（动力机械及工程专业论文）火电厂制粉系统故障诊断研究.pdf

重庆大学硕士学位论文 摘要 摘要 本文针对重庆发电厂中间储仓式制粉系统故障诊断问题，采用混合型知识表示 方式、b p 网络技术、基于知识的专家系统技术等相结合的方法，对其诊断系统进 行了初步的开发研究。作者首先根据制粉系统运行特性及故障特点，提出了制粉系 统故障诊断系统总体框架，然后建立了制粉系统故障诊断知识库，开发了样本编辑、 故障类型更新、b p 神经网络、监测参数处理、故障诊断及解释、数据查询及分析 等功能模块，且采用d e l p h l 5 0 编制了系统程序，设计了良好的人机界面。 在编辑制粉系统故障样本过程中，作者采用了产生式、框架式、神经网络产生 规贝式等知识表达方法，对制粉系统故障诊断知识进行了有效的表达，同时对数据 库进行规范化处理，以保证数据的完整性，减少数据冗余。 在制粉系统故障诊断样本训练过程中，本文作者探讨了网络结构、学习率、初 始权值闽值等因素对训练速度的影响，为选取合理的网络参数提供了依据。同时本 文作者提出采取误差梯度修正系数，使自适应学习率方式下的b p 网络学习可避免 计算的不收敛，结果表明，本文所研究的制粉系统各故障样本集均能快速有效地收 敛于一个设定的系统误差值。在样本集足够丰富的情况下，本系统可对制粉系统所 发生的故障作出较准确的诊断，再依据其解释机制，对故障原因进行分析，并提出 合理的解决措施，这对于制粉系统故障的预防和处理，提高运行人员的管理水平具 有指导意义。 关键词：中间储仓式制粉系统，b p 神经网络，专家系统，故障诊断 重塞查堂堡主堂垡堡茎 垂苎塑垩 a b s t r a c t i nt h i sp a p e r ，t h ef a u l td i a g n o s t i cp r o b l e mo f m i d d l es t o r a g ep u l v e r i z i n gs y s t e mf o r c h o n g q i n gp o w e rp l a n ti sd e v e l o p e d ，b ym i x e dk n o w l e d g er e p r e s e n t a t i o n 、b pn e u r a l n e t w o r k 、e x p e r ts y s t e mb a s e d o i lk n o w l e d g et e c h n o l o g ye t ca r ei n t e g r a t e di nt h i ss y s t e m a c c o r d i n gt ot h eo p e r a t i n ga n df a u l tc h a r a c t e r i s t i co f t h ep u l v e r i z i n gs y s t e m ，t h eg e n e r a l f r a m eo ff a u l td i a g n o s i ss y s t e mf o rp u l v e r i z i n gs y s t e mi sp r e s e n t e df i r s t l y ，t h e ns a m p l e c o m p i l i n gm o d u l e 、f a u l ts t y l eu p d a t i n gm o d u l e 、c o n d i t i o nm o n i t o r i n ga n dd e a l i n g m o d u l e 、f a u l td i a g n o s i sa n de x p l a i n i n gm o d u l e 、d a t aq u e r y i n ga n da n a l y z i n gm o d u l ee t c a r ee s t a b l i s h e d m e a n w h i l et h i ss y s t e mi sp r o g r a m m e dw i t hd e l p h l 5 0a n di t si n t e r f a c e i se a s yf o ro p e r a t i n g 。 d u r i n gt h ec o u r s e o fc o m p i l i n gf a u l t s a m p l e ，m u l t i - m e t h o d o fk n o w l e d g e r e p r e s e n t a t i o n ，a sp r o d u c er u l e 、f r a l n e 、n e u r a ln e t w o r kr e p r e s e n t a t i o n e t ca r e s y n t h e s i z e dt oo r g a n i z ea n de x p r e s st h ef a u l ts a m p l eo f p u l v e r i z i n gs y s t e m b e f o r eb e i n g p