环境法规、公司之间的竞争和利润率，作为关心生产过程的理由。换句话说，有如此多的理由要求更好的监控，以至于故障检测和诊断系统的开发对于每个过程的每个部分都越来越具体。
工业工厂的每个组成部分都必须使其成本最小化，生产率最大化。每道工序的停工次数越少，就意味着产品越多，时间和原材料的浪费就越少。即使在工厂中，每个设备(也称为资产)也有其最佳工作范围，其生成的产品遵循规范。这意味着必须避免其他工作范围。
为了确保工艺操作满足安全性和性能规范，对工艺操作的异常偏差来自最佳工作范围必须检测、确定和固定，这些任务通常与过程监控活动有关。
几十年来，该研究院在故障检测和诊断、故障和任何偏离工业过程理想行为的方面做出了贡献，开发了利用其他领域知识的技术，如数字信号处理[9]、人工智能[10]、统计学[11]、数据挖掘[12]和其他技术[13]、[14]。
随着嵌入式电子和信息技术的进步，处理资源和通信速度不断提高，使得更加精细和高效的算法的开发成为可能。此外，这些进步也使得大量数据的可用性成为可能。
从现代工业中发现的大数据集中处理和提取有用的信息是最近的一项挑战，需要创新的方法。本文通过统计数据分析和三维可视化技术来解决这一问题。更具体地说，本文介绍了一种用于加氢精制过程中反应器监测的仪器的研制。特别是在这类过程中，需要使设备内所有传感器的温度具有一定的统一性，这就导致了监控约束的定义。开发工具的目的不仅是为了更好、更直观地展示反应堆内部发生的情况，而且还帮助维修人员了解反应堆发生异常行为的原因。
本文的其余部分分为以下几部分。第2节简要地描述了这个过程，并展示了反应器是如何在内部组织的。第3节描述了在监控过程中使用的方法，以及如何选择最相关的样品来呈现三维。第四部分给出了结果，第五部分给出了一些结论。
II.过程描述
本节讨论了工业过程中的诊断问题。特别是用于清洗反应器内部流动的柴油的加氢处理(HDT)过程。从我们的角度来看，它可以被看作是一个传感器网络，每个传感器都被放置在反应堆内部的某个地方。反应堆本身是在一个具有精确规格的3D软件中建模的。传感器被虚拟地放置在它内部，反映了根据原始设计的真实位置。图1显示了反应堆模型的外部和传感器的位置。
为了过程的正常运行，反应器整个延伸部分的温度必须是均匀的，主要是在给定的水平部分。由于这一过程的放热和自上而下的特性，预计在垂直方向上，随着高度的降低，温度会有细微的升高。否则，在水平方向上，传感器上的温度值应该是一致的，这样才能保证最终产品的正确规格。因此，相反的行为可能会产生不规范的产品，不良产品的特征，因此，财务损失。
图1 实际工业应用中加氢裂化反应器的三维模型.反应堆外面的黑线代表传感器的位置.
与工业中的许多其他流程一样，这个问题也是通过硬件解决方案来处理的。温度的升高由一个控制回路控制，它注入氢气来冷却床层。然而，压力突变可能改变流量分布，形成优先通道。在这个意义上，高温斑点可能出现在一个地区，这也可能对温度控制变得不那么敏感。这种情况并不常见，但却很关键，因为如果温度迅速升高，而控制回路没有纠正，反应就会放热，反应器就可能出现机械损坏。
在上述情况下，故障识别的特点是在给定的时间内反应堆内部三维空间的温度突变。
当前的反应堆配备了92个温度传感器，这些传感器被战略性地放置在9个不同高度的水平区域中，如图2所示。我们假设这些部分从上到下，从1到9，传感器从1到92的高度顺序相同，从内到外，以螺旋方式，在给定的部分内。
正如前面提到的，一个没有故障发生的理想状态可以描述为反应器中各部分的温度均匀分布。因此，不希望的情况，其主要特点是沿传感器在同一截面的温度信号的突变。这种变化可能是由于试剂分配不良引起的，这可能意味着分配器出现问题，导致分配器效率低下。或者催化剂负载有问题。
通常，这种情况是通过增加温度来补偿的，由单位操作来完成。但是，这也意味着催化剂寿命的减少，因为这是有极限的。
这些场景的自动检测可以帮助操作人员更好地理解整个过程，除此之外，还可以及早识别过程中的一些异常行为，从而导致对抗行为，以解决问题，避免严重后果。
除了自动检测那些不希望的情况，这项工作也提供了一个更好的可视化内部发生了什么，在所有传感器的温度变化方面。这是通过考虑传感器的值并将温度值内插到它们之间的点来实现的三维渲染。
本节利用经验算子提供的信息来定义约束条件和阈值，以区分正常行为和非预期行为。下一节将描述流程监视的细节。
III.过程监控
开发的三维可视化工具有两种方法。它可以用于在线监测或呈现以前时间间隔的样本。在最后一种情况下，当检测到一些异常样品时，可以使用该工具以更合适的方式显示反应堆内部发生了什么。或者，为了学习的目的，一个人可以想要渲染一个广泛的样本周期。在这种情况下，历史数据库中的数据量可能非常大。“回放”包含1000次或更多收购的数据集的可视化任务是繁琐的。大多数时候，反应堆是稳定的，温度变化不大。这将导致分钟或小时的不断图像在播放。为了提高播放效果可视化，根据温度时差的“能量”，建立了一个非线性时间尺度。能量一词只用来表示平方和，而不表示焦耳中的物理量。这个过程包括在正常时间流和修正时间尺度之间找到一个非线性映射。这个映射如图3所示。
图2 反应堆内部传感器的视图.在(a)，反应堆的俯视图.关于(b)，反应堆的侧视图和(c)，反应堆的透视图.注意，(b)中的9行代表第二节中描述的9个部分。所有的轴都以米为单位，与实际位置相对应.
