技术领域
[0001] 本
发明涉及化工生产过程故障诊断体系结构，具体说是一种基于气相色谱雾计算框架的化工过程故障诊断体系。
背景技术
[0002] 寻求一种在线高效的故障诊断技术是目前化工生产过程亟待解决的问题，气相色谱数据是化工生产过程中的重要判断依据，建立一种通用性的基于气相色谱雾计算框架的化工生产过程故障诊断体系结构是实现这一目标的有效途径。
发明内容
[0003] 本发明的目的在于提供一种基于气相色谱雾计算框架的化工过程故障诊断体系。
[0004] 本发明所采用的技术方案：一种基于气相色谱雾计算框架的化工过程故障诊断系统，包括：
[0005] 终端用户层，用于产生任务并接收来自接入网络层的指令，发现并确认发送任务的目的雾
节点；
[0006] 接入网络层，包括网络设备，用于当终端用户层生成任务后，由网络设备将任务发送到对应的雾节点上；
[0007] 雾层，包括多个雾节点，用于存储和处理任务，以及与接入网络层、核心网络
云层的通信；
[0008] 核心网络云层，用于对雾层无法处理或存储的任务进行数据备份、云计算处理，并发送指令通过雾层、接入网络层返回至终端用户层。
[0009] 所述终端用户层包括内容生产者、内容消费者中的一种或多种，所述内容生产者包括气相色谱仪；所述内容消费者包括终端设备、执行机构；具体为：
[0010] 内容生产者：根据气相色谱仪在线监测数据产生任务；
[0011] 内容消费者：根据指令控制执行结构、设备终端动作。
[0012] 所述接入网络层，对雾节点中的各种网络协议服务进行卸载与部署，具体为：根据网络协议标识，自动加载部署相应的网络协议到内存中进行雾节点通讯。
[0013] 所述雾层，对数据过滤与预处理、数据整合、数据存储、数据分析与计算、故障诊断中的一种或多种，具体为：
[0014] 数据过滤操作：对气相色谱仪所有在线数据进行数据过滤或数据清洗；
[0015] 数据整合：对采集的数据进行整合分类，对异构数据进行合并，并把同类的数据进行统一归类；
[0016] 数据存储：对气相色谱仪产生的所有数据进行文件存储和/或
数据库存储；
[0017] 数据分析与计算：对采集的不同类型数据根据应用需求进行数学函数变换，包括平方、开方、求和、差分运算中的一种或多种；
[0018] 故障诊断：对处理后的数据运用
人工智能诊断方法进行故障诊断。
[0019] 所述故障诊断具体为：
[0020] 将数据样本作为雾节点的输入，通过节点中的人工智能诊断方法进行模糊推理得到故障类型、故障
定位。
[0021] 所述人工智能诊断方法为
专家系统、
人工神经网络、
贝叶斯网络、模糊集理论中的一种或多种。
[0022] 所述核心网络云层，将超出雾层计算或存储能
力的任务发送到云
数据中心进行数据备份、云计算处理，具体为：云数据中心
服务器：装载有任务的
虚拟机，通过SDN实现网络资源管理和流量转发；多个云数据中心服务器通信。
[0023] 本发明具有以下有益效果及优点：
[0024] 1.分布式和低延时计算。靠近化工生产过程的雾节点，雾计算可以用于改进服务，可以减少网络等待时间，及时满足业务要求。工业系统检测、控制、执行的实时性高，雾计算聚焦实时、短周期数据的分析，能够更好地
支撑本地业务的实时智能化处理与执行。
[0025] 2.效率更高。由于雾计算距离生产过程设备更近，在雾节点处实现了对数据的过滤和分析，因此效率更高。
[0026] 3.智能计算。计算可以分层执行，利用网络远端的资源完成。雾计算+云计算的组合，就是在雾节点上具有数据分析与业务自动处理能力，智能化执行本地业务逻辑，可以大幅度提升效率并且降低成本；还可以动态实时完成自我优化、调整执行策略。让雾计算不止于计算，更多了一份智能化。
[0027] 4.可持续的
能源消耗。
能量需求会日益增长，一些嵌入式小型设备的
基础信息采集处理完全可以在端完成。云计算和雾计算结合，云计算聚焦非实时、长周期的数据分析，能够在商业决策支撑等领域发挥优势；雾计算聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行。此外，两者还存在协同关系，雾计算既靠近执行单元，更是云端所需高价值数据的采集单元，可以更好地支撑云端应用的
大数据分析；反之，云计算通过
