为实现工艺流程识别及阀门操作合理性诊断和可视化监测，利用半实物仿真系统采集的温度#流量信息建立了基于支持向量数据描述( EA%%) 的工艺流程识别模型"对工艺流程识别进行了半实物仿真实验，对阀门操作进行了可视化监测和合理性判别，提出了基于数字滤波的改进工艺流程识别性能的方法"实验结果表明: 无故障样本条件下建立的工艺流程识别模型能够准确地识别出相应的工艺流程，模型输出可以直观地反映阀门开度偏离设定工况的程度，为无故障样本条件下的阀门操作合理性诊断和可视化监测提供了一种新的技术手段"

1 引言

 在石油、化工及热电类企业中，大型设备或高压 反应容器中关键阀门的操作关系到整条生产线上的 产品质量和生产安全。如果一些重要阀门被随意操 作或者操作不规范，轻则导致产品出现质量缺陷造 成重大的经济损失，重则可能会造成极其严重的人 员伤亡事故。因此，对阀门操作的合理性进行实时 监测及故障预警显得尤为重要。 阀门操作的合理性诊断有其特殊性。阀门误操 作的方式多种多样，没有固定的模式，即异常样本种 类几乎无穷，无法提前预知和获得所有误操作类型 及数据。常用的故障诊断算法，如贝叶斯算法、决策 树算法、神经网络算法等都无法检测出新的故障类 型。当没有故障样本数据，或正常数据比故障数据 多很多时，算法的分类准确度会明显下降，容易产生 误分类［1］。Tax 等［2 －3］提出的单值分类支持向量数 据描述方法( SVDD) ，只用一类样本数据就可以建 立分类模型，适用于故障样本数据难以得到的情况。 目前该方法已成功应用于语音识别［4］、图像识 别［5］、环境保护［6］等领域，在一类分类问题中可以 有效地实现分类，达到识别效果。 虽然 SVDD 在一些领域得到了成功的应用，但在阀门操作合理性诊断领域目前还没有相关的研 究。为了克服阀门误操作诊断缺乏故障样本、样本 数据难以获得等问题，本文将单值分类 SVDD 方法 应用于阀门操作合理性的在线可视化监测中，建立 了 SVDD 识别模型，进而实现对阀门操作的合理性 判别和可视化监测。