u t t e di n t ot h ed a t a b a s e ，t h es a m p l ed a t ai sd i s p o s e dt oe n s u r es a m p l ed a t ai n t e g r i t ya n d n or e d u n d a n c y d u r i n gt h ec o u r s eo fd e v e l o pf a u l td i a g n o s t i cm e t h o d ，t h ei n f l u e n c et ot h et r a i n i n g c i r c l en u m b e r 丽吐ln e t w o r ks t r u c t u r e 、l e a r n i n gr a t e 、i n i t i a lw e i g h tv a l u e d o o rv a l u ee t c a r ed i s c u s s e d b yc o m p r e h e n s i v ea n a l y s e sa n dc o m p a r i n g ，t h ec o m p a r a t i v e l yr a t i o n a l v a l u ei sa d o p t e dt ob en e t w o r k se i g e n v a l u e i na d d i t i o nt 0m e n ds e l f - l e a m i n gr a t eb p n e u r a ln e t w o r k ，o n ep a r a m e t e rc a l l e de r r o rg r a d sa m e n d i n gc o e f f i c i e n ti sf o m l d ，t h e r e s u l ti n d i c a t e st h a tt h ef a u l td i a g n o s i ss y s t e mc o u l dm a k ee r r o rr e a c ht ot h ea i mv a l u e q u i c k l ya n de f f i c a c i o u s l yf o ra l lp u l v e r i z i n gs y s t e mf a u l ts a m p l e s i f t h e r ea r ep l e n t yo f s a m p l e s ，t h i ss y s t e mc a nd i a g n o s ep u l v e r i z i n gs y s t e mf a u l te x a c t l y ，a n dt h es y s t e ma l s o i n c l u d e se x p l a i n i n gm e c h a n i s mw h i c hc a np r o v i d ef a u l tr e a s o na n df a u l td i s s o l v i n g m e t h o d i ti so b v i o u st h a tt h es y s t e mc a nh e l pt op r e v e n tp u l v e r i z i n gs y s t e mf a u l t h a p p e n i n ga n de n s u r et h ep u l v e r i z i n gs y s t e mr u ns a f e l ya n dr e l i a b l y k e y w o r d s ：m i d d l es t o r a g ep u l v e r i z i n gs y s t e m ，b pn e u r a ln e t w o r k ，e x p e r ts y s t e m ，f a u l t d i a g n o s i s i i 重庆大学硕士学位论文1 绪论 1绪论 1 1 课题目的及意义 设备故障诊断技术是近4 0 年来发展起来的一门新兴学科，是一项紧密结合生 产实际的工程技术，它有广阔的工程应用前景。 2 0 世纪以来，由于大生产的发展，设备故障对生产安全性、经济性的影响显著 增加，采取故障事后维修或定期维修这种传统方式就满足不了生产要求，因此人们 开始采取其他方法对设备在运行过程中进行监护，以发现潜在故障，及早采取措施， 减少失修和过剩维修，使设备的利用率显著提高，因而故障诊断技术受到重视。