（热能工程专业论文）bp神经网络在电厂制粉系统故障诊断中的应用研究.pdf

重庆大学硕士学位论文 中文摘要 摘要 本文以重庆发电厂中间储仓式制粉系统为主要研究对象，采用b p 神经网络技 术，并结合混合型知识表示和知识获取方法、基于知识的专家系统等技术，对制粉 系统故障及其相关故障诊断系统进行了开发研究。完成了制粉系统相关实际故障样 本的整理，扩充了制粉系统故障及其相关故障诊断知识库，建立了以0 、1 为征兆 量的样本以及相应b p 神经网络、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 6 0 编制了故障诊断系统程序，对制粉系统故障及其相关锅炉灭火故 障进行了仿真实验。 本文针对重庆发电厂制粉系统九种故障建立了以0 、l 为征兆量的故障样本和 相应的b p 神经网络模型，且在制粉系统故障及其相关故障样本编辑过程中，应用 了神经网络产生规则式、框架式等知识表达方法，有效的表达制粉系统故障及其相 关故障诊断知识，并且为保证数据的完整性，减少数据冗余，对数据库进行了规范 化处理，简化了数据结构和避免了数据冲突。 本文在制粉系统故障及其相关故障诊断样本训练过程中，分析了隐层节点数、 学习率等因素对网络训练速度的影响，为网络参数合理选取提供了依据。其故障诊 断仿真实验结果表明，应用本文所开发研究的制粉系统各故障样本及其相关故障样 本训练时均能快速有效地收敛于一个设定的系统误差值；同时其故障诊断的仿真实 验证明了本文所建立的以0 、1 为征兆量的制粉系统故障样本和b p 神经网络模型是 正确的，且能快速、较准确地对故障情况作出判断，显然，本文的工作是有成效的， 为制粉系统故障系统进一步开发奠定了基础。 关键词：b p 神经网络，专家系统，制粉系统，故障诊断 重庆大学硕士学位论文 英文摘要 a b s t r a c t t h em 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 rc h o n g q i n gp o w e rp l a n ti sm a i n l y r e s e a r c h e di nt h i sp a p e r , a n db pn e u r a ln e t w o r k 、m 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 、e x p e r t s y s t e mb a s e do nk n o w l e d g et e c h n o l o g ye t ca t eu s e di nt h i sf a u l td i a g n o s t i cs y s t e m t h e p r a c t i c es a m p l e sa r ed r e s s e d ，a n dt h ek n o w l e d g ed a t a b a s eo ft h ef a u l td i a g n o s t i ci s d e v e l o p e d ，t h e nt h ef a u l ts a m p l e sw i t ht h es i g n a lo fz e r oo ro n ea n dt h em o d e lo fb p n e u r a ln e t w o r k 、f a u l td i a g n o s i sa n d e 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 g 、 m o d u l ee t ca 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 6 0a n d t h ef a u l ts i m u l a t i o nt e s t so ft h ep u l v e r i z i n gs y s t e ma n di t sc o n c e m e db o i l e rf i r e e x t i n g u i s hi sp r a c t i c e d t h ef a u l ts a m p l e sw i t ht h es i g n a lo f z e r oo ro n ea n dt h em o d e lo f b pn e u r a ln e t w o r k a r ee s t a b l i s h e d ，i na c c o r d a n c ew i t hn i n ef a u l t so fp u l v e r i z i n gs y s t e mf o rc h o n g q i n g p o w e rp l a n t d u r i n gt h ec