化学工业是我国工业产业体系中的重要支柱产业之一,为我国的现代化建设和社会繁荣做出了巨大的贡献,为社会提供了丰富多彩的化学产品。同时化学工业是高危行业之一。这主要是因为: (1)化学品大多具有易燃易爆性、反应活性、毒性和腐蚀性。(2)化工生产装置规模大、集成度高。许多化学反应过程处于高温、高压、强放热,化工反应过程具有强非线性,工艺参数稍有变化或生产操作稍有不当,就有可能导致事故发生。(3)化工行业是技术、资金密集行业。事故造成的财产损失和环境影响重大。因此,如何实现生产中的安全、稳定,降低事故率和产品不合格率一直是企业紧抓不放的关键问题。也是工程研究领域的热点问题之一。随着DCS和计算机技术的广泛应用,大量蕴涵过程信息的数据被采集和保存,但是,这些数据并没有有效利用,因此,出现“数据丰富,信息匮乏”的现象。另一方面,长期的生产实践积累了大量的经验知识,尤其是非正常工况的处理经验,也没有得到很好运用。因此,如何将这些数据变为有用的信息,从中挖掘出影响过程安全运行的特征信息,进而利用这些信息并结合经验知识,提高流程工业的长期、稳定、安全运行是本文的研究重点。本论文的工作是研究化工过程生产中的安全问题。通过对生产数据分析,结合过程模型、人工智能技术,研究开发出化工过程安全运行智能辅助系统,作为现场操作人员的辅助支持工具。尤其是当遇到非正常状态时,该系统能辅助现场操作人员做出操作决策,降低生产事故、减少产品不合格率。围绕这个主题,本文的主要研究内容为:(1)化工过程特征提取和分析算法研究。化工生产过程数据通常具有高维数、高噪声、非线性等特点,直接从这些数据中识别系统的运行模式是很困难的。而特征提取可对输入数据分解,消除冗余或相关性,提取特征信息,用最小数目的特征集来表达原始数据集合,可以提高运行模式的识别精度。基于核的方法虽然可以消除数据的非线性,但该方法是以牺牲数据维数为代价的。它是将原始高维数据通过核函数映射到更高维的数据空间来消除原始数据的非线性关系,所以核主元分析方法能提取非线性特征,但不能有效降维。针对这个问题,本文提出了一种基于基因表达式编程(Gene Expression Programming, GEP)的主元分析方法。该方法能较好的提取过程的非线性特征,并有效的降低数据维数。(2)化工过程运行状态分类问题。化工过程运行状态监测的本质是模式分类问题。在有效提取出生产过程的特征后,如何对其进行准确分类是实现状态监测的关键环节。支持向量机是实现分类的有效手段之一。然而,支持向量机是基于核函数的方法,该方法的性能依赖于核函数及其参数的选择。目前,对于核函数及其相关参数的选择没有行之有效的方法,只能依据经验来确定,这样既费时效果又不好。针对这个问题,本文利用GEP提出了一种自动寻找核函数的算法。(3)故障诊断知识的获取问题。专家系统是化工过程故障诊断最常用的技术之一。专家系统的基础是专家知识,而知识获取一直是专家系统的瓶颈问题,所以知识提炼是开发化工过程故障诊断专家系统的关键技术。本文提出了一种基于GEP的化工过程故障诊断知识的自动提取技术。该技术与领域专家结合能有效提取故障诊断知识,作为化工过程故障诊断专家系统的知识获取手段。(4)化工过程安全生产智能辅助系统开发。针对过程故障诊断问题,开发了一个集数据采集、数据预处理、状态监测、故障诊断于一体的化工过程安全运行智能辅助系统。系统采用非线性PCA进行特征提取;采用GEP—SVM进行特征分类;利用专家系统进行故障诊断。在知识获取方面,采用故障树/经验知识表格、决策树和本文提出的基于GEP的自动知识获取方法有机结合,解决了专家系统知识获取的“瓶颈”问题。在知识组织方面,把知识库分为全局知识库和内存知识库,提出一种内存知识库的知识选择策略。该系统已被成功用于某石化公司润滑油生产过程。到目前为止,两年多的在线运行,验证了所开发系统的有效性和实用性。