（化学工程专业论文）大机组振动状态预报技术的研究开发与应用.pdf

捧要 本文针对企业生产迫切需要的大机组运行状态预报技术开展研究工作， 蒸予久工享枣缀瓣络菝寒，撬密了一手孛镌凭懿颈摄方法并投入骜畿场应雳，联 得了很好的效果。 论文首先从一般预测理论出发，对机组运行状态的可预测性进行了分析 论证，并对鬻用静设备状态蓣葚i | | 方法避行了分桥帮评述，结采袭餮人工神经 网络技术特别适合于大机组的振动状态预报。进而针对建立人工神经网络模 型豹几个关键阉题，如鄹络拓羚结构艘确定、婀络训练算法的选择等进行了 讨论。 然后针对神经网络预测方法在实际应用lr 存在的问题，首先提出了预测 稳定性豹撅念，并扶理论鞠试验分掇嚣个方殛对预测结票不稳定瓣嚣霆进季亍 了分析和论证，结果表明训练样本中的噪声干扰题影响预测稳定性的主要原 因；其次，为便于事先对训练样本的可预测性进行评价，提出了一种基于分 形理论的调练徉本可蓣溅缝瓣定量评价援标：然蜃缀撵上述分辑绪淦，撬爨 了种新的预测优化方法。 最后，分析总结了大机组的六种熟型的9 t i 动变化趋势，并采用本文开发 的预铡按术对它们遗行了缓报试验。绥鬃显，蠡，浚方法对各耪典墨的设器运 行状念变化戆势的预报具有普适性。大量的现场实际应用结果进一步表明， 该技求可准确地预报机缎的振动状态变化趋谤，预报误差一般在1 0 以内， 达到了实用的要求。 关键词：大机组状态预报人工神经网络分形 a b s t r a c t t h i st h e s i sf o c u s e so i lc o n d i t i o nf o r e c a s t i n gt e c h n i q u eo fl a r g em a c h i n e s e t s ， w h i c hm a n ye n t e r p r i s e si sc r y i n gf o r a no p t i m i z e df o r e c a s t i n gm e t h o db a s e do i l a r t i f i c i a ln e u r a ln e t w o r k ( a n n ) i sd e v e l o p e d ，a n dt h e ni ti sp u ti n t op r a c t i c e t h e r e s u l ts h o w st h a tt h i sm e t h o di ss u i t a b l ef o rc o n d i t i o nf o r e c a s t i n go f m a c h i n e r y f i r s t ，v a r i o u st r a d i t i o n a lf o r e c a s t i n gm e t h o d sa r ei n t r o d u c e di nb r i e f b u t t h e s em e t h o d sa r eu n f i t t e d 船n o n l i n e a ro b j e c t s a n nh a sm a n ya d v a n t a g e so v e r t h e s et r a d i t i o n a lm e t h o d s i ti sp o i n t e do u tt h a tm a c h i n e s e t sc o n d i t i o nc a nb e p r e d i c t e db ys u c hn o n l i n e a rm e t h o d s a sa n n t i l e n ，t h i st h e s i sd i s c u s s e sh o wt oe s t a b l i s ht h ea n n sf o r e c a s t i n gm o d e l 。 s o m ek e yq u e s t i o n sa r e a n a l y z e d 。s u c h a s d e t e r m i n i n ga n n st o p o l o g i c a l s t r u c t u r e ，s e l e c t i n ga n n st r a i n i n ga r i t l u n e t i c ，a n ds oo n 、 a f t e re s t a b l i s h i n gt h ef o r e c a s t i n gm o d e l a n ni si n t r o d u c e dt of o r e c a s t m a c h i n e r yo p e r a t i o nc o n d i t i o n f i r s t l y ，t h ec o n c e p to fp r e d i c t i v es t a b i l i t y i s p r e s e n t e d t h em a i nf a c t o r sa f f e c t i n ga n n sp t 。