DCS控制器中先导式泄压阀异常泄漏信号检测

作     者：左晓丽 ZUO Xiao-li

作者机构：国家管网集团工程技术创新有限公司 

出 版 物：《化工自动化及仪表》 (Control and Instruments in Chemical Industry)

年 卷 期：2024年第51卷第5期

页      面：796-804页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家石油天然气管网集团有限公司科学研究与技术开发项目(批准号:DTXNY202202)资助的课题 

主　　题：先导式泄压阀 异常泄漏检测 变分模态分解 全卷积神经网络模型 电压信号分解 特征选择 

摘      要：在DCS控制器中,由于工作环境复杂,先导式泄压阀的泄漏往往呈渐进过程,其影响的电压信号表现为细微而持续的变化,传统方法基于静态或简单统计特征进行判断,难以捕捉因泄漏引起的微小动态变化,导致早期泄漏的漏检或误报。因此,提出一种针对DCS控制器中先导式泄压阀异常泄漏信号检测的新方法,对先导式泄压阀信号进行预处理消除噪声和干扰;应用变分模态分解(VMD)技术将预处理后的电压信号分解成多个本征模态函数(IMF)分量,揭示信号中不同频率段的特征,从而更容易捕捉泄漏引起的微小动态变化;从每个IMF分量中提取关键特征参数,并采用距离区分技术进行筛选,以确保所选特征对异常泄漏具有高敏感性和高区分度。设计并构建全卷积神经网络模型,将筛选出的特征参数输入该模型进行训练和学习,计算出该信号特征对应的异常泄漏概率,进而判断泄压阀是否存在异常泄漏,实现异常泄漏信号检测。实验结果表明:所提方法对电压信号分解准确率高,先导式泄压阀异常泄漏信号检测精度高。