且 随着人工智能与计算机技术的快速发展，为故障诊断技术注入了新的活力，特别近 几年，人们又将计算机技术，传感器技术，信号处理技术和人工智能技术( 如专家 系统，神经网络) 等应用于故障诊断 1 】，经历了从设备状态监测( c o n d i t i o nm o n i t o r i n g ) 到设备状态监测和故障诊断( c o n d i t i o nm o n i t o r i n ga n df a u l td i a g n o s is ) ，再到 现代管理( m o d e r n m a n a g e m e n t ) ，把监测和诊断融入企业的管理信息系统( m i s ) 中， 在现阶段，故障诊断技术除了基于传感器研究的信号采集、信号处理方面的研究外， 其在各个领域中的应用研究是迄今发展的一大热点【2 1 ”，同时把神经网络、专家系 统等相结合应用到设备故障诊断技术上，从而逐渐实现诊断智能化和诊断自动化， 利用信息融合方法又可实现了综合诊断，更可显示其强大优势，促使故障诊断技术 日趋完善，逐渐形成多学科交叉的综合学科。 随着现代化大型火电机组向高参数、大容量方向发展，电站设备的系统日益趋 于复杂化和集成化，系统的投资也不断增加，设备故障带来的危害程度和经济损失 势必大大增加【4 】。电站设备的故障往往是由多种因素引起的，而且各种因素之间存 在耦合作用，并且在许多综合因素的影响下，同一种故障在不同的热力参数下表现 的症状也不完全相同，常常还有几个故障同时发生，其故障诊断的难度也随之增加。 就运行人员而言，对于系统复杂的大型火电站，难以依靠自身实现对系统运行过程 的全局性理解和把握，从而对故障的类型做出非常确切的判断。事实上，正是由于 这样的欠缺及由此带来的误操作和非经济运行，大大降低了机组的运行可靠性和可 用效率。因此，设备运行时严格监测系统热力参数的变化，以便在重大事故发生之 前或刚出现征兆前，得到及时的预报，并迅速采取果断有效的措施从而及时解除隐 患、预防事故发生，这些任务都急需由设备故障诊断系统来完成。 神经网络等技术在火电厂设备故障诊断中的研究还处于探索阶段，特别是对 于制粉系统的研究，很少见到成功应用的报道，鉴于该系统庞大，设备运行维护 困难，工作环境很差，因此，利用神经网络及专家系统等对火电厂制粉系统进行故 重庆大学硕士学位论文 l 绪论 障监测与诊断很有必要。本文将神经网络方法应用于锅炉制粉系统故障渗断的研 究，这在理论和实用上是有重要意义的。 1 2 课题研究现状 为实现对火力发电厂锅炉等关键设备进行实时状态监测和在线自动诊断，故障 诊断技术在火电设备的应用研究得到相当的重视，以信号分析为基础的人工诊断技 术逐步向混合智能诊断技术方向发展，专家系统和人工神经网络应用于锅炉故障诊 断成为近年来研究的热点，各国的研究者对其进行了大量的研究 5 _ 12 1 ，取得了很多 有价值的成果，下面就对专家系统和神经网络技术应用在锅炉故障诊断的国内外研 究状况做简要介绍。 1 2 1 专家系统在故障诊断方面的研究概况 专家系统是人工智能( a i ) 研究过程中产生的一门新兴学科 1 3 , 1 4 1 ，是人工智能技 术中发展最为迅速、最为活跃和最富有成果的分支，是具有大量专门知识与经验的 程序系统，它应用人工智能技术，根据一个或多个人类专家提供的特殊领域知识和 经验进行推理和判断，模拟人类专家做决策的过程来解决那些需要专家决定的复杂 问题；专家系统的计算机程序具有启发性，透明性，灵活性等优点；它不受时间和 空间环境的限制，弥补了人类专家的不足，并能利用、保存和推广人类专家的经验， 还可以高效率，准确无误，不知疲倦地进行工作，以专家的水平完成专门的而一般 又是困难的专业任务。 1 9 6 5 年，s t a n f o r d 大学f e i g e n b a u m 和j l e d e r b e r g 等人所研制专家系统 d e n e r a l 的问世一一标志着第个专家系统诞生，专家系统得到了巨大发展，开始 人们致力研究一种通用的问题求解程序g p s ( g e n e r a lp r o b l e ms o l v e r ) ，试图寻找 一般方法来模拟人类复杂的思维过程，从而解决各种领域的问题，鉴于自然界的千 变万化，很难找到一种模式去解决所有的问题；因此，到了6 0 年代中后期，人工 智能工作者以知识为中心，把一般的解决策略与专业知识、实际经验结合起来开始 构造出比较有效的智能系统，促进了专家系统的发展，例如1 9 6 7 年美国宇航局创 立了机械故障预防组，它的成立标志应用专家系统进行设备故障诊断技术的开始： 7 0 年代末，一些先进的感应测量技术开始应用于专家系统故障诊断中：特别是8 0 年代以来，更多行业开发出了成功的专家系统，如s h o r t l i f f e 开发的用于诊断和 治疗感染性疾病的医疗专家系统【3 ，s t a n f o r d 国际研究所也开发了用于地质勘探的 专家系统p r o s p e c t o r 等；在理论方面，人们对专家系统的研究逐步把系统的数学 模型，结构模型，定性物理定律等所谓深知识应用到知识库和推理过程中，发展了 基于深浅知识相结合的复合知识的诊断推理，从而完善了专家系统。 2 重庆大学硕士学位论文 1 绪论 现阶段，利用专家系统进行故障诊断则己成为一个很活跃的分支，特别是在动 力工程领域o5 - - 1 9 , 自从美国开发的用于电站锅炉故障诊断的第一个专家系统 e s c a r t a 以来，国外在火电机组故障诊断问题产生了极大兴趣，做了一些研究”。， 如日本北海道电力公司开发了燃煤发电厂运行支援系统。