e d i c t i v ep e r f o r m a n c ea r ed i s c u s s e d t h er e s u l td e m o n s t r a t e st h a tt h ea n n sp r e d i c t i v ea c c u r a c yi sd e p e n d e do nt h e a m p t i t u d eo fn o i s ei nt r a i n e ds a m p l e s s e c o n d l y b a s e do nt h ec o n c e p to ff f a c t a l d i m e n s i o n ，a ni n d e xi s p r e s e n t e dt o e v a l u a t ew h e t h e rat r a i n e ds a m p l e si s d i v i n a b l e t h i r d l y , b a s e d0 nt h ec o n c l u s i o na b o x e ，an e wo p t i m i z i n ga p p r o a c hi s p u tf o r w a r d ，e x p e r i m e n t sa n da p p l i c a t i o n sp r o v et h a tt h i sm e t h o di sa p p l i c a b l et o a l ls o r t so ft y p i c a ls i t u a t i o n ，a n dc a nm e e tt h ed e m a n do fp r o d u c t i o n k e y w o a d s ：m a c h i n e s e t s o p e r a t i n gc o n d i t i o n f o r e c a s t a r t i f i c i a ln e u r a ln e t w o r k f 1 a c t a l 第l 章综述 现代连续化工业生产的规模不断扩大，技术不断进步，其中的核心旋转机 械设备( 爨大搋缝) 毽弱蔻大鍪纯、复杂铯、藏遽纯、自动纯。获设冬警疆 的角度来看，这种趋势带来两个问题，( 一) 设备的生产效率越来越高，机械结 构也| 二：l 趋复杂，设备中不同部分之间的相互联系、耦合也更加紧密，一个部件 出现数障，将弓| 起整个生产漉程孛繇。现我纯昀生产设备蚤然大滴菠羹垂提离了 势动生产率，但设备故障单位时间造成的直接和间接经济损失也成倍地增加。 许多化j 、石化、电力等行业的关键设备，如乙烯装置的三机( 裂解气透平压 缩枫组、乙浠透平运缩祝缀、丙烯透平压缩帮淤 ) 、化邕装置的| i 枧( 繇籽气压 缩机组、合成气压缩机组、空气压缩机组、氨慷缩机组、二氧化碳爪缩机组) 、 炼油厂的一j 彰i ( 爆气轮枧、主风枧缎、石、渡气j j 三缓枧组) 及电厂的夫型汽轮发 电机组等，由0 二价格昂贵，一般没有配备备月j 桃缎，一旦出现赦障，将给企业 和国家讲 柬巨大的经济损失。例如，个年加卜原油5 0 0 万吨的炼油厂，停产 l 天的经济损失返秀子万元。( 二) 雯为严重的迳，毒晁缓设备故舞司麓导致羹大 的安全事故，甚至是人身伤亡事故。 因此，如何在设备故降初期就敏感地捕挺剑设备异常的征兆，并及时采取 蠢效藏疆，避免设冬安全搴赦嚣粪诗矧箨工，矗童天凝度遗减少综合经济臻失， 鼹每一个现代化生产企业面临的重要问题。 升：际嗍内市场竞争同趋激烈的新形势h 许多企业在应用殴备监测与故 辫珍甑技求弱穗础主，纷纷采纳了“羊羹情维 差”帮状态维修的观念，盎确绦设 备可靠i ：f f , j 自h 提f ，降低生产和维修成本，捉：j 企业竞争力。 1 1 国内外研究现状及发展趋势 1 1 1 设备诊断技术的发展历程”1 赝潮波器监溅与敲障诊甄技术，裁是在不络枧兹情况下，蕊测设鍪运行是 否正常。如异常，则诊断异常的原因、部位、严踅程度，预测其未来发展变化 趋势，并提出针对性的操作和维修建议。由此可见，它包括监测、诊断和预报 三个方面的内容，它怒逐步改进设备维修方式，从事后维修和定期维修制度过 渡戮状念维修秽颓絮终修铡液赘技术基蕃塞，已鞫盏袋淹石纯、冶金、电力等浚 程工业保证安全生产、降低生产成本的煎要手段。 我国设备诊断技术的研究、应用起源于2 ( 】世纪7 0 年代末。在此之前，国 内一些大专院校帮科研单位缩合教学和脊关设舔诊断按术的研究课题，逐渐开 始遴行枧撼设备状态竣测与赦障诊叛技术鲍理淦磅究工 乍秘小范潮工疆实骣成 用研究工作。由于当时些机组重大事故的发! k ，引越了对本技术发展的重视。 从1 9 7 9 年丌始，不少工厂企业开始研究美、i 、德、英、瑞典等阐的设备维修 钵裁，扶中惑受醚状态篷测与诊鼗技术翡重要意义，并开始送行初步研究和具 体实践工作。 1 9 8 3 年初，原国家经委和有关部门经过对f 】0 一段工作分析，决定把开展设 备诊断工作的要求纳入国营工业交通设备管理试行条例之中，明确地指出： “要操据生产零要，逐步罴爝觋彳弋故障诊凝番 ? 