o u r s eo ft h es a m p l e sc o m p i l a t i o n , p r o d u c er u l e 、n e u r a l n e t w o r kr e p r e s e n t a t i o ne t ca r es 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 gp 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 o e n s u r es a m p l ed a t ai n t e g r i t ya n dn or e d u n d a n c y t h ei n f l u e n c et ot h et r a i n i n gc i r c l el i m e sw j t hn u m b e ro f h i d i n gl a y e rn o d e 、l e a r n i n g r a t ee t ca r ed i s c u s s e dd u r i n gt h ec o u l b eo fs a m p l e st r a i n i n g b yc o m p r e h e n s i v ea n a l y s e s a 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 lv a l u ei sa d o p t e dt ob en e t w o r k sp a r a m e t e r s t h er e s u l to ff a u l td i a g n o s i ss i m u l a t i o nt e s t si 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 m c o u l dm a k et r a i n i n ge r r o rr e a c ht ot h ea i mv a l u eq u i c k l ya n de f f i c a c i o u s l yf o ra 1 1 p 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 a tt h es a m et i m e ，s i m u l a t i o nt e s t sp r o v et h a tt h ef a u l t s a m p l e sw i t ht h es i g n a lo fz e r oo ro n eo fp u l v e r i z i n gs y s t e ma n db pn e u r a ln e t w o r k m o d e la r ec o r r e c t ，a n dt h i ss y s t e mf a u l t sc a nb ed i a g n o s e de x a c t l ya n dq u i c k l y o b v i o u s l y , t h i sr e s e a r c hi ss u c c e s s f u la n dl a yt h ef o u n d a t i o nf o rt h ed e v e l o p m e n to f p u l v e r i z i n g f a u l td i a g n o s t i cs y s t e m k e y w o r d s ：b pn e u r a ln e t w o r k ，e x p e r ts y s t e m ，p u l v e r i z i n gs y s t e m ，f a u l td i a g n o s i s 重庆大学硕士学位论文 l 绪论 1 绪论 1 1 课题的目的和实用意义 设备故障诊断技术是7 0 年代兴起的- i 3 新技术，随计算杌技术、现代测试 技术和信号处理技术的迅速发展，设备故障诊断技术取得了很大的进展，它能在 设各带负荷运行，不停机的情况下，通过使用先进的技术手段，对设备状态参数 进行监测和分析，以确定合理的检修时间和方案，达至u 减少事故停机损失、提高 设备运行的可靠性、降低维修费的目的。由于设备故障诊断技术涉及到多门学科 交叉，它与其他许多新的学科紧密相关，尤其是随着人工智能技术的迅速发展， 专家系统和人工神经网络等诊断技术在诊断领域中得到应用，专家系统的发展大 大的推动了智能化诊断技术的发展，在一定的领域和范围内，诊断专家系统问题 求解的能力达到了人类专家的水平【1 】口l 【3 l ；神经网络技术以其很强的并行分布式处 理、自组织、自学习能力和非线形映射能力，在模式识别、信号处理、组合优化、 图象识别等众多领域显示了广阔的应用前景【4 。