我国在这方面研究虽起步 较晚，但也处于蓬勃发展之中，1 9 8 4 年，我国在码头电厂召开的全国2 0 0 姗机组运 行经验交流会上首次倡议组织成立了电力设备诊断专业协会，至今也取得了一定成 果，一些专家系统已投入运行，如哈尔滨工业大学开发的大型汽轮发电机组振动监 测和故障诊断专家系统，清华大学的大型火电机组远程监测与故障诊断专家系统 等，效果良好。 1 2 2 神经网络在故障诊断方面的研究状况 自从1 9 4 3 年心理学家m c c o l l o c h 和数理逻辑学家p i t t s 基于人脑的神经元提 出了第一个简化的形式神经元m - p 模型2 0 _ 2 3 1 ，再利用神经元的适当模型就可以构造 具有某些复杂行为的网络系统，这就是神经网络。国外神经网络用于设备故障诊断 起源于8 0 年代末期 2 ”，1 9 8 9 年，美国勃杜大学的v e n k a t a 和k i n gc h e n 等人将 人工神经网络开始应用于流化态催优裂化单元的故障诊断，并取得理想效果，同年， 日本庆应义塾大学的k a j i r o 和w a n t a n a b e 等人将神经网络用于诊断化工过程的初 期故障，并研究出神经网络具有学习和存储故障的功能；1 9 9 0 年n a i d u 等人开始用 神经网络对传感器进行故障诊断，发现了神经网络解决非线形问题比较有效，同时 利用神经网络可以实现在线训练；同年美国宾西法尼亚大学的u n g a r 等人又探索出 了利用自适应人工神经网络迸行故障诊断技术：到1 9 9 4 年k a j i r o 等又采用了混合 神经网络进行诊断多种故障，随着研究的深入，神经网络将逐渐得到更广泛的应用。 国内也有众多科研单位和企业正在进行神经网络在故障诊断方面中的应用研究 1 2 9 - 4 8 如上海发电设备成套设计研究所，哈尔滨工业大学，西安热工研究所，浙江大 学，西安交通大学，北京英华达电力工程有限公司，清华大学等。 从在神经网络方面的成果和科研论文等资料，可以看出其研究方向主要集中在 以下几个方面： 人工神经网络新型算法的研究 这方面工作自从神经网络理论创立以后就真是研究的重点，因为过去的算法 都或多或少的存在着速度慢的问题，运算效率不高是制约神经网络应用的一大“瓶 颈”，因此新型算法亟待出现；这方面的工作主要是国外一些重点科研机构：如麻 省理工等在进行研究p 9 _ 4 “。 数据库在人工神经网络上的应用 在火电厂的设备故障诊断系统中，由于涉及到众多子系统，并且各个子系统的 重庆大学硕士学位论文 l 绪论 参数数据繁多，有构造追忆数据，实时数据，历史数据，组态数据，启动停炉数据 等；以前相关类数据大多采用数据文件系统进行处理，不可避免地存在着数据不便 共享，独立性差，查询困难等缺陷，特别是基于知识的神经网络专家系统很难利用 历史的，多通道的信息进行诊断分析，严重地影响了诊断的准确性，制约了智能诊 断技术在火力发电厂故障诊断方面的应用。 采用数据库技术处理人工神经网络( a n n ) 所涉及到的众多数据使得以上的缺 陷能得到良好的改善，针对不同类型的数据建立相应的数据库，使得神经网络专家 系统利用历史数据成为可能；且经过以上数据处理，使得任何系统( 如m i s 系统) 都可以在任何时间调用所涉及到的任何数据，使基于知识的神经网络专家系统能够 利用历史的，多通道的信息进行诊断分析，提高了诊断的准确性，促进了智能诊断 技术的发展。 华中理工大学能源学院在这方面的研究已经取得了很大进展，开发研究出 2 0 0 m w 机组故障诊断的数据库系统，但毕竟是起步阶段，还有很多方面需要完善。 人工神经网络与企业内部网的结合 企业内部网( i n t r a n e t ) 是迄今利用互连网( i n t e r n e t ) 技术改造企业内部管 理信息系统的一个热点问题，它不同于以前的e t l e n t s e r v e r 模式，而是采用 b r o w s e r s e r v e r 模式，将i n t e r n e t 的技术和服务应用到企业内部网络上，通过 t c p i p 标准网络协议族和简单的w e b 应用程序，在企业内部提供文件和打印共享， 信息发布和浏览，电子邮件，目录查询文件传送，新闻讨论等服务，使企业员工能 充分共享企业信息资源和应用资源，从而提高工作效率。 通过i n t r a n e t 技术与a 姝的结合，则可以有效地实现远程在线监控，先是通 过d a s 和d c s 把数据传输到本地数据处理站，再通过i n t r a n e t 把数据一并归总到 专门的数据库，通过神经网络专家系统对一些在线参数进行分析，并加以诊断，从 而实现在线监测；还可以把此类数据通过i n t e r n e t 传送给远方的监控中心进行远 程在线监测。这方面的研究在美国已经取得成果，如多伦多电站故障监测中心 ( d o c ) ，可以对全美2 0 多个电厂的数据信息进行处理；国内如清华大学与山东电力 科研院共同开发了“中国大型电站设备远程在线监测与诊断网络系统”，把黄台电 厂，潍坊电厂，皱县电厂的机组在线信息通过i n t e r n e t 和i n t r a n e t 传送到山东电 科院监测中心和清华大学监测中心，实现了远程在线监测。 