泼态鉴溅技忒，发鼹以状态鉴测 为基础的预防维修体制”，从而把设备诊断技术工作列入了企业管理法上见，并搬 出了设备诊断技术要为维修体制改革服务这一厅向。该条例的公布，对发展设 备渗凝技术曩育极为耋要静意义。 大帆缀设备渗断技术在我国的发展过程，欠致可归纳为如下几个阶段： ( 1 ) 基于决迷傅立叶变换( f f t ) 分析阶段 2 0 瞪纪8 0 年代初期和中期，设各故障诊断技术的开展，基本上是这样的。 先邋过隧带；己录仪记录振动信号，然后奁实验宅进幸亍信号回放，输入专嗣豹f 疆 分析仪进行频谱分析。采用的方式为离线监测方式，分析方法也较少，只有功 率谱、幅髓谱分析等，而且大都只能进行单通道的分析。其最大的缺点是分析 功能圈定，不荔扩展。 ( 2 ) 计算枧辅助监测、分专厅阶段 2 0 世纪8 0 年代末期至9 0 年代中期，随着i r 算机技术和信号处理技术的飞 2 速发展，计算机在故障诊断技术的现场实施中的得到了广泛的应用。从设备状 态臻惑采集、穗号分辑、数据库管瑾，蕊至龟摇诊凝结论兹获褥均交计算撬泉 完成。采用的方式既有离线监测，也有在线监测。程分析方法上，出现了多种 多样的信号分析处理方法，如全息谱分析技术、小波分析技术、享率经网络诊凝 技术、各种时频分拆技术等等，虽更嬲注重攘动幅德、频率、稻锭等信患酶全 面、综合利用，同时涌现出为数不少的故障诊断专家系统或自动渗断系统，避 步| 翅诊断智能化秘快捷化方肉发展。 ( 3 ) 网络化麓测诊断阶段 2 0 世纪9 0 年代末以来，大机组监测诊断系统的一个重要发展方向就是网 络纯。在霸络系绞橡戒上，充分裂疆金激现有的i n t r a n e t i n t e r n e t 资源，傲 到资源充分共享，节省投资及实现远程诊断。所瞌测的参数不再只局限于振动、 轴位移等，而怒进一步扩展到了影响机组运行： 犬念的主要工艺参数，如流量、 瀑发、压力以及一些主要牙关量，这群对予静睃i 运行状态羲怒掇魏更全薤、翼 凇确。同时很多非线性信号处理方法，如分形理论、混沌理论等被引入到机组 的故障诊断技术工作中。可以说，设备诊断技术正在逐步向设器诊断工程方向 迈进。 1 1 2 设备诊断技术应用现状 设签渗翁的技术接麓翻实憝效果翔袭卜1 辑示。在工业受业普遂棰i 亍设器 “黼年一修”、“三年一修”的新形势下，设备珍断技术作为维修制度改革的技 术基础，它在避免设备事故、减少非计划停1 、缩短故障停机时| 自j 、优化生产 擦俸、降低维修费用等方纛，具有不可蘩代的重要作爱。 例如，同本在采用故障诊断技术后，每年节省维修费用3 亿英镑，扣除琏 予故障渗断工作的投入0 5 亿英镑，净获剃2 5 亿英镑；英国节约维修费用约 7 5 亿英镑；荚鼙的一些知名大企监，知杜邦、通舞l 汽车、3 麓、凇弧硪a r s 、德 州仪器等的维修费用都平均减少5 0 ，宾州f 巳厂开展预知维修后，每年平均节 约维修费用2 0 0 万美元，等等。 表1 1 设备诊断技术措旅和效果 我国丌展故障诊断的时间较短，但也取得了显著的效果，例如铁路系统采 用故障诊断技术后，1 9 7 9 年至1 9 8 6 年共发现和防止车辆燃轴达2 9 1 万件，1 9 8 6 年与1 9 7 8 年相比，燃轴事故减少1 4 倍，按经济效益计算，相当于增加年收入 2 亿多元：泸州天然气化学工业公司应用设备渗断技术，使机组的大修丌缸率 由9 0 年的8 9 逐步下降到9 4 年的j 7 ，机连续运行记录由1 9 9 2 年以前的 历史最高记录l j o 天，提高到1 9 9 7 年的3 3 2 尺，创造的直接经济效益达7 6 0 0 万元：鸟鲁木齐石化总厂在采用监测诊断技术以后，每年增产节支达一千万元 以上：。 近年来，随着计算机技术、信号检测和处川! 技术以及预测技术的一e 速发展， 机械振动诊断技术在振动监测系统的开发、振二力信号的分析和识别、人工智能 的应用等方面部有了很大的发展，当前机械故障珍断技术的研究重点主要集中 在如下几个方面： ( 1 ) 故障机理与诊断理论的研究 故障机理与诊断理论研究的目的是为了了解各种故障的成因，研究故障征 兆与故障原因之间的关系，通过对故障的本质及其特征的深入了解，建立科学 的故障模型。研究方法的基础是各种相关的基础学科，如数学、物理学、化学、 机械动力学等，这是故障诊断技术的基础。 ( 2 ) 故障信息的提取与分析方法的研究 4 随着信息处理技术的飞速发展，机械状态的诊断方法也不断地得到丰翥。 扶传统鲍分褫方法，热籀焚分析、时装波形、辘心鞔迹、矗r 谱分析、f f t 港分 析，到一些较新的分析方法，如主分爨分析、时频分析、全息谱理论、轴心轨 谈的计算机模拟等，均被墩用予故障诊款领域，并墩褥了强好的应用效果。 黧信息处理领域剐推出的新方法很浃就梭应孀到诊断领域，铡如分形理论、人 工神经网络、遗传算法、混沌理论、小波分析、高阶谱分析等。借助计算机技 术粒现代信号处理技术，哥戳太大提麓分辑诊断壤确性秘诊断过程的皂动化程 发。 ( 3 ) 监测珍断系统和诊断仪器的研究开发 设蚤鉴溅渗疑工作褰不开受测系绞与诊甑汉器，邋瑟体积，l 、巧、操搏麓擎 的高精度分析诊断仪器和大型综合监测诊断系统的研制开发，直是诊断技术 耐向现场应用的研究重点。