基于人工免疫的氯化工艺体系安全动态监测预警研究

Currently, the chemical industry is generally lack of ability of “memory” for accidents, which is a major reason why similar chemical accidents occur frequently in different time and places. This memory ability emphasizes the forecast and disposal of accidents in advance to ensure that the chemical production system keeps in a safe state, which is a kind of new ideas in conformity with the concept of inherent safety. Inspired by the biological immune system, this project will focus on dangerous chemical production systems with the chlorination process as a typical representative, adopt the method of theoretical analyses combined with simulation tests to study the internal interaction mechanisms between chemical accidents and the main chemical subjects namely the persons, the machines, the materials, the environment and the energy, aiming to reveal the law of incubation, occurrence and development of typical chemical accidents related to chlorination process, build a monitoring system of accident immune factors, develop the accident early warning technology and optimal selection method for pre-control measures based on the real-time dynamic monitoring of immune factors, and finally establish an active forecast, prevention and control system of chemical accidents with the "antigens-antibodies" classification models as the core. This project is characterized by combining the related mechanisms of biological immune system with chemical production system, and establishing an adaptive artificial immune system of chemical safety with four coupling function modules namely the immune recognition, the immune surveillance, the immune tolerance and the immune memory. From the perspective of active accident prevention and control, this project can provide new theories, new ideas and new methods for the implementation of inherent safety of chemical industry.

化工行业普遍欠缺对事故的“记忆”能力，是导致类似事故在不同时间和地点频繁发生的一个主要原因。这种记忆能力强调对事故的提前预知和处置，以确保化工生产体系处于安全状态，是符合本质安全理念的一种新思想。受生物免疫系统启发，本项目着眼于以氯化工艺为典型代表的危险化工生产体系，采用理论结合仿真试验的方法，研究化工体系中人、机、物、环境和能量等主体与化工事故之间的内在交互机制，揭示事故潜藏、发生和发展规律，构建事故免疫因子监测体系，发展基于免疫因子实时动态监测的事故预警技术和排警预控措施优选方法，并最终建立以事故“抗原-抗体”分类模型为核心的潜在化工事故主动预测防控体系。本项目的特色在于将生物免疫系统的相关机制与化工生产体系相结合，建立耦合了免疫识别、免疫监视、免疫耐受和免疫记忆复合功能模块的化工安全适应性人工免疫系统，以期从主动预测防控事故的角度，为实现化工行业的本质安全提供新理论、新思路和新方法。

欲保证化工生产体系的安全运行，就必须科学地认识化工过程在其反应过程、装置使用以及资源管理等方面存在的潜在事故风险，并基于对风险的认识构建一种具备主动监测、智能识别、科学预测与整体优化的事故免疫体系，来尽可能预防事故的发生和限制事故造成的影响。本研究以氯化过程这一典型危险化工生产体系作为分析对象，一是基于生物免疫机理并结合工艺实际情况，建立了氯化工艺安全生产预警评价“抗原-抗体”指标体系，并对重点危险部位开展了HAZOP分析。二是针对过程工艺中风险参数的报警值不合理问题，利用TE过程数据，基于核密度估计方法及MATLAB平台建立了具备数据导入功能、密度估计功能及阈值求解功能的过程参数报警阈值优化模型。三是基于人工免疫和遗传思想，提出一种针对化工过程中同一类型但具有微小差别的异常诊断方法，利用典型精馏过程的ChemCAD动态仿真模拟数据及TE过程数据分别进行分析，均能够将具有微小差异的过程异常进行有效识别和归属；建立了基于克隆选择分类算法（CSCA）和主成分分析（PCA）技术的化工过程异常检测方法，通过数据重整可使该方法对过程故障分类辨识的准确率提升到85%以上。四是建立了基于BP神经网络与二参数威布尔分布的故障率预测方法，运用神经网络方法在已知数据较少的情况下，通过模型的训练、预测，对已知数据进行扩充，之后再结合二参数威布尔分布进行故障率计算，可以得到更为可靠的故障率预测结果。五是针对氯化工艺过程设备因腐蚀引起穿孔，进而导致泄漏事故发生的问题，结合氯化腐蚀试验数据与动态预测方法，建立氯化工艺过程设备腐蚀的动态风险预测模型，从而为安全管理人员制定检维修计划作出指导性的参考。六是采用系统动力学方法研究了影响氯化过程安全的关键因素及其影响模式，重点分析了设备腐蚀、员工技能、工作压力对系统安全的影响，为氯化过程提供相应的安全建议。

内容获取失败，请点击重试