机器学习、人工智能等数据分析方法生成优化的业务规则，并下发到雾节点，雾计算基于新的业务规则进行业务执行的优化处理。即通过
传感器把数据传送到网关后，就通过雾计算进行数据过滤和处理，没必要每条原始数据都传送到云，这省去了大量的能源成本。
[0028] 5.应对数据爆炸和网络流量压力。通过在雾节点上执行数据分析，可有效应对数据爆炸，减轻网络的流量压力。雾计算能够缩短设备的响应时间，减少从设备到云数据中心的数据流量，以便在网络中更有效的分配资源。
附图说明
[0029] 图1为本发明在化工生产过程故障诊断的体系结构示意图。
具体实施方式
[0030] 下面结合
实施例对本发明做进一步的详细说明。
[0031] 本发明涉及一种基于气相色谱雾计算框架的化工过程故障诊断体系，包括：终端用户层，起到内容的生产者(content producer)和内容的消费者(content consumer)的作用——任务将在这一层中产生，处理后的结果也将返回到这一层，此外，终端设备还需要发现并
指定对应任务转发的雾节点；接入网络层，当终端用户层的用户生成内容后，由接入网络的网络设备将这些信息按照预定的规则发送到对应的雾节点上；雾层，雾计算的核心，提供关键的深度计算、存储和通信功能；核心网络云层，将超出雾层计算或存储能力的任务发送到云数据中心进行数据备份、云计算处理。本发明由于雾计算在本地化引入计算存储设备，通过在本地形成小的数据中心，可以在不失去移动性支持、保证一定程度的处理能力下，很好地解决时延、功耗和资费等问题。
[0032] 一种基于气相色谱雾计算框架的化工过程故障诊断体系，包括：
[0033] 终端用户层，用于产生任务和执行任务，以及发现并指定对应任务转发的雾节点；
[0034] 接入网络层，用于将终端用户层生成的内容发送到对应的雾节点上；
[0035] 雾层，用于提供关键的深度计算、存储和通信功能；
[0036] 核心网络云层，用于将超出雾层计算或存储能力的任务发送到云数据中心进行数据备份、云计算处理。
[0037] 所述接入网络层，用于对雾节点中的各种网络协议服务进行卸载与部署，具体为：根据网络协议标识，自动加载部署相应的网络协议到内存中进行雾节点通讯；
[0038] 所述雾层，用于对数据过滤与预处理、数据整合、数据存储、数据分析与计算、故障诊断中的一种或多种，具体为：
[0039] 数据过滤操作：对气相色谱仪所有在线数据进行数据过滤或数据清洗；
[0040] 数据整合：对采集的数据进行整合分类，对异构数据进行合并，并把同类的数据进行统一归类；
[0041] 数据存储：对气相色谱仪产生的所有数据进行文件存储和/或数据库存储。
[0042] 数据分析与计算：对采集的不同类型数据根据应用需求进行数学函数变换，包括平方、开方、求和、差分运算中的一种或多种；
[0043] 故障诊断：对处理后的数据运用人工智能诊断方法，包括专家系统、人工神经网络、贝叶斯网络、模糊集理论中的一种或多种。
[0044] 所述核心网络云层，将超出雾层计算或存储能力的任务发送到云数据中心进行数据备份、云计算处理，具体为：
[0045] 网络集中管理技术：运用SDN(
软件定义网络)技术实现网络资源管理和流量高效转发；
[0046] 云计算：云端的服务器彼此相连，装载有任务的虚拟机可在云服务器间来回迁移，以增大执行效率。
[0047] 化工生产过程，是一个庞大的、精密的、高速的严谨生产过程，需要人、设备、管理手段的无缝完美结合，才能高速、稳定、有效的生产出高品质的产品。
[0048] 一种基于气相色谱雾计算框架的化工过程故障诊断体系，就是针对化工生产过程特点：与新一代信息技术和先进制造技术的深度融合，实现跨企业价值网络的横向集成，贯穿设备层、控制层、管理层等不同层面的纵向集成，以及产品全生命周期的端到端集成等特点，而提出的一种适合化工生产过程的体系结构。
[0049] 如图1所示，本发明包括终端用户层、接入网络层、雾层、核心网络云层四层，这四个“层域”就是雾计算的架构。以上四个层次，使得雾计算具有信息
感知，对数据进行智能化处理，本地化计算以及实时传输的功能。
[0050] 实施例：
[0051] 背景：某化工流程行业园区内分散着大量气相色谱仪，利用这些仪器可以对园区的生产过程做出有效判断，由于数量、
位置以及专业知识限制，如何通过这些气相色谱仪对生产过程做出高效准确的诊断是园区一个亟待解决的难题。