目前这方面的研究t 耍有：便携式振动监测与分析 纹、翘络讫在线蕊；蒌| | 与鼓臻诊瑟系统匏开发等。 4 ) 状态预报方面 从现场应用角度看，监测诊断技术必须具备正确反映设备当前运行状态、 壤磷识剐设螯渗在豹隧悫及其程度、颓臻下- 拿阶浚淹设备运行扶态的发震趋 势这三项功能。 与故障珍断功能相比，从某种意义上说，j 状念预报也是现场生产迫切需求 的项功能。现场入员交关心躲是故障的严重露度如何、今后的发展趋势怎样、 还能否继续运行下去、还能运行多久等问题，以指导生产。而恰恰在这项功 熊上， i # 玎发投露的监测诊断系统均漫得父缺。即使少数系统配备了状态领 报功能，也只提供历史数据趋势图，通过趋势分析攀握视组往后运行的状态。 假实际上，机组并不经常遵照平滑外摊的状态去运行，单靠趋势图是难于预报 祝缀获惫鹃。瓣既，装态颓缀是嚣兹簸溅诊断技术中较为薄弱豹g 节1 。 1 1 3 设备诊断技术发展憋势” 随着科学技术的发展和现场应用对诊断技术的要求不断提高，单一参数阏 s 值比较的机器监测方法正开始向全息化、智能化监测方法过渡，监测手段也从 依靠人的感官、简单仪器向精密电子仪器以及以计算机为核心的监测系统发展。 当前，大型回转机械的监测诊断呈现出如下一些特点： ( 1 ) 在监测方式上，以实时的在线监测替代定期监测和巡回监测。在监测内 容上，从平稳运行监测向非平稳的状态监测发展。在监测系统结构上，以分布 式监测代替集中监测、以网络化监测系统替代微机集中监测系统。监测系统网 络化是计算机网络技术在机械监测中的具体应用，也是当代设备监测技术发展 的必然趋势。 ( 2 ) 在监测、分析方法上，不再局限于单参数的闽值比较、传统的f f t 分析， 取而代之的是基于信息集成、融合，信息分解、提纯等技术的监测分析方法， 并根据对象性质的不同，采用非线性、非平稳的信号分析方法。 ( 3 ) 系统功能上由监测、诊断逐步向监测珍断一一预报一一治理和管理 一体化方向发展，诊断方法向智能化、快捷化、灵敏化方向发展，诊断方式向 现场珍断与远程诊断相结合的方向发展。 1 2 本课题研究的意义 设备监测与诊断技术，以其实用性和显著的经济效益，已经受到了企业界 的广泛重视，得到了越来越多的应用。普及应川的结果又反过来列设备渗断技 术提出了更高的要求，推动着它的发展。 设备渗断技术的产生源于设备维修的需要，其发展则有赖于近代电子技术 和计算科学的进步。就技术本身而言，它是信息技术在设备管理工作中的应用。 它在对设备故障机理研究的基础上，通过对设舀动态信号的采集、处理分析与 识别掌握设备的运行状态，为设备维修和生，2 决策提供科学的依据。 经过多年的开发与应用，设备诊断技术在理论研究和实际应用方面都取得 了长足的进展，现已有许多信号分析方法供设备故障诊断应用，对机组运行状 态的正确判别和典型常见故障的准确诊断发挥了重要的作用。但从生产角度来 看，如果仅仅停留在对机组状态的识别或故障的定性诊断上，显然还是很不够 的。作为设备维修制度改革的技术基础，设备珍断技术必须具备如下三项功能 才能适应现代化生产的要求： ( 1 ) 准确反映设备当前运行状态； ( 2 ) 及时准确识别出设备潜在的隐患、故障类型、故障部位及故障严重 程度和造成故障的原因： ( 3 ) 预报一个阶段设备运行的发展趋势； 前一阶段设备诊断技术的研究，主要集中在故障诊断的原理和方法的研究 方面，对于典型常见故障的准确诊断，现已有相当的把握。但对状态预报方面 的研究工作还丌展得很少，与现场实际需要相比，显得非常欠缺。目前国内外 投用的众多监测诊断系统不管其监测方式如伺有效，诊断方法如何丰富，在预 报功能上均相当贫乏，某些系统即使配有状态颅报功能，多数也只是提供历史 数据趋势图供趋势分析使用，并不给出预报结果，有些是采用a r 或a r m a 时序模 型进行预测，但应用效果并不理想。为了适应世产发展的要求，寻找新的预测 方法已提到议事目程。 应陔说，状态预报是现场生产非常需求的一项功能。现代化生产要求最大 程度地获得企业的整体效益，往往并不是设备+ 出现故障就能停工处理的，在 大多数情况下，机组是否需停机检修要综合研究故障的严重程度、发展趋势及 生产形势而定。因此，机组一旦发生故障隐患，现场人员最关心的是故障的严 重程度如1 何、今后的发展趋势怎样、还能否继续运行下去、还能运行多久等问 题。在石化、电力等企业中，相当一部分关键帆组处于单机运行状况，若其中 某台机组发生了故障，就立即停机检修，则司能给企业带来巨大的经济损失。 如果能够通过状态预报，预知机组今后一段时间的状态变化趋势，并通过分析 确认，浚机组可以带病坚持继续运行一段时阳j ，那么就有可能将停机检修安排 在最适当的时候，最大程度地降低经济损失。因此机组：状态预报技术的开发， 对避免不必要的停机，防止设备故障进一步发展，并提前作好备件准备，缩短 检修时间，为企业获得尽缀大的经济效蔬具有非常积极的意义。 由此可见，本文铮黠枫组摄动状态预报按术避行研究，其蠢羁显豹实掰瞧 和先进性。 需要说明的是，将设备诊断功能聪分为监测、诊断和预报三个方面完全是 麸方便王冕场纛髑豹角度寒考虑豹。藏技零搴身瑟言，它们是疆畜送嗣又有袋系 的有机统一的蹩体。