但是这方面的研究还有着很大的不足之处：由于神经网络系统在处理数据时， 就现有的算法来讲，无论是b p 算法，还是h o p e f i e l d 模型，其花费的时间都较长， 因此还不能实现真正的在线监测。解决这一问题的关键在于研究快速有效的神经网 络算法，这也是神经网络研究中的一个热点问题。 神经网络和专家系统或其他智能研究方法的结合 重庆大学硕士学位论文 1 绪论 神经网络方法自身还存在不足：学习效率低，训练速度慢、知识表达的逻辑关 系不明显，不易理解和维护，不便直接表达包含时序关系的复杂知识、启发性知识 等问题，使其实用性大受影响。在目前看来，单独使用任何一种方法建造的专家系 统都有不足，因此研究的热点问题就集注在把神经网络同专家系统或其他智能研究 方法结合起来口5 瑚】，充分发挥两者长处，有效的进行故障诊断。专家系统和神经网 络结合主要从三个方面进行处理：( l ) 将a n n 作为e s ( 专家系统) 的一个子系统进行 对待；( 2 ) 将a n n 和e s 各自看作一个子系统，形成松散的神经网络专家系统；( 3 ) 将 a n n 和e s 全面融和在一起，构成全信息知识库和全信息处理系统。当然，在利用神 经网络时，研究人员大多把二者结合起来，针对具体研究对象确定结合的形式。 将遗传算法同神经网络算法相结合，小波分析理论应用到神经网络等，也是研 究热点，华北电力大学在这发面取得一定成果。 人工神经网络在汽机、锅炉故障诊断方面的应用研究 由于在火力发电厂中，汽机振动是一极为严重的问题，无论是国外还是国内都 出现过主轴断裂的特大型事故，造成人员伤亡和经济上的重大损失，因此对汽机振 动故障的有效监测、预测故障、消除隐患，现在还是一个研究热点。 可见，随着神经网络理论的不断发展和成熟，神经网络的应用已经引起火力电 站行业研究者的关注；通过神经网络对汽机的振动故障进行监控和预报是一有效的 方法。这方面的工作国内国外讨论都比较多，在锅炉方面的应用则相对较少，利用 神经网络进行讨论方面有关予过热器部分，优化配煤方面的，成绩并不显著。因此 神经网络应用于锅炉故障诊断急需解决的问题还很多，本文将探讨基于神经网络方 法的渤粉系统故障诊断问题。 1 3 课题研究的内容及方法 1 3 1 研究内容 制粉系统作为锅炉的一个重要组成部分，其工作环境比较恶劣，噪音大，空气 质量差，对现场运行人员身体健康危害较大，同时它对锅炉的燃料供应、炉膛内稳 定燃烧等又有重要影响，为保证制粉系统的正常运行，改变由专人在现场看管的局 厩，利用先进方法对制粉系统实现故障诊断很有必要。本课题利用自适应b p 神经 网络方法，以重庆发电厂制粉系统为研究对象，对其故障进行诊断，该故障诊断系 统总体结构框架如图1 1 所示。 本系统总体实现了如下功能：利用样本编辑模块和故障类型更新模块对制粉系 统的故障样本集进行提炼后放入制粉系统数据库中，然后利用自适应b p 网络训练 模块对故障样本进行学习训练，提炼出样本集中所隐含的故障规则，当输入模拟数 据或由制粉系统运行现场得来的实时数据后，经过诊断得出结论，再依据解释模块 重庆大学硕士学位论文 1 绪论 图1 1 制粉系统故障诊断系统总体框架 f i g1 1s t r u c t u r eo f f a u l td i a g n o s i ss y s t e mf o rp u l v e r i z i n gs y s t e m 给出故障分手斤并做出指导措施，同时本系统还便于数据查询和数据分析等。 1 3 2 课题研究方法 建立对象知识库 知识库是进行故障诊断推理的基础，它是以一定的形式存储知识的结构。而知 识是多样的，在一个完整的故障诊断系统中，知识应包括一些常识性知识，如制粉 系统的运行规程，制粉设备的物理结构尺寸等：专家性知识如专家凭多年实践经验 所得来的一些现场运行知识等i 动态知识则包括在诊断过程中所涉及到的一些动态 变化系数等。要想在故障诊断系统中实现对以上等知识的认知，则必须采取一定的 方法对知识进行表示、获取、维护和管理。 因此，首先必须对诊断制粉系统故障所涉及到的知识进行整理以方便获取；并 选用合适的表示方法( 如产生式规则) 对知识进行描述；最后输入到有效的数据库 管理系统( 如a c c e s s 等) 中，实现对制粉系统故障知识库的建立。 建立神经网络模型 这部分是进行制粉系统故障诊断的灵魂，利用一种有效的神经网络算法对其进 行故障诊断是本课题研究的重点。在众多的人工神经网络模型中，b p ( b a c k p r o p a g a i i o n ) 网络m2 羽最成熟、应用范围最广，用b p 网络进行模式识别则有其独特 的优点j 2 3 - 2 5 】； b p 网络具有很强的非线性映射功能，能够通过一定的学习算法学习带有正 确答案的学习范例集，自动提取“合理”的求解规则。当网络的训练精度 满足一定的要求时，其映射能力可以和数学函数相媲美； 6 重庆大学硕士学位论文 1 绪论 可以实现模糊推理，具有内插功能和推广能力。b p 网络通过学习、考核、 再学习，获得合理的求解规则，它的学习范例集是有代表性的，即使把不 属于学习范例集的实例输入网络，同样可以得到一个合理的答案，这一点 和模糊规则系统相似。b p 网络集知识库和推理机于一体，知识的获取和推 理的实现都很方便和快捷； b p 网络存储知识占用存储空间少，推理效率高。