人工神经网络在故障诊断上的应 用，实现了基于人类专家经验与神经网络相结合的混合智能诊断技术，将故障诊 断技术提高到一个新的水平。 故障诊断是根据状态监测所得的信息，结合已知的结构特性和参数，以及环 境条件，结合该设备的历史记录，对设备可能要发生或已经发生的故障进行预报 和分析、判断、确定故障的性质和类别、程度、原因、部位指出故障发生和发展 的趋势及其后果，提出控制故障继续发展和消除故障的调整维修治理的对策措 施，并加以实施，最终使设备恢复到正常状态1 5 l f “。显然，对火电厂设备进行故 障诊断很有必要。 目前，神经网络等技术在火电厂设备故障诊断中的应用研究，特别是对于制 粉系统的研究还处于探索阶段，还未见到成功应用的报道。而制粉系统是火电厂 的重要设备，且火电厂中工作环境差、故障多，维护工作量大的设备，而且是火 电厂的关键的设备，一旦发生故障就会给生产带来巨大的影响和造成严重的经济 损失。因此，对火电厂制粉系统进行故障监测与诊断已势在必行。本文采取b p 神经网络与专家系统相结合的方法，对制粉系统故障进行诊断的研究，在理论上 和实用上都具有很重要的意义。 1 2 课题研究的现状 人工智能( 简称a i ) 是- - i 3 新兴的边缘学科，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。在 重庆大学硕士学位论文 1 绪论 近4 0 年的发展中，已经取得了很大的成就。 1 2 1 专家系统在故障诊断方面的研究现状 专家系统诞生于7 0 年代，当时出现了许多成功的专家系统使智能理论的研 究从实验室走向了应用。专家系统是人工智能技术中发展最早的、最为迅速、活 跃和富有成果的分支，是一个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。简言之， 专家系统能以专家的水平完成专门的而一般又是困难的专业任务。由于专家系统 具有：启发性，透明性，灵活性：其工作不受时间和空间环境的限制，其使用弥 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；并且它能高效率， 准确无误，不知疲倦地工作等优点，它在国内外研究取得了显著的成效口n g 】口j 。 从1 9 6 5 年s t a n f o r d 大学的f e i g e n b a u m 和j l e d e r b e r g 等人研制的专家系 统d e n e r a l 问世一一专家系统诞生，特别是8 0 年代以来，在各个行业都开发出 了成功的专家系统，s t a n f o r d 大学研制成功的i 吖c i n 医疗诊断专家系统是其代 表作，它可以在不知道原始病原体的情况下诊断脑膜炎和其他细菌感染。 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；传统专 家技术的发展大致经历了两个阶段【1 0 ：第个阶段是被称为第一代专家系统的 基于浅知识的专家系统；第二阶段是被称为第二代专家系统的基于深知识的专家 系统。两代专家系统的区别在于前者大多是在收集应用领域中的经验知识的基础 上完成的，但它不能从领域的基本原理出发来解释这些知识；后者主要使用数学 模型，结构模型，定性物理定律，即所谓甚至是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诊断推理方法。这样就更加完善了专家系统 的合理性和正确性，它所处理问题的难度也不断增加。现阶段，利用专家系统进 行故障诊断则已成为一个很活跃的分支，特别是在动力工程领域，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，国外对火电机组故障 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，如 哈尔滨工业大学开发了大型汽轮发电机组振动监测和故障诊断专家系统1 1 1 【1 2 1 。 1 2 2 神经网络在故障诊断方面的研究现状 神经网络故障诊断属于模式识别方面的问题，将一系列测量参数通过应用神 经网络从测量空间映射到故障空间，而实现对设备故障的诊断。 神经网络用于故障诊断起源于8 0 年代末期，在国外，很多企业，科研机构， 大学等单位都参与这领域的研究：如美国机械工程师学会( a s m e ) ，美国宇航 局( n a s a ) ，一些大型跨国公司如h p ，b e n t l y 等；丹麦的b k 公司；日本的 重庆大学硕士学位论文1 绪论 p a n a s o n i c 等他们的产品或成果基本上代表了故障诊断技术的先进水平。不仅有 完善的监测功能，还有较强的诊断功能。