监测为诊断和预报提供必要的数据信息，嗣时也是判断机 缎状态是否合格的指标；诊断是对监测得到的信息进行加工处理，在设备救障 孛嚣建繇究懿蒸趱土裂甄祝缝是否存在赦漳，数及赦障懿覆毽、帮霞帮连蒺等等， 为设备维修掇供决策依掇，是监测信息的进步利用：预测又怒在监测和诊断 爵勺基础e ，对机组的主要状态参数和故障趋势做出合乎工程要求的评估，为设 备运雩亍耨堡产决策提供依攘，它是对状态信息内在麓律的逑一步探索。合臻鲮 予厦测不仅需要利用监测渗断的信息，而且还需利用预洲理论提炼出蕴减其中的 状态变化规律，因而是一个新的开发领域。 1 3 本文的主要工作 虢惑颓擐是设渗瑟技术趣一壤爨癸内褰，本文针对设器戛跫态颈掇技术避 行研究和丌发，首先分析现场对该技术要求的迫切性及技术本身的可行性，然 后重点分析了实际应用中存在的问题、产生的原因，探讨了解决的办法，最后 对本文玎笈鹃方法静实溺 叟送行了论证莘蠡王冤场! 迤涯。 首先从企业生产需求的角度，分析了设备状念预报技术的必要眭，然厝从 一般预测理沦出发，结合西化等企业关键机组的运行特点，对机组运行状态的 可预测性进行了分折，并对常用静设餐状态预测方法的优缺点进行了讨论鞫评 述，分析表明人工神经网络技术特别邋合于对大机组的振动状态进行预报。 在此基蕊。匕，分绍了入工辛孛经网络预测的琏本方法，并钳+ 对阚络拓挣络襁 选择、训练算法的选择和优化等建立预测模垂蛐0 关潍点进行了分析讨论。 针对神经网络预测方法在实际应用中存在的问题，首先提出了神经网络预 测稳定性的概念，从理论和试验分析两个方面论证了训练样本中的噪声干扰是 影璃疆测结聚稳定洼夔主瑟豢因，基予分形理论毽爨了一静浮赞潮练样本瑶预 测性的定量指标。在此基础上，提出了神经网络预测性能优化的种新方法， 并对该方法的优化效果进行了试验分析。 最蓐，分李螽总结了大枫缓豹六秘典熬豹振动交纯趋势，著采麓本文开发戆 预测技术对它们进行了预报试验，结聚湿示：该方法对各种舆测的设备运行状 态变化趋势的预报具有普遍适用性。现场实际应用结果表明，该技术可准确地 谈缀梳缱瑟振动状态交纯趋势，颈掇误差一般定1 0 以内，完全达蜀了实焉魏 硬求。 9 第2 章机组状态预测方法的确立 近年来，设备状态监测与故障诊断技术已经得到了企业界的广泛重视。国 内开发了很多监测诊断系统，为企业的设备管理工作做出了积极的贡献，收到 了明显的成效。但较为普遍的是，监测和诊断两个方面的功能实现较好，状态 预报功能显得欠缺。 机组状念的准确预报，能及时推测机组未来状况，避免事故的扩大和发生， 便于领导及早决策，安排生产，便于减少非计划停工和不必要的备件供应等等， 因此，没备状态预报技术的开发也是生产现场没备管理工作的迫切要求。 大机组振动状态预报是生产实践给设备诊断技术提出的进一步的课题，在 开展具体的研究工作之前，首先需要考虑的问题便是：机组振动状态能否预测， 如果能预测，应该采用什么样的预测方法。本。i 主要围绕这两个方面进行讨论。 2 1 机组运行状态的可预测性分析 2 1 1 。般预测理论概述 所谓预测，就是在f 确的理论指导下，刘f 物未来的发展趋势、方向、可 能的状念做出科学的预言和合理的推断。有效的预测是f 确决策的基础。一个 成功的预测，如市场预测、地震预测、天气预报等，可以节约大量的人力、物 力，取得巨大的经济效益和社会效益。 预测有定性预测和定量预测之分。定性预测是根据经验通过类比、分析 和综合，对预测对象的未来状况做出直观的判! 断，主观色彩较浓，容易出错。 定量预测则是运用各种数学工具，并基于所讨沦问题的专业背景，对历史数据 进行分忻和处理，建立一个反映过去、现在及：【辱柬变化趋势的数学馍型，然后 把该模型描述的变化趋势延伸到未来。由于定 适预测的客观性和定量化特征， 普遍地为人们所接受。 定量预测的科学基础在本世纪3 0 年代末l 创立。到目前为止，许多定量预 测方法已发展得相当成熟，它们与计算机技术相结合，得到了广泛的应用，并 l o 取得了相当大的成功。 壤据臻滤技拳蒙淫遴行定量孩溅，黪矮其茎辩下三个缓设蘩本条斧： ( 1 ) 有可利用的“过去”和“现在”的信息。 ( 2 ) 关键信息可以观测和量化，而殿不存在系统偏差。 3 ) 手耍测对象满足“运绥瞧”霰设，瓣萎于已寄掰史羡惠建交起来的模式， 可以延续到来柬。 从绝对慧义上讲，上述条件很难然到。因为任何事物及其影响因素的作用 筠不会在原有基疆上麓攀地重复。然褥鬟体分孵时可以发臻，大量静客褒瀵象 熊大体上满足上述条件。般地说，只要预测对象不是处于剧烈变动状态，在 竣短时期内，其未来可认为是大致沿荣过去模式发鼹豹。即使发生了b q 勇l , 变动 ( 般均有先兆) ，也可在过去模式延傍的基礤j 上，穰据历变瞥滋现过昀最大变 动幅度做出相应的调整。任何一种事物的发展部与其过去的状态或行为有某种 联系，- y f i g 了历史信息中隐含的援律，裁可颈测葜未来。 2 i 2 大机缎振动状态的可预测性分析 对石化企业的大机级褥言，其振动状态的呵预测性如何呢? 进行定蕊予黄测的三个鉴本条件中，( i ) 、( ! ) 两个条停，对予己开展殴备溢测 工作多年的单位来说，应该是能较好地满足的，需耍讨论的是第五个条件，即 枫缀的振动：沃态变化是否潴足“连续性”稷设。