图3 时间比例尺制图.左图:身份地图.右:非线性映射的例子
在左边的图中，我们可以看到标识映射(不需要缩放)。因为可以推断，在映射中，所有帧都在缩放时间中。在右边，非线性映射显示从一帧跳到另一帧。我们提出的标度是由方程1给出的
这里，i是从0到n的线性时间指标，其中n是原始非比例数据中的帧数。T[i]是标度时间指数。我们考虑t[1]t[0]用于初始化目的。E(t[i])是温度的“能量”。
如果传感器的温度i(从s传感器可用)在时间j。E0是一个门槛，以控制如何“比例”，我们希望地图。
在这种方法中，回放通过以下方式组装:在索引j处取帧，使t[j]i(t[::]的逆映射)。这样，t[i]t[i]1的区域就变成了图3所示的大跳跃。其基本思想是，我们只显示其时间邻居之间没有大的差异的帧。
为了进行诊断，专家人员提供的一些信息被用来定义温度变化的范围，以区分安全(或正常)操作和不良(或故障)操作。
A.监察限制
为了更好地运行流程，从而更好地生产产品，定义了一些监控约束。这些约束被用作分析数据的算法中的参数。正如第二节所解释的，对于这种工艺，有趣的是，在同一节中，传感器之间的最大变化不高于摄氏度，同时，整个反应堆内的每个测量不能变化超过每分钟摄氏度。
根据专家的意见，sT 和 t 的合理值必须分别从 5 摄氏 度和 2 摄氏度开始，然后根据结果将这些值改为在正常和 未设定的操作条件之间达到阈值。
根据这个方向，创建和绘制了各种指数，以便于及时识别温度变化曲线。第一个指标与给定样本的空间温度变化有关。考虑到 x 作为一个给定截面的温度矢量和瞬间的时间，它被定义如下。
第二个指标与空间中给定位置的温度随时间的变化有关。考虑到本工作中使用的实际数据集的采样率为6个样本/分钟，我们可以定义如下。
其中 i 表示给定部分中的特定传感器，k 是离散时间指标，t 是采样间隔。
这些索引的一些值的结果将在下一节中显示。
IV.结果
第一个结果是采取了最初的建议的阈值。如第 III-A 小节所述，每一节的变化不得超过 5 摄氏度，视为正常情况。而时间变化不得大于每分钟 2 度。
必须指出，这些数值是经验丰富的操作人员提出的，他们处理这一过程已超过 10 年。同样值得注意的是在这段时间里信息的存在，但是缺乏一个向人类展示数据的好方法意味着他们不知道温度变化的实际值。
表I显示了运算符首先建议的阈值的结果。可以看出，从一个真实过程一年的运行总共 52561个样本中，绝大多数情况被认为是错误的。
对于自上而下的放热反应，第一部分接收来自高性能分配器的产品，受流体内部流动的影响最小，因此出现的次数最少。剩下的部分有很大比例的样本被认为是错误的，这使我们相信我们需要重新评估阈值。
为了更好地进行可视化，图 4 显示了一个绘图，其中显示了整个样本中第 9 部分的同一部分中的最大变化值。
经过分析，专家们得出结论，大约 20 度的变化可被认为是正常的，因为几乎所有的样本都表现出 10 至 20 度的变化，第 9 节的峰值达到 40 度(见图 4)。
图4 反应器第9段中所有样品的温度变化以及5 °c的阈值
第二个指标与给定传感器的时间变化有关，计算了 92个传感器中的一些初始阈值为 2oCmin。对于位于第 2 节的传感器 18(更好的解释见第二节)，1820个样本的时间变化高于早期定义的阈值(见图 5)。虽然这个结果比第一个更加真实，但是这种情况下的峰值远远高于阈值，除此之外，1820个样本对于人类分析来说仍然太多。
图5 位于第二部分的传感器18的时间变化。
在分析了以前的结果之后，重新定义了阈值，以便更好和更有意义地选择 3D 显示的样本，并由维护人员进行适当的分析。
温度设置为 25°c，时间设置为 5°c/min。这些新的值允许更有用的结果显示在表二。
图6展示了新的可视化工具如何以更有用的方式显示 92个传感器的数据。所有分数传感器之间有一个插值的温度值。颜色代表温度，因此，反映在温度值上的异常情况可以被植物操作员视觉识别出来。用户还可以旋转场景以选择
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[235662]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