在国内，虽然起步较晚，但发展较快， 对各个领域都有应用研究，如西交大的“大型旋转机械计算机状态监测与故障诊 断系统”，东北大学的“风机工作状态监测诊断系统”等f 1 3 】 1 4 f 1 5 】【1 6 1 f 1 7 】。 人工神经网络的研究也有一定的历史，其发展大致可以划分三个阶段 1 9 】： 第一阶段是从4 0 年代初到5 0 年代末人工神经网络开始研究，美国的w s m c c u l l o e h 和w p i t t s 首先提出m c p 模型，d o h e b b 给出改变神经元网络之间连接 强度的h e b b 规则 2 0 1 ，h e b b 在研究中指出神经元使用触发来刺激另一个神经元， h e b b 规则奠定了神经元研究基础。 第二阶段是6 0 年代初，由f r o s e n b l a t t 提出的感知器( p e r c e p t 0 0 模型， b w i d r o w 提出的自适应线形元件a d a l i n e ( a d a p t i v el i n e a re l e m e n 0 模型，标志着人 工神经网络的研究进入了第二阶段，即向智能化与信息处理等领域发展。 第三阶段是从8 0 年代至今，1 9 8 2 年，j j h o p f i e l d 提出h o p f i e l d 模型在网络 中引入能量函数的概念，是网络的稳定性有了明确的判据。随后，g e r u m e l h a r t 等人提出的b o l t a m a n 机，首次给出了多层网络的一种学习算法。g e r u m e l h a r t 等人的反向传播网络b p n n ( b a e k p r o p a f i o nn e u r a ln e t w o r k ) ，则不仅为多层网络 提供了新的简单的学习算法，而且使得许多实际问题得以解决。神经网络的研究 进入了掘对兴旺的时期，人工神经元从此进入了第三个发展阶段。至此，基本形 成了几种有一定代表性的人工神经网络模型理论：h o p f l e l d 网络，b p n n 反向传 播网络，自组织网络等。 经过近期的发展，现代神经网络已发展成为以下四个分支： ( 1 ) 基于联结机制的产生式系统：这是由h i n t o n 首先提出的基于h o p f i e l d 网络的产生式系统d u c s ，该模型具有表达和使用简单的显示规则的能力； ( 2 ) 基于联结机制的网络结构的专家系统：g a l l a n t 首先提出，该模型具有 可信度估计以及在前向推理和后向推理中选择最佳测试点的能力； ( 3 ) b p 神经元网络的专家系统：其原型为医疗专家系统，后来发展并建立 了化工设备的故障诊断、核反应堆事故诊断等模型： ( 4 ) 基于逻辑推理和联结主义机制的集成专家系统：该系统具有较好的知 识分布式表达和自动获取能力以及大规模并行处理，联想自学习等特点，但它仅 在感觉层次上模拟了人类智能活动，综合判断方面还不及传统的符号专家系统。 从神经网络研究成果和科研论文等资料来看，目前神经网络的研究主要集 中在以下几方面【2 1 】【2 2 1 ： ( 1 ) i n t r a n e t 技术与a n n 的结合，实现远程在线监控。解决这一问题的关 键在于研究快速有效的神经网络算法，这是神经网络研究中的一个热点问题( 2 ”。 重庆大学硕士学位论文1 绪论 ( 2 ) 对汽机振动问题的应用研究已经较多，在锅炉方面的应用研究已经开 始 2 4 ( 3 ) 神经网络和专家系统或其他智能研究方法的结合，其中将遗传算法同 神经网络算法相结合1 2 6 1 2 ”。 ( 4 ) a n n 新型算法的研究，过去的算法都或多或少的存在着网络初速度慢 的问题，运算效率不高是制约神经网络应用的一大“瓶颈” 2 ”。 由于专家系统和神经网络都有其独特的优良特点，但随着故障诊断所研究的 系统日益复杂，单纯利用专家系统或神经网络进行监测系统已不能满足要求，因 为二者都有其弱点【2 9 3 1 3 0 i t 3 ”，主要表现在： 专家系统：知识获取的“瓶颈”：通常专家系统的获取主要依靠人工移植， 从知识专家处移植到计算机中，费时费力，是专家系统中的瓶颈问题；知识 的“窄台阶”：即指一般的专家系统只能在相当窄的专业知识领域内，求解专门 性问题：推理能力弱：因为其推理方法简单，控制策略不灵活，易出现“匹 配冲突”、“组合爆炸”、“无穷递归”等问题，对复杂问题处理时间较长：智 能水平低：一般专家系统都不具各自学习能力和联想记忆功能；系统层次少： 现在的专家系统大多数结构简单、学科单一、缺乏层次，对大型系统无能为力； 实用性差：现在的专家系统大多都在“离线”或“非实时”条件下工作，其 可靠性、一致性、快速性等往往难以适应在线要求。 神经网络：神经网络在目前还只适合解决一些规模比较小的问题：系 统性能在很大程度上受到所选择的训练样本集的限制；没有能力解释自己的 推理过程和推理根据；不能向用户提供必要的询问，无法向用户索取某些启 发性信息；神经网络将一切问题的特征都数值化和形式化，这使得自然界问 题受到一定限制；目前人工神经网络与生物学研究的结果还存在较大差距， 还难以模拟人的高层次智能问题。 