在这墨，预测摸型的选择是否 适台于预测对象至关重要，它只能通过舆体研究彳。能解决。在丌始项目研究工 作之前探讨机组状态的可预测性便只能局限 r 讨论连续性假敬所隐含的糟干 警翦约定是西驻够满足下鄹条件： ( i ) 预测对象在未来的发展变化中，其主要影响因素不会改变，但已选定的 影响因素量值可在一定范围内变动。 ( 2 ) 颈溺对象在未来笈藤中掰遂覆戆定量关系不会发生交动。 ( 3 ) 模型参数或其变化规律在预测期内不随时间的演化而改变。 本文围绕这些约定遴行了相应的调磷和分折讨论。 首先，对机组振动值与运行参数进行了必要的相关分析。 下瑟戮莱炼洼生产装嚣嚣喜气歪缨懿( 孝晁组示意鎏蘩鹜2 一t 艨示) 梵铡， 分析机组转遮、入口流量、润滑油温、出入口温度及环境温度簿因素对机缀振 动的影响( 原始数据取自工厂的操作记录，见附表1 ) 。 蒸汽 二敦a 墨一投入爨( 富气) 艨划机 1 ，卜 雏汽二段出口一段m u 圈2 一t 窝气压缩机缎示意图 表2 一l 是该枫缀几种主要工艺参数与钒缀振动幅值之间的互相关系数 ( 取各丁艺参数分别与压缩机外、透平内侧振动相关系数的平均值) 。由表可见， 转速、流量、滠凄等工艺参数与振动熬提关纛：发铰蠢。这浼明，它们对振动鄙 有较大的影响。但是，在一般情况下，这些参数基本都是稳定的，即使变化， 其变化的幅度也在一定的范围之内。因此，上述条件中的第一个可基本满足。 表2 i 。提缝遮毒亍款工艺参数与扳鞠烈缓懿互援关紧数 第二，舞化企业生产般比较乎稳，只要尘产方案定，生产工况就穰对 稳定，关键视组的运行工况也就不会有太大昀变化。 第三，多年的运行缀验表明，机组性h w n j 劣化都有一个发展过程，是有征 趣，通过故障渗甄藏可较抉这发瑷润题所药：，采取猎麓，羧笈警稳运行。 基f 上述分析，石化企业关键机缀的振动：状态变化大体上可以满足假设基 本条件，因而是可以预报的。 嘉要强调疆出夔是，羧溺凝是一门摹萼掌，又是一门艺术，镞溯豢畜菜秘不 确定性，预测的结果不可能总是准确的。机绍振动状态的可预测性，只表明机 组振动状念预报的可行性。由于机组的运行状忿受到诸多因素的影响和制约， 如机组本身性能的劣化、环境条件的变化、工艺参数的波动等，机组的振动变 能趋势是缀复杂戆，有瓣述是镊强爨懿。麓瑟言之，大撬缝振凌变缳其畜典翟 的强非线性，要做到准确预报，特别鼹在一段较长时期内的预报，其难度怒相 灏大的。 嚣瑟，虽然理论上祝缀运行获态暴胃敦瑟摄夔，毽要获零壤礁豹颈掇缝鬃， 必须找到合适的预报方法。 2 2 设备袄态羧报常蘑方法篱奔及译港 广义地漉，预测是人们对未来事物或不确定性事件的行为与状态做出的主 观判断。预测必须建立在对客观事物的过去和现在避行深入研究和科学分折的 蒸确上。科学的预测一般裔良下途径： ( 1 ) 因果分析：通过研究事物形成的原因来颅测事物未来发展变化的必然结 聚。 ( 2 ) 类比分折：通过类比来预测事粥的未来发展。 ( 3 ) 统计分析：通过一系列数学方法，对事物过去和现在的数据资料进行分 撰，去伪存爽，由表及景，接示爨历史数据学辱隐溅豹必然擐撑，绘出事物翡 未来变化趋势。 预测的方法很多，分类的方法也不样。征设备故障诊断技术中见诸应用 黪主要畜趋势分辑法、噩錾线叛合法、对序分褥法、获色模型预潮法及爱瑟崮毯 的神经网络预测法等。 2 2 ，l 传统静颓溅方法 i ) 趋势分析法 在没备故障诊断技术中，趋势分析法常指特征参数分析法，即根据设餐特 鬣参数拐蘧和浚鍪标准毒愈以及最透诊鞭懿特，歪参数，嗣爱平瀵铃雄等技术 乍 曲线拟合，做出一条设备状态劣化曲线，从而进行趋势预测和寿命预测。 2 ) 曲线拟合法 曲线拟合法的基本思想是用一个简单的函数陆线来近似表达给定数据所反 映的规律。 对于给定数据样本 ( j j ，乃) ( j = o ，l ，2 ，册) ，曲线拟合就是要找 到一个函数占( 肖，f ) ，使该函数与给定数据的误差达到最小。 采用线性拟合或低次函数拟合，虽然计算比较简单，但是当 ( x 。，乃) 反 映的规律较复杂时，它的误差很大，不能反映原始数据的真实情况。当采用高 次函数拟合时，将增加计算的复杂性，而且曲线容易发生振荡，不具备好的外 推性，预报的准确性较差。此外，事先并不知f 道采用几次曲线拟合比较合适。 3 ) 时序建模预测法 所i 胃时间序列就是按照事件发生的前后顺序排列所得到的一系列数据。 时序分析法是根据所研究系统的历史运行数据来建立数学模型，用这个数 学模型来分析数据变化规律，从而研究系统的状态和特性。 最常用的自回归滑动平均模型实际上是个随机差分方程，也就是说，时 间序列x ，可表示为此前n 个观测值和m 个随机干扰的线性组合，系统的特性就 凝聚在模型的参数之中。简言之，就是用时问序列构造一个数学模型，用此数 学模型束概括系统的特性。将此模型外推，就州。获得系统的未柬值。 4 ) 从包预测法( g r a ym o d e l ，简称g m ) 狄包预测也是对时i 日j 序列进行建模，然后进行预测。与时序分析不同的是， 狄色预测在建模之前需对原始序列进行生成处理。