b p 网络将专家知识以数 值的形式存储在连接权值阈值当中，少量的连接权值闽值就可以存储大量 的学习范例，再加上网络的内插功能和推广能力，其拥有知识的范围超过 了学习范例的范围； 借助于b p 网络的非线形映射能力，进行非线形拟合、非线形模式识别等，特 别适合于本课题的实现。本课题就是利用b p 网络原理，建立起适应于制粉系统故 障诊断的网络结构，确定其网络层数、各层节点数、各级神经元的激励函数、误差 递推方式等，以求实现整个系统能在较高效率下进行故障诊断。 进行样本训练 神经网络的训练有两种方式：有导师学习和无导师学习。有导师学习是指诊断 的模式类别属性已知，对于每次模式样本的输入，网络输出端都有一个对应的指导 信号与其属性相匹配。基于网络输出端监督信号与实际输出的目标函数准则，通过 不断调节网络的连接权值，使得网络输出端的输出与监督信号的误差逐渐小到要求 的限度内。无导师学习是指待诊断的模式类别属性未知，网络结构和连接权值根据 某种聚类法则，自动对周围环境的模式样本进行学习和调整，直至网络的结构和连 接权值能合理地反映训练样本的统计分布。 这部分应做两方面工作：建立故障样本数据库和神经网络样本训练。 在建立故障样本数据库的过程中，先确定数据来源，整理出故障模式及其对应 的监测参数数据，同时输入此时数据所对应的故障状态，从而得到一组样本，存储 于故障样本数据库。接着对样本进行训练，提取故障规则，样本的训练过程就是通 过神经网络将故障样本集向规则库的转化过程。 利用神经网络进行故障诊断 利用神经网络对故障进行诊断是个识别问题，识别过程就是神经网络模式识 别系统的应用过程。主要包括未知模式提取和模式匹配。 1 ) 提取未知模式 提取未知模式的过程与样本组织的过程类似，在运行时，故障处理模块通过与 现场数据采集获取机组的运行参数，并与当前模式分类器的输入参数匹配，获取输 入模式。所不同的是，该过程获取的是待识别模式，即未知模式，并不对应一个期 望输出。将未知模式作为模式分类器的输入，准备识别。 重庆大学硕士学位论文 2 ) 模式匹配 调用模式分类器的故障规则，即样本训练后得到的权值阈值矩阵，对未知模式 进行匹配，模式分类器自动分析未知模式所包含的特征信息，根据权值阈值所隐含 的模式分类规则对该模式进行辨识，如果该模式满足故障样本数据库所反映的分类 规则，即足够接近某一模式，系统自动选取与该模式最贴近的类别，作为识别结果。 1 3 3 研究的重点与难点 样本的建立 应用神经网络进行制粉系统放障诊断，首先建立制粉系统的故障样本，这是一 个困扰神经网络应用的难题，由于样本来源复杂多样，同样的故障现象又千变万化， 同一原因可能导致多种故障，因此详实全面地建立制粉系统的所有故障样本不是一 件容易的事。 网络结构和初值的确定 使用多层b p 网络虽然是应用最广泛的种人工神经网络，但也有很多不足之 处：首先b p 网络的拓扑结构设计没有统一的标准，大多依赖经验或采用试凑法； 其次，b p 网络的权值和阀值的初始值难以合适地确定，从而容易导致神经网络陷 于局部最小，达不到训练目的。为了充分发挥神经网络的故障诊断功能，使得其效 率最高，同时又避免出现局部极小点问题，因此在确定神经网络相关参数时，如隐 层神经元数目、学习率、初始连接权值阑值的选取、网络节点激励函数的形式选取 等，还需在设计过程中进行探讨，这些因素都大大影响着整个神经网络的泛化能力， 既要保证整个系统的结构简化，又要尽可能提高系统的泛化能力。 神经网络与专家系统相结合的应用方法 由于神经网络自身的缺点，有必要把神经网络技术与其他智能诊断方法进行有 效的结合，形成混合智能诊断方法。现在最广泛用的就是神经网络与专家系统相结 合，除此还有神经网络与遗传算法的结合、神经网络与小波分丰居理论的结合等等。 如何把神经网络与专家系统相结合，恰当有效地应用到火电厂制粉系统的故障诊断 系统中去也是有相当难度的。 1 3 ，4 工作步骤 本课题的研究按下述几个步骤进行： 收集课题相关信息 在本故障诊断系统的开发中，所收集课题相关信息主要是指火电厂制粉系统故 障诊断所需的各种知识，如专家经验、运行规程以及系统运行状态的监测参数等。 系统总体规划 重庆大学硕士学位论文 l 绪论 1 ) 确定系统的应用目标 本文将b p 网络诊断方法应用于火电厂制粉系统故障诊断，利用计算机对参数 信息进行预处理，自动诊断故障类型和性质，能指导操作人员进行恢复操作，并通 过逐步的实践提高系统的稳定性和可靠性，进一步发展成为用于制粉系统生产现场 的故障智能诊断软件。同时设计友好的人机界面，使整个系统兼具知识性、按术性 和实用陛。 2 ) 确定系统的框架。 3 ) 拟定各模块的功能。 设计及应用阶段 1 ) 建立火电厂制粉系统故障诊断数据库。 2 ) 定义相关类及相关函数和属性、实现制粉系统故障诊断算法。 3 ) 建立用户界面。 4 ) 在计算机上对火电厂制粉系统常见故障进行仿真实验。 重庆大学硕士学位论文2 制粉系统故障诊断知识库 2 制粉系统故障诊断知识库 本章总结制粉系统现场运行记录，根据制粉系统故障特点，应用知识获取和表 示原理，建立其知识库。 