在开发现代故障诊断系统的过程中，如果能把专家系统与神经网络两者的长 处都发挥出来，二者结合起来进行研究，取长补短，就能形成一个新型的高智能 的系统。它既有专家系统的知识与人机交互，又有人工神经网络的并行分布式处 理、非线形、模糊处理和自动知识获取，这是智能发展的必由之路。 在新一代专家系统的开发中，专家系统和神经网络相结合更加显示出其在人 工智能领域中的突出特点f 3 2 】【3 3 】【3 4 】，神经网络专家系统以其在并行技术、分布处 理、容错性和不确定性处理等方面所表现出来的其他技术所无法比拟的优势已成 为专家系统的主要发展方向【3 5 】【3 6 】【3 7 】 3 8 】。 考虑采取神经网络与专家系统相结合的应用场合【3 9 】： ( 】) 不充分的知识库：没有专家；很难总结规则；基于规则的方法可能不适 重庆大学硕士学位论文1 绪论 合该领域。这时增加一个神经网络作为前端，可能会有所帮助。 ( 2 ) 容易变化的知识库：规则和事实可能要经常修改；基于规则的知识可能 会演变，这取决于人们在新领域的经验。如果可行的话，神经网络能很好处理这 些变化。 ( 3 ) 数据密集的系统：含有高速度数据输入的应用场合，需要迅速处理数据； 控制系统的反馈数据；模棱两可、带有噪声或容易出错的输入需要插值。 目前，神经网络专家系统在以下领域得到了应用：( 1 ) 医疗诊断，例如g a l l a n 的连接专家系统和s a t i o 的基于p d p 模型的专家系统；( 2 ) 工程设计，例如f o s s 的用于窗用玻璃设计的l a m 系统：( 3 ) 工业控制，例如t s o u k a l a s 的核电站监控 系统；( 4 ) 图像处理和模式识别；( 5 ) 实时控制。 1 3 课题研究内容、方法 1 3 1 研究内容 制粉系统作为锅炉的一个重要的组成部分，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比较大，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，为了保证与4 粉系统的正常运行，改变由专人在 现场看管的局面，利用先进的方法对制粉系统实现故障诊断很有必要。本课题就 是利用b p 神经网络方法，以火电厂制粉系统为研究对象，对其的故障进行诊断， 能对故障原因进行分析并提出合理的解决措施，达到预防和处理制粉系统的故 障，提高运行人员的管理水平。制粉系统故障诊断系统总体结构框架如图i 1 所示。 图1 1 青口糟系统故障诊断系统总体框架 f i g1 is 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 重庆大学硕士学位论文 l 绪论 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 据解释模块给出故障分析并做出指导措施，同时本系统还便于数据查询和数据分 析等。 1 3 2 研究的方法 本课题就是利用b p 网络原理，结合其他智能方法，建立起相应的网络结构， 确定出与制粉系统相对应的网络结构、各级神经元的激励函数、误差递推方式、。 各级神经元的点数等等，以达到整个系统能在很高效率下进行故障诊断 ( 1 ) 建立对象知识库 知识库是进行故障诊断推理的基础，因此，在开发火电厂制粉系统故障诊断 软件前，首先必须对诊断制粉系统故障所涉及到的知识进行整理并获取；再选用 合适的表示方法( 如产生式规则) 对所获知识进行整理、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，从而建立t s u 粉系统故障的知识库【4 ”。 ( 2 ) 专家系统技术和神经网络技术相结合 本课题将基于知识的故障诊断专家系统技术和神经网络技术结合起来应用 于制粉系统故障诊断过程，能实现符号推理和神经网络推理的有机结合，具有层 次清晰、容易理解、推理效率较高等特点，是该制粉系统诊断系统能较好地模拟 人类专家的逻辑思维和形象思维能力。 专家系统技术和神经网络技术相结合的方式主要体现在知识获取和知识表 示这两个方面。知识获取方面，本课题采用了两种机制：在神经网络中采用机器 学习来获取；在外层采用传统方法。采用机器学习的方法主要是为了解决知识获 取的瓶颈问题。知识表示方面，采取结合型的知识表示，即在需要表达复杂启发 性、时序性专家知识的情况下，采用专家的知识表达方式，即使用规则集表达专 家知识；否则，在很难找到合适的领域专家及获取规则集比较困难，而实例数据 丰富、可靠的情况下，采用样本实例表达外部知识。采取多种知识表示方法可提 高系统的灵活性。 ( 3 ) 建立故障诊断模型 故障诊断模型建立是进行故障诊断的核心内容，针对所选取的研究对象，利 用b p ( b a c kp r o p a g a t i o n ) 神经网络进行建模。因为目前，在众多的人工神经网 络模型中，b p 网络是最成熟、应用范围最广的一种神经网络模型，用b p 网络 进行模式识别则有其独特的优点【4 2 】【4 3 】 “】 4 5 】： b p 网络具有很强的非线形映射能力，能够通过一定的学习算法带有正确 6 重庆大学硕士学位论文1 绪论 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； 可是实现模糊推理，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闽值当中，少量的连接权值阙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。 ( 4 ) 构造故障样本 在这里应做两方面的工作：建立制粉系统故障及其相关锅炉灭火典型样本集 并利用b p 进行神经网络样本训练。 ( 5 ) 进行故障诊断的仿真实验 1 4 课题研究的重点、难点 ( 1 ) 样本的构造 利用神经网络进行故障诊断时，如何建立对象的样本，这始终是一个困扰应 用神经网络进行故障诊断的难题。由于样本来源复杂多样，同样的故障的现象又 千变万化，同一种原因可能导致多种故障，且建立一个足够多的故障样本是进行 精确故障诊断的前提，因此详实地整理出制粉系统的故障及其相关故障样本是本 课题的重点和难点。 ( 2 ) b p 网络结构及参数的确定 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科学地确定，从而容易导致神经网络陷 于局部最小，达不n - l l 练的目的。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值问题，因此要合适且科学地确定b p 网 络的结构属性参数，如隐层数目、隐层节点数等；还有网络训练的初始连接权值 及阀值的选取，网络节点激励函数的形式等；这些元素都大大影响着整个神经网 络的泛化能力，所以在设计过程中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。 重庆大学硕士学位论文1 绪论 1 5 课题研究的可行性 本课题的研究按下述几个步骤进行： ( 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及其相关锅炉灭火故障 诊断，利用计算机自动接收参数信息并对其进行预处理，自动诊断故障类型和性 质，辅助运行人员进行恢复操作，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系统。同时设计友好的人 机界面，使整个系统兼具知识性、技术性和实用性。 ( 2 ) 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、运行规程以及系统状态的特征信号等等。 ( 3 ) 构造系统框架及拟订各子系统的功能； ( 4 ) 构建故障诊断样本； ( 5 ) 建立网络模型及样本训练： ( 6 ) 故障诊断仿真试验； ( 7 ) 实例诊断及对比实验 重庆大学硕士学位论文 2 制粉系统故障诊断的构成及其知识库的建立 2 制粉系统故障诊断系统的构成及其知识库的建立 本章先介绍了制粉系统故障诊断系统的构成，然后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 故障诊断系统的构成 本文利用b p 神经网络和专家系统进行制粉系统故障诊断开发，针对制粉系统 故障诊断各个部分的不同要求，充分发挥专家系统和神经网络的优点，取长补短， 组织适用于制粉系统故障诊断的新型高智能系统，使得其既有专家系统的知识与人 机交互，又有人工神经网络的并行分布处理、非线形和自动知识获取等功能。 把制粉系统诊断软件分为两个子系统进行开发，一个子系统采用专家系统 ( e s ) ，另一个子系统采用人工神经网络( a n n ) ，如图2 1 所示，两个系统彼此通 人机接口 由面 图2 1 制粉系统故障诊断分块示意图 f i 9 2 1m o d u l a r i z a t i o no f f a i l u r ed i a g n o s i sf o r p u l v e r i z i n gs y s t e m 过数据交换产生相互联系。由于考虑到知识规则的提取有相当的难度，所以采用a n n 处理对制粉系统样本集进行训练和提取知识规则；然后通过故障类型编码传递信 息；在组织制粉系统故障样本和故障类型数据库时，由于这部分规则较为简单，并 且每项知识都比较直观，用专家系统进行处理，其透明性和灵活性就显得比较突出； 同时推理机制部分和解释系统也属于e s 部分。