这样作的目的，一是为建模提 供中恻信息，二是弱化原始时间序列的随机性， 扶包预测法包括数据生成、灰色建模、模型外推等过程，对于本征系统的 预测取得了良好的效果，但用于机械状态预报方面的成功实例还不多见。 2 2 2 人工神经网络预测法 4 人工神经网络是一种弗行运算的信息处理方法，它是由大麓简单的基本元 传狰经元耜互连接两成豹鑫适应 线彀动态系统。 最基本的神经元模型如图2 2 所示。它是一个多输入单输出的非线性闽值元 传，假定盖l ，并2 ，x 。是菜一享孛经冗约矗个输入t 强表示第歹个享串经元与第 j 个神经元的连接权值，a ，表示第f 个神经元的输入总和，k 寝示第f 个神经 元的输出，秽i 表示其阂值，那么神经元可描、w 。； 述露下： 。2 ；、 y ，：础) ( 2 - l o ) ：。：i 一 。 wn l 鼻2 丢，埘，( 2 - 1 1 ) ”酚2 基本的神经元模型 式中厂( 爿，) 是表示神经元输入输出关系的两数，称为作用函数或传递函数。 在枧穰渗龋秘颈报工佟中，一般采雳s i g m o i d i i 鼗，它是一个有癸连续遂增的j 线性函数： f ( 4 ) 2 专 争1 固 大量神经元按照一定的拓扑结构缀织起来，构成群体并行分靠式处理的计 算结构，这种结构就是人工神经 mn 瓣终。鑫常臻静蘸续式多落享枣经。t 。 嗣络如图2 3 所示。x 2 一争 + y l 网络结构为层式结誊句，分为 ： 输入层、辕 蟊层和隐层，落与层、 x 一1 。一。 一”y k 之间采用全互连方式，同一层神 1 u 一专警一 缀元之间不存在摺互连接。当绘辘入j 善 终培输出搓 愆网络一个输入模式时，它由输 霞2 - 3 三瑟魏镄式幸率经阏络静拓羚络椽 入层单元传到隐层单元，媛过非线性处理后再送到输出层单元，由输出层单元 处理后产生一个输出模式。设输入层、隐层单元数分别为、，则隐层单元 的输出和输出层单元的输出分别为 h 加) = 厂( w f x 。一g ) j = i = ，( w ，。h m ) 一包) ( 2 一1 3 ) ( 2 一1 4 ) 式中i , v “为输入层的第j 个神经元与隐层的第个神经元之间的连接权值 w j t 是隐层的第v ，个神经元与输出层的第k 个种经元的连接权值，岛为隐层第j 个单元的闽值，良为输出层第七个单元的阈值。由于，( ) 是非线性函数，因此 神经网络具有很强的非线性处理能力。 机组运行状态的变化规律非常复杂，常常表现出很强的非线性特征，因此 用神经网络对它进行预报是完全合适的。 2 23 各种预测方法的的比较和评述 各种预测方法的优缺点如表2 2 所示。 表2 2 常用预测方法的比较 趋势分忻法及 方法时序分析灰笆预测神经网络预测 曲线拟合法 简单、直观，易推信息参数凝聚在有限川数据生成方1 分布处理，并行操 j 应川。个参数之中，可用公式法谴模，无需知作，具彳丁【= - i 。 习能力： 优点表示。i ? i - 宽验分布陆2 h 强的阼线性映射 ：也有一定预测能力： 销度。3 可进行多冈素预报， 预测精度高。 l 预测结果受近期1 待预报系列要满足i 预测结果不1 算法复杂 影响人：平稳性假设： 唯一2 预测模州雄以用公 缺点! 不便丁多因素预2 所需样本数据较多：! 测精度受式表达 报：3 模型选择不当时难眦删选择的影 3 1 r 线陛拟合能力以取得好的预报结果。恫 较芹。 我们还可以作进一步的讨论： 趋势分攒法是现场激常篱魏一耱方法，对竣务毪戆劣纯逡程懿瑟溅鸯 定的实用价值，但用于振动状态预测则不太适应，这是因为振动状态受种种因 豢的影响，并不是简单的踏或降，而题具有极强的a 线性。 鎏线羧合法、露事纛模法诗算j 熏程魄较麓攀，毽都是基予线往或低次逶 归的方法，丽实际机组的振动通常具有很强的非线性，因此这类方法一般不能 殿映机组振动舱实际情况。神经网络具有很强的菲线性映射能力，可以表达任 释线往或菲线往斡浃鸯重关系，因_ 醒：可鞠来预振穰缎状态。 曲线拟合法、时序模型法都是基于单因素影响的预测方法，不便于考虑 别的因素，倒如：机组负赞、温度、滕力等刘振动的影响，两李审经潮络方法则 可以方便地避行多因素预报，可以将与搬动有关的任何因素都作为阕络的输入， 来预报机组的状态，因此能更准确、客观地反映机组的实际情况。 神经弼终预测法可以方埂也进行多步预报，郄次预报来来凡个时刻匏 掇值。 当情况变化时，曲线拟合法需重新寻找一条新的拟合曲线：时序建模法 嚣差瑟建摸束发达瑟兹系绞特性；瑟毒孛经瓤终剐霹弘透过叁学习、叁组织，不 断积累经验，完善自我。 当原始数据存在较大误差时，曲线拟合法、时序建模法不能剔除误麓干 扰瓣影瓯嚣神经瓣络翻可以扶混畜嘹声予挠鑫穹数糖孛寻援萁粪实浆凌建。 狄色予页测法用于本征系统的预测取得了良好的效果，佩用于机械状态预 报方面的成功实例还不多见。 馥线手叛合法、时序建模法蕊实际应用都已有较欧鸵历史，在很多领域的 应用也都是成功的。但最由于机械状态预报的特殊性和复杂性，它们在该领域 躲应嗣不援瑗恕。 2 3 小结 本章从一般预测理论：发，说职了如果采用合邋的预测方法，大机组的运 7 行状态是能够进行预测的。通过对常用的设备状态预测方法进 予对比分析、讨 涂，表饔久互耱经嚣络技术院较适会予瓣大孝旯缓黪缀动棱态逡嚣颈摄。 