2 1 制粉系统故障知识 2 1 1 电站锅炉故障特点 火电厂锅炉机组是一复杂庞大系统“1 ，设备间的紧耦合性，工作环境的特殊 性等，决定了锅炉是一个高故障率和故障危害性大的生产系统，任何因故障而酿成 的停机事故都会造成重大的经济损失和不良社会后果。要对电站锅炉进行监测和故 障诊断，首先要求对其故障特点进行详细掌握。锅炉故障大致可按图2 1 所示分类。 制躲r 芹帚带罱芹 制 炉 锅 过再水空省汽 g - 炉 进引 一 运违 粉膛 炉热执冷预惶包 水 水 隔日 次 父矍 蓁蒌 霎 篓茎蓁薹曩耋茎蒌篓 篓蒌 蠢薹艘 敌 火 故故露 故 故故 故 泵 故故 故 莉裂 障 障障障故障障障 蹲 故 障障 障 器 惮 障 障鉴 图2 1 锅炉故障分类 f i 9 2 1s o r to f b o f l c rf a u l t 通过对锅炉系统的故障及传播机理的分析，可知锅炉故障具有以下特点： 1 ) 层次性：这是锅炉设备故障最基本的特性，是由设备结构层次性所决定的。 任何故障都是与设备的某一层次相联系的，高层次的故障是由低层次的故障引起， 而低层次的故障必定引起高层次的故障； 2 ) 相关性：是指锅炉故障诊断的“横向性”，是由系统各参数间的联系所决定的。 当一个参数或联系发生变化，势必导致其相关参数或联系的状态也发生变化，进而 导致相关输出发生变化，从而诱发相应故障发生，即同一层次系统中多个故障并列 存在的现实。任何一个原发性故障都存在多条潜在的故障传播途径，因而可能引起 多个故障同时存在； 重庆大学硕士学位论文 2 制粉系统故障诊断知识库 3 ) 延时性：锅炉故障的传播机理表明，从原发性故障到系统级故障的发生、发 展与形成，是一个由量变到质变的过程，有一个积累过程，即故障具有延时性，因 此可以进行早期故障诊断，从而“防患于未然”。故障的延时性是实现故障预测与 早期诊断的基础。 2 1 2 制粉系统故障 一般来讲，大型煤粉锅炉配备的制粉系统有两种：直吹式系统和中间储仓式系 统。直吹式制粉系统是将磨制好的煤粉直接吹入炉内燃烧的系统；中间储仓式系统 粗耪分离器 刮板给煤机 钢球学惭 细粉分离器 煤粉仓 排粉机 图2 2 中间储仓式制粉系统不意图 f i 9 2 2m i d d l es t o r a g ep u l v e r i z i n gs y s t e m 则是先将磨制好的煤粉储存在煤粉仓内，然后通过给粉机来调节进入炉膛煤粉量的 系统。本文主要是针对重庆发电厂2 1 炉中间储仓式制粉系统( 见图2 2 ) 进行研究。 中间储仓式制粉系统主要包括钢球磨煤机、粗粉分离器、细粉分离器、给煤机 和排粉机等。此类制粉系统在工作过程中，在粉仓保持一定粉位的情况下，为降低 磨煤电耗，要求钢球磨煤机经常在最大出力下运行，因此中间储仓式制粉系统与机 组的运行具有相对独立性，同时必须保持煤粉品质，使煤粉细度和磨煤机出口温度 保持稳定，要求做到如下几点： 防止发生煤粉自燃和爆炸等事故； 保证煤粉的质量，以满足锅炉燃烧的要求： 降低制粉电耗和其他损耗，提高经济性。 中间储仓式制粉系统常见故障主要有：钢球磨煤机堵塞、钢球磨煤机断煤、煤 粉仓的自燃和爆炸、制粉系统的自燃和爆炸、粗粉分离器堵塞、细粉分离器堵塞、 排粉机跳闸、给煤机跳闸、钢球磨煤机跳闸等。针对这些常见故障，我们把其知识 编辑成样本，并转化为能够为神经网络专家系统所调用的数据库，以便进行对制粉 系统的故障诊断。 重庆大学硕士学位论文 2 制粉系统故障诊断知识库 2 2 制粉系统故障知识库构建 2 2 1 对象简介 重庆发电厂6 7 0 t h 锅炉( 简称2 14 炉) 中的制粉系统是典型的中间储仓式制粉 系统，每台炉配备四套中间储仓式制粉系统，每套由刮板式给煤机、滚筒式钢球磨 煤机、粗粉分离器、旋风分离器( 细粉分离器) 、排粉风机、乏气风机、煤粉仓等 设备组成，其设备规范如表2 1 所示。这些设备在重庆发电厂的实际运行中并不一 表2 1 重庆发电厂2 1 8 炉制粉系统设备规范 数 配套电机 名称型号容量型号电流转速 量 ( 运行值) ( 运行值) 钢球磨煤机d ，瑚3 5 ( 3 7 0 3 5 t h2y 5 0 0 一i 一65 4 a9 8 8 r m in 刮板式给煤机 m g - 1 0 0 l o o t h 2 y 1 8 0 l 一6 1 ，5 a 3 5 0 r m i r l 给粉机 g f - 93 - 9 t h 1 6 y 1 3 2 s 一6 7 2 a 9 6 0 r m in 排粉机 ) t 5 3 6 - ll n 0 2 01 4 4 0 5 p a2 j s q l 9 1 5 1 0 4 3 7 a1 4 8 5 r m i n 租粉分离器 h w c b 22 细粉分离器 d g b y 3 5 0 0 2 原煤斗 3 8 0 32 煤粉仓 3 1 1 m 32 定全部按设备的额定负荷运行，在实际工作中，还应考虑其他因素，如运行季节、 煤种状况等因素。 制粉系统在不同条件下运行，显示出的现象会有所相似，但其故障样本却有所 不同。例如在夏季则会要求运行的热风温度降低，这会影响到钢球磨煤枧的出口温 度，造成在出口温度偏低的状况下运行，但此时磨煤机堵塞故障却并不一定发生， 而当钢球磨煤机发生堵塞时其出口温度也会降低，这就是说在建立故障样本集时一 定还要考虑到设备运行以外的其他因素。 