这样设计解决了传统专家系统所存 在的知识获取难、知识维护不方便及通用性差的问题，利用专家系统负责人机交互 完成推理过程以及对神经网络输出进行综合分析等，同时也就克服了神经网络输出 结论不够直观清晰的缺点，达到了互补的效果。 9 重庆大学硕士学位论文2 制粉系统故障诊断的构成及其知识库的建立 2 2 制粉系统知识库的建立 知识库的建立涉及知识获取，知识表示和知识维护三部分内容。 把数据库技术引入到知识系统的开发f 4 8 】：一种比较有效的方法是：把智能技术 引入到已有的数据库系统，特别是关系数据库系统中，从而建立知识库，它直接把 数据库和数据库管理系统作为知识库的组成部分，让数据表对象t a b l e 来表示知 识，用数据库管理系统管理知识的存储、编辑、删改、更新和查询等工作，这种知 识系统的设计方法易实现对知识的管理和维护，也可以达到很高的水平。本文采用 此方法建立制粉系统知识库。 2 2 1 制粉系统简介 重庆发电厂2 1 4 、2 2 炉( 6 7 0 t h 锅炉) ，每台炉配备四套中间储仓式制粉系统， 每套制粉系统由刮板式给煤机、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定全部 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 m 3 5 9 3 7 03 5 t h 2y 5 0 0 - 1 - 65 4 a 9 8 8 r m i n 刮板式给煤机 m g 一1 0 0 l o o t h 2y 1 8 0 l - 61 5 a3 5 0 r m i n 给粉机 g f g3 - 9 t h1 6y 1 3 2 s - 67 2 a9 6 0 r m i n 排粉机 m 5 3 6 - 11 2 01 4 4 0 5 p a 2 j s q l 9 1 5 1 0 4 3 7 a 1 4 8 5 r m jn 粗粉分离器 h 骷c b 一22 细粉分离器 1 ) 6 一) ( b y 3 5 0 0 2 原煤斗 3 8 0 一2 煤粉仓 3 1 1 m 32 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。 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； 样本基本数据：来源于重庆发电厂制粉系统在2 0 0 2 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 全燃烧损失之和摄小时，磨制的煤粉细度为其经济细度，本系统中的样本集是 1 0 重庆大学硕士学位论文2 制粉系统故障诊断的构成及其知识库的建立 当煤粉细度为r , o 一3 0 0 p at h e n 负压过低； e l s ei f 磨煤机入口负压( 一5 0 0 p a t h e n 负压过高； e n d 。 3 ) 运行记录：包括历史上正常运行目志和发生故障时测点参数记录，还包括些 感性知识，例如平时制粉系统在发生故障时所观测到的一些外观知识，如声音、烟 雾等。由此可以依据此类知识很容易判断出制粉系统发生了何种故障。这是故障样 本参数的主要来源。 4 ) 故障机理知识：指制粉系统故障形成和发展的规律，一般来讲，设备的故障机 理往往要涉及到设备发生散障的原因、故障带来的后果以及发生故障时设备所表现 出来的特征。这部分知识可从重庆发电厂2 0 0 哪机组运行规程上获得，在某些分析 方面再依靠领域专家和运行人员的指导加以补充。 例如：磨煤机堵塞 故障原因：a ) 给煤机自动调节失灵或给煤量调整不当，球磨机煤多未及时发 现； b ) 系统通风量减少，未及时调整； c ) 入口风温过低或原煤湿度大； 重庆大学硕士学位论文2 制粉系统故障诊断的构成及其知识库的建立 d ) 球磨机出口杂物过多造成堵塞。 5 ) 决策知识：指制粉系统发生故障时应采取的措施，包括2 14 炉制粉系统的运行规 程和已有的专家知识；另外，还包括在不能确定某故障时向用户建议应重点监测何 种数据及其注意事项等。 例如：磨煤机发生堵塞 解决方案：a ) 解除自动，停止给煤机运行并抽粉； b ) 适当关小混合风门，保持入口微负压； c ) 无效后，控制球磨机进出口负压，出口温度，停止球磨机，并 联系电气断电，吊开球磨机进出口导管掏粉。 动态知识 动态知识是指进行样本训练时神经网络专家系统的权值和阙值及其各种规则 的变化知识，还包括从现场获取的制粉系统监测参数或模拟参数，以及专家和运行 人员经验知识的积累和不断完善的知识部分。 1 ) 规则知识是指在神经网络专家系统中，自身结构和经过训练后所形成的每组权 值和闽值，又称为控制性知识，一部分由领域性知识结合神经网络专家系统设计者 的自身思维得来；一部分由诊断系统经过学习训练后自身生成。