一、建立精餾塔故障診斷專家系統
該方法主要包括四個部分：故障輸入、基于解釋學習模型、定量深層知識庫和結果輸出到領域知識庫。首先輸入一個故障，然后調用定量深層知識庫，啟動基于解釋學習模型的學習模型，獲得一條學習，該描述直接用于故障診斷，最后將該描述存到領域知識庫，其中定量深層知識庫需要不斷地更新，補充新的故障診斷方法。
二、診斷步驟
1.建立設備檔案
無論任何設備都存在潛在的故障，而設備的使用過程就是一個由潛在故障向功能故障轉化的過程，其故障發展曲線如圖3所示。為了對精餾塔進行經濟而有效的維護，有必要建立設備檔案，對精餾塔運行狀況跟蹤記錄，了解精餾塔各部件的歷史記錄隋況及其運行狀態，從而采用定期檢測及相應的故障診斷方法，在精餾塔發生功能故障之前檢測出其潛在的故障，避免功能故障的發生。
2.確定檢測方法
其主要故障有塔板效率低、塔底溫度低、回流溫度高和液泛等。針對以上故障，應用7射線現場掃描檢測技術，可以診斷和消除故障、優化操作條件和延長操作周期等，并且為煉油和化工企業指導生產提供重要數據或科學依據。
3.確定精餾塔檢測周期及維修時間
對精餾塔各個部件的監測周期的確定要依賴于精餾塔本身的壽命，在這里取精餾塔的平均極限壽命為T，則檢測周期Tc=T／nd，其中nd為離散度系數。nd的確定取決于設備運行的環境狀況。精餾塔的維修時間要視檢測后的精餾塔狀況來確定，在這里規定精餾塔的最大運行狀態為精餾塔在發生故障前各參數能夠達到的最大值，當其中的一個或幾個參數超過該值時，即認為精餾塔已經達到極限壽命，需要修理。
4.建立性能預測及檔案管理
在精餾塔每次進行檢測之后，要對檢測的情況作檔案記錄，同時確定設備的可用度(即設備的剩余壽命)以及下次檢測的時間，所以必須進行性能預測，設備性能預測的數字建模如下：
設X{X1，X2，…，X。}是長度為N反映精餾塔N個時刻運行狀態的時間系列，X；為描述機械設備運行狀態的某一特征參數，Xi∈Rn(i_1，…，N)，現要預報k步以后的機械設備的運行狀態，即求出xN+k。將第(N+k)個時刻的狀態xN+k與前N個狀態間的內在聯系用函數關系F表示：XN+k=F(Xl，X2，…，X。)則精餾塔的壽命預測可表示為通過建立數學模型找出F，使得任給∈>0，有||FF(X)一FF(X)||=||xN+k—XXN+k||<∈>(2)中F(X)=xN+k實際狀態值，FF(x)=xN+k預測模型值。
三、結論
隨著現代科技的迅速發展，現代化的故障診斷系統不斷完善，如人工智能、神經網絡和動態仿真軟件在故障診斷的應用，能夠及時準確地預防和避免事故的發生，因此將維修技術、敬障診斷技術和計算機遠程監測技術有機的結合，是今后煉油和化工企業故障診斷發展方向。