总之，在进行预测应用时，必须考虑如下问题： ( 1 ) 预测方法是否具肖反映预测对象变化规律的能力。 2 ) 采瑙黼一释颡溺方法，对露一批麓溅数耀遴行建模，霹筢有多个鼷 樊 模型可供选择，如何确定最合适的预测模型。 ( 3 ) 所建模型的外报熊力如何。 ( 4 ) 满足预测精度要求的预测时瓣跨度确多长等等。 由j u 述分析可知，在现有的预报技术中，人工神经网络预测法具有其它方 法所不具备的优势。因此，本文采用人工享率经网终方法对枧组搬动变化趋势送 行建模和预报。 第3 章神经网络预测性能的优化 人工亭牵经瘸终翡应耀研究起子2 0 整鳃8 0 年代中麓，与传统懿信怠鲶理方 法楣比，它在设铸故障诊断中的优越性主凝表现在： ( 1 ) 机械振动信号中不可避免地混有噪声干扰成分，利用神经网络的联想记 忆能力，可以自动清除嗓声的影响，给出覆确的诊断缩采。 ( 2 ) 枫缎故障多静多撵，特征各不耀同，有些故障特征弗不明显，或嚣还没 有为人们所认识。利用神经网络的归纳能力，可以通过对案例的学习归纳出其 特征，以聪碰至i 凝似信号时，能自动做出正确的珍断。 ( 3 ) 褥经霹络露强逶过黯数障寨锯懿学习，书断积累经验，修瑟权 壹，菱准 确地反映机组的送行状况。 ( 4 ) 知识的隐形表达：对于某些故障的特性，暂时还很难戏不能用数学语言 加以精确的描述，因诧簧显示绝表达其特征雨定静溺难，焉神经潮络可霜两 终款权系数柬想形地表达其犍征。 ( 5 ) 神缀网络是一种非线性信号处理方法，它可以表达任何线性或非线性的 映射关系，因此特剐适合于对机组振动变化等j i 脊复杂髋律的现象来进行预报。 3 1 卒申经网络预撤方法 神经躐络的工 乍过程由瑟个除羧缍或，一麓阕络静学习阶段，二是潮络兹 实际工作阶段( 识别或预报) 。要使享申经网络媳商信息处理能力，就必须给网 络提供一系列输入( 训l 练模式) 和目标输出，止网络进行学习。网络f 艮据一定 的训练算法自适应圭l 亟调节萁连接权系，使潮络的实际输出与胬标输出之间的误 差达疑最小。这榉，训练模式所携带豹痿怠裁分蠢式地存臻褒疆终连接投系之 中，网络戟反映了训练模式中输入与输出之削的映射关系，完成了网络的学习 阶段。网络经过训练以后，输入某待检模式，它就采用训练后所得到的连接 权系，按照一定的算法褥孤箕对应的输密，完成对待检模式静识剐。 已知蕊溺到豹时闻序列气1 ) ，鼍2 ) ，置m 我 f l 需要丽其中的四个磋溅蕊 1 9 来预测n + 1 时刻的值工( 一+ i ) ，这实质上是一个模式识别的问题，用神经网络来 进行预测，其步骤如下： 1 ) 首先把) ( ( 投：) ，。) 按网络输入要求组成k 个训练模式，每个训练 模式包含i d - i - 1 个观测样本，前个作为网络输入，后一个作为输出节点的期望 值。 2 ) 用上述训练模式对网络进- 7 7 i 7 1 1 练( 采用| 3 p 算法、基因算法、共轭梯度算 法等学习算法，本文采用改进的共轭梯度算法) 确定网络的连接权系数。 3 ) 采用训练后的连接权系数，将x ( + ，x 。，x ( 。) 共埘个样本作为 网络的输入，计算出网络的实际输出，即所需的预测值x ( ”川。 4 ) 当需要进行多步预报时，可采用递推预报的方法，即用 五n - m * 2 ) ，柏】，气n ) ，x ( n + 1 ) 来预报x ( ! ，等等，如图3 1 所示。 预报 ，。+ 1 ) ，五n - m + 2 ) ，n ) jx ( 一+ i ) 一 预撒 一p 一! ) ，t j - + 3 ) ，x ( h “) _ x ( ”+ 2 ) 预报 、 五卜“。a ) ，五n 一口+ “1 ) ，x ( n + k 1 ) 工( i l 图3 一1 神经网络预报方法 由此可见，在进行网络训练之前，首先要确定网络的拓扑结构和训练算法。 网络拓扑结构的选择方面，本文采用目蓟虚用最，+ 、也最为成熟的层式神 经网络。为使网络具有较好的非线性映射能力网络层数选为三层。输入层节 点数视待预报序列的复杂程度而定，隐含层节点数与输入层节点数相等( 文献 1 0 分析认为，对于预测网络来说，隐含层节点数等于输入层节点数，具有较 好的预报效果) ，输出层节点数一般为1 。大量试验应用表明，在大多数情况下， 网络结f ：f 选为4 4 1 就已经比较合适，一般不必选用太庞大的网络结构，就 2 0 可满足实际要求。 露络落缀罄法方瑟，辩予层式蘸壤季睾经翔络，疲雳最多豹调练算法是焱藩 于梯度下降算法的误差反向传播算法，即b p 算法。但b p 算法存在如下两个缺 陷：一是收敛速度较慢；二是有可能辫入局部极小，两不能收敛到全局最小。 改进共轭梯度算法麓竞藏8 p 算法豹上述两个姣陷，它是一种稠麓维援索褥翔 的极小点处的最速下降方向生成共轭方向的一种有效的共轭方向法，它在不增 热算法复杂性的前提下，可以提高喇终收敛速度，并且可以沿共辘方向达到全 简最优，即全髑极小点。嚣此，本文选用改进共瓤梯度算法。 综上所述，神经网络预测过程可分为如下几个步骤： 1 ) 对原始振动时闽序列进行预处骥，包辑调练撵本时剿矧翳豹修爰、糇大 误差的剔除等方面； 2 ) 模型播扑结构的选择：确定网络输入屡、输出层、隐含屡的节点数。 3 ) 梦j 一纯处理：按照