规则知识由于诊断 系统结构选择的多样性，设计者的不同，训练样本的数目变化等因素宜接影响，所 以其所包含的知识是动态的知识。 这些知识在故障诊断过程中作用相当重要，决定着诊断结果的准确性，高效性 等，是诊断监测数据的一个关键。这类数据有自身产生，并不断更新。 2 ) 监测知识也可以称为诊断知识，就是利用开发的神经网络专家系统对制粉系统 进行故障监测和诊断，这类知识就是瞬时的一组测点参数值，可以通过模拟数据， 以验证系统的可靠性，也可以通过d a s 系统从现场获得实时数据，以监测制粉系统 的运行状况，进行故障诊断。 3 ) 专家经验补充部分是从事制粉系统工作的专家和运行人员经验知识的补充，是 系统后来知识的增加，以便更加准确地利用故障特征对故障进行猜测、判断、识别、 验证和消除，也是一种动态知识，它补充了怎样运用已经有的数据和静态知识来解 决制粉系统的问题，同时它还根据专家和运行人员知识的不断积累而不断得到加 强，可以说这是一种个性推理知识或个性化的启发性知识。 为了便于建立数据表，对制粉系统的知识再进行纵向上分类：制粉系统的知识 纵向上可划分为三个层次，第一层次是为推理机准备的知识，即制粉系统各测点的 状态及其相互影响关系，第二层次是现场规程的内容，也可认为是经验层，第三层 为理论知识，即分析和解释故障原因和提供解决方案。三个层次的知识既相互独立， 又存在映射关系，是紧密相关的。各层的知识共同构成完整的知识库。根据制粉系 1 4 重庆大学硕士学位论文2 制粉系统故障诊断的构成及其知识库的建立 统的表观参数( 运行知识、感性知识等) ，基于第一层知识进行推理，以判断出制 粉系统的运行状态：第一层的每条知识均与第二层知识有对应的联系，第二、三层 知识也可以直接通过序号、主题、关键词等方式查找。其中第一层知识是最重要和 最难处理的部分，本文主要介绍它的构成方法及推理机。对知识分层有以下好处： 各层知识相对独立，便于管理和维护； 每层知识之间形成内在的联系，满足系统不同的需要，支持系统的不同功 能； 知识库的分层是知识本身的特点决定的，对不同的知识，采用不同的组织 方法，知识库的效率较高； 符合模块化和简化的原则，复杂知识分散细化处理，知识库更加容易建造。 系统采用数据库技术来建造知识库时，知识库的分层建造具体表现在关系型数据库 表上。 ( 2 ) 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，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，时序逻辑表示法，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t 3 1 呻1 【4 7 】。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 e f i o i lr 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“模式一动作”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，它记录己知的事实、推理的中间结果和最终结论，决定着某规则在问题求 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 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： 重庆大学硕士学位论文2 制粉系统教障诊断的构成及其知识库的建立 ( 前提) t h e n ( 或 ) 。 它有如下主要优点： 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，像一个独立 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。 一致性：规则库中各规则具有统一的结构； 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： 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； 灵活性极差：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； 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 规则：前提1磨煤机进出口压差减小 前提2磨煤机出口负压减小 前提3 磨煤机入口负压减小 前提4排粉机入口负压增大 。 附加规则 前提：粗分出1 3 负压增大 结论： o 前提： 粗分出1 3 负压减小 结论1 ：粗粉分离器堵塞 结论2 ：细粉分离器堵塞 图2 3 制粉系统故障知识表示法之一 f i 吐3f i r s ts t v l eo f k n o w l e d 2 em o r e s