化工行业具有产品品种繁多、工艺类型多样化、生产装置冗长复杂等特点,生产过程中涉及深冷、高温、高压、真空等极端工况,工艺介质大都存在有毒、有害、易燃、易爆等特性。而且随着现代科学技术的发展,化工生产装置逐步向大规模、控制集成化的阶段过渡,生产控制系统的自动化程度越高,影响化工装置安全、平稳运行的因素也越多,对设备设施的可靠性要求也越来越高。涉及生产的传感器、控制器一旦发生故障均有可能造成大规模停车或安全生产事故的发生。不仅给企业带来巨大的经济损失,而且还会导致严重的人员伤亡。可见,如何保障化工装置安全、平稳运行,已成为目前研究的一个重要方向。故障诊断就是在这种形势、这样的需求环境中应运而生。故障诊断技术是一门综合性技术,它涉猎范围较广、学科较多,比如:数理统计、现代控制理论、模糊集理论、模式识别、信号处理、可靠性设计、人工智能等。传统的故障诊断方法大都是根据操作员的经验来判断发生了什么故障?该采取何种安全控制措施来响应?很显然,这种依赖于人工的方法,其弊端是显而易见的。因为化工生产过程复杂,各种参数变量相互关联、相互影响。一旦工况异常、发生故障,仅靠操作人员的经验是很难做出正确的判断的。而故障诊断系统是采用预测诊断的思想,采用计算机信息技术对异常工况进行识别、判断故障源、预测其后果并提出相应的应急措施。本课题主要通过理论分析与化工装置实际生产中相关实例相结合,研究SDG故障诊断技术在碳纤维生产过程中,尤其是在预氧化及碳化工艺中的应用。从企业角度而言,研究本课题可以生产过程或运行设备进行实时监测与故障诊断,排除潜在的故障,预防生产事故发生。在解决企业生产现状中存在的问题方面,具有很大的意义。加之,本企业所面临的问题也是国内碳纤维行业领域内存在的共性问题,研究此课题对行业技术攻关也具有一定的指导意义。首先,对故障诊断进行简单的介绍,同时对各类故障诊断方法的优、劣势进行对比分析,SDG故障诊断模型的建立主要依据工艺流程,简单易建、直观形象,能更好地反映故障传播的路径,在化工流程装置中实用性更强。其次,重点介绍SDG故障诊断技术建模方法、建模步骤与推理机制。进一步结合聚丙烯腈基碳纤维预氧化及碳化工艺,建立预氧化及碳化SDG故障诊断模型,并对其进行故障诊断。最后,结合故障诊断的结果,利用SDG故障诊断技术找到了影响预氧化及碳化生产稳定性的主要因素,并结合其故障关键点提出在实际生产过程关键控制措施,指导企业安全生产。随着社会技术的进步,化工生产装置规模日益扩大化、复杂化与自动化,这无疑徒增了影响装置运行的故障点。而当工况异常、发生故障时,能快速准确的确定故障源,及时采取相应措施,才能有效地控制故障、减少损失。基于SDG模型的故障诊断方法,其优点是完备性高、鲁棒性强。然而,由于SDG方法本身存在的一些问题以及实际工业应用中的复杂情况,使得SDG方法应用于工业故障诊断还是会面临一些问题。我们的研究课题应进一步完善SDG故障诊断框架,不断总结问题,使得SDG方法最终很好地应用于工业现场,为安全生产做出贡献。