在对制粉系统提炼样本时，综合考虑了以上各种影响因素，并对样本所提炼的 背景进行了补充说明： 诊断对象：重庆发电厂2 1 炉中间储仓式制粉系统； 故障样本基本数据：来源于重庆发电厂制粉系统在2 0 0 1 年第三季度的运行 记录； 制粉系统最佳运行状况：是指最佳经济效益状况下的稳定运行工况，只要 在保证煤粉仓具有一定煤粉量的状况下，中间储仓式制粉系统的供煤状况 对炉膛燃烧的影响较小，同时由于筒式钢球磨煤机的电耗量很大，当制粉 能耗与不完全燃烧损失之和最小时，磨制的煤粉细度为其经济细度，本系 统中的样本集是当煤粉细度为r 。 8 时的工况下整理的： 重庆大学硕士学位论文2 制粉系统故障诊断知识摩 煤种状况( 表2 2 ) 表2 2 重庆发电厂燃煤分析成分 类别项目符号设计数据单位备注 应用基碳 c a r6 3 ，4 8较高 应用基氢h a t 2 7 4 燃 应用基氡 o a ri 8 9 应用基氮 n a r1 0 2 煤 应用基硫 s a m2 3 2 高硫分 应用基水份 m a r1 0 低水分 成 分析基水份 m a d 2 4 1 低位发热量q n e t a r 2 3 5 0 0 2 4 5 0 0 k j k g一般 分 可燃基挥发份 v d a f1 6 i 7 烟煤 应用基灰份 a a r2 i 2 3 t 高灰 可磨指数h g i 7 5 蠢 变形温度 d t1 1 0 0 软化温度 s t1 3 9 0 点 融化温度 f t1 4 2 0 2 2 2 制粉系统知识表示方法 知识表示方法即知识表达方式，是研究用机器表示知识可行、通用的原则和方 法，即研究如何用最合适的形式来组织知识，对所要求解的问题最为有利，以便在 计算机中储存、检索、使用和修改。 人工智能领域里已经发展了许多的知识表示方法【l 1 3 , 1 4 4 孙，如过程表示方法， p e t r i 网知识表示法，定性模型知识表示法，时穿逻辑表示法，谓词逻辑表示法等， 每种方法都有其优缺点，所以应针对实际对象，进行分析，选取几种方法加以综合 运用，会取得较好的效果。本文根据制粉系统故障诊断的需要，选取产生规则式表 示法、框架式表示法和神经网络产生规则表示法等。下面仅介绍几种比较实用且为 本文所选用的方法。 产生式规则( p r o d u c t i o nk u l e ) 产生式系统最初是由p o s t 于1 9 4 3 年提出1 9 6 5 年s i m o n 和n e w e l l 把它引入 基于知识的系统中，它把知识单元表示成“模式动作”对，表示方式自然、简洁。 其推理机制以演绎推理为基础，推理系统也称为产生式系统。目前已在专家系统中 广泛使用。 产生式系统由三个基本部分组成：全局数据库、产生式规则库和控制策略。全 局数据库是产生式系统使用的主要数据结构，用以描述问题的状态。在问题求解过 程中，它记录已知的事实、推理的中间结果和最终结论，决定着某一规则在问题求 解的当前状态下是否可用。对全局数据库组织表示方法，可以采用链表、树结构或 重庆大学硕士学位论文 2 制粉系统故障诊断知识库 图等。控制策略的作用是说明如何运用规则，下一步应该选用什么规则，从规则选 用到执行可分为三步：匹配、冲突消解和操作。产生式规则库由一组规则组成，产 生式规则的作用是对全局数据库进行操作，其一般形式为： i f ( 前提) t h e n ( 或 ) 。 它有如下主要优点： 1 ) 模块化：在众多规则所组成的库中，每条规则可自由增删、修改，象个 独立的知识块，规则间的关系被间接地表示出来，并非直接调用；所以规则的修改、 扩充和删除都比较容易，对其余部分影响也比较小。 2 ) 一致性：规则库中各规则具有统一的结构； 3 ) 自然性：可以很方便地表示专家的知识和经验，解释专家们是怎样工作的； 可见这种表示方法与人的思维接近，易于理解其内容，便于人机交换信息，本 文采用产生式规则来表达背景知识、决策知识和综合分析知识等较明晰的知识，同 时也作为表示诊断经验的参考。 由于产生式表示知识的每条规则都有相同的格式，也就存在着规则相互关系不 明显，问题求解效率低、结构不灵活，难以表示复杂、大型及动态的概念等缺点， 主要包括： 1 ) 效率低：维护模块性和一致性的要求导致在问题求解时，时间开销大： 2 ) 不灵活性：规则结构的预定义形式降低了表达专家知识和经验的自由性， 同时专家经验有时难以用规则来表达，这就限制了系统的能力； 3 ) 规则结构对复杂、大型以及动态的概念不能很好地表示，因为规则只是简 单的条件语句，将条件序列映射为规则集，有时是很困难的。 上述这些缺点导致了传统专家系统具有一定的局限性，在较复杂的专家经验、 模糊的故障处理知识等处理方面比较薄弱。所以本文在利用此方法时与其它方法相 结合，取长补短，发挥各自优势，以利于知识的有效表达。 语义网络( s e m a n t i cn e t w o r k ) 语义网络是q u i l l i a n 等人在1 9 6 8 年提出的，最初用于描述英语的词义。它 用图解表示知识，采用结点和结点之间的弧表示对象、概念及其相互关系。这种方 法的优点是容易把各种事物有机地联系起来，特别适于表达关系性知识。语义网络 通