[0052] 本发明所述方法解决此问题的过程如下：
[0053] 1、建立化工生产过程故障诊断系结构的终端用户层
[0054] 终端用户层包括雾计算系统的物理实体，实现
数据采集和控制指令执行等操作，支撑气相色谱仪实时监测信息及其他各类信息的实时智能互联互通。根据功能的不同，终端用户层可以分为气相色谱仪，执行机构，终端设备等物理单元。这类数据的处理可以采用轻量级、低功耗，零配置、自组网、跨平台能力的感知计算系统，具有成本低、易于大规模部署的特点。
[0055] 同时确保终端用户层的物理设备的安全，保证获取正确的数据。包括各种
传感器数据、设备状态信息数据、生产过程数据和各种信息控制数据等。
[0056] 本层可以对感知的信息通过网络层直接处理并向雾层传递，同时把从网络层传递下来的控制信息数据，通过设备层去控制底层的
物联网IOT设备，实现对执行机构的相应控制。
[0057] 2、建立化工生产过程故障诊断系结构的接入网络层
[0058] 网络是系统互联与数据聚合传输的基石。伴随气相色谱仪数量的剧增，网络运维管理、灵活扩展和可靠性保障面临巨大挑战。同时，长期以来存在大量异构的总线联接，多种制式的工业以太网并存，网络服务层就解决兼容多种联接并且确保联接的实时可靠。网络服务层就需要解决它们之间的互通，否则将存在大量的信息
孤岛。支持海量网络设备的接入与灵活扩展，提供高效低成本的自动化运维管理，实现网络与安全的策略协同与融合。
[0059] 本层用来实现各种网络协议(包括OPC协议、工业
现场总线协议、串口通讯协议以及无线传输协议等等)的转换，标准化处理网络传输。接入网络层把终端用户层获得的各类数据转成统一标准的数据，向雾层传递，保证数据传输正确，数据格式正确。同时接入网络层把雾层传递下来的各类控制信息数据准确的传递到终端用户层，保证控制命令信息及时下达到底层进行相应操作。雾计算的主要作用就是在雾节点进行网络部署，实现对数据的标准化。进一步对以后的网络融合进行智能化的管理。要解决物理网中数据异构的问题，就需要在网络域中部署雾计算，以实现数据格式的标准化和数据传递的标准化。
[0060] 3、建立化工生产过程故障诊断体系结构的雾层
[0061] 雾层提供数据优化服务，包括数据的提取、聚合、互操作、语义化以及分析与呈现的全生命周期服务，并保障数据的安全与隐私性；
[0062] 雾层的数据管理范围包含气相色谱仪检测数据、环境数据以及信息数据产生到存储与
访问之间的处理与操作。这层主要是对获得的数据进行处理，包括数据过滤与预处理、数据整合、数据存储、数据分析与计算和故障诊断五部分。
[0063] (1)数据过滤操作是
指针对气相色谱仪实时监测的原始数据存在的一些问题：不一致；重复；无效数据等，进行数据过滤或数据清洗操作，采用上下限区间的
算法，把有用的数据从脏数据中分离出来，并把无效的数据丢弃处理，保证数据的有效性和正确性；
[0064] (2)数据整合是指对采集上来的数据进行整合分类，对各种异构数据进行合并，并把同类的数据进行统一归类。良好的数据整合有助于减少数据集的冗余和不一致，保证数据的正确，唯一。
[0065] (3)数据存储指实现对设备运行数据、环境数据以及信息系统数据的文件存储、关系数据库存储、实时数据库存储、SQL数据库、图形数据库、语义数据库等的数据存储功能。
[0066] (4)数据分析与计算就是对采集的不同类型数据进行进行规范化处理，即对原始数据根据上层应用的需求进行相应的数学函数变换，包括平方、开方、求和、差分运算等，满足上层应用对数据的需求；
[0067] (5)故障诊断是指对处理后的数据运用人工智能诊断方法进行生产运行状态诊断，即专家系统、人工神经网络、贝叶斯网络、模糊集理论等。
[0068] 4、建立化工生产过程故障诊断系结构的核心网络云层
[0069] 对于超出雾层计算或存储能力的任务将发送到云数据中心进行数据备份、云计算处理：核心网络云层从雾层获取相关数据后，对雾节点内气相色谱仪集群信息进行虚拟化、建模、关联和诊断，从而实现对生产过程整体的实时在线
跟踪、多维故障诊断和故障预警；此外，核心网络云层还具备对节点内生产要素和生产系统动态组织与重构等信息空间的工厂管理、运行和控制等功能，以保证各种工况下对生产流程的智能优化控制，从而保证生产效率。
