（动力机械及工程专业论文）电站锅炉故障诊断与预测研究.pdf

重庆大学硕士学位论文中文摘要 摘要 本文应用模糊模块化神经网络和递推合成b p 网络，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锅炉故障诊断与预测问题进行了研 究，开发了锅炉故障诊断与预测软件。在该软件的开发研究过程中，收集了锅炉 故障诊断与预测样本，增加了锅炉故障预测知识，拓展了原有的锅炉故障诊断知 识库，建立了知识获取模块、故障诊断与预测模块、故障解释模块等。还用本文 编制( s 1 1 a 1c + + 语言) 的锅炉故障诊断与预测软件，对锅炉常见故障进行仿真实验。 本文所建的用于锅炉故障诊断的模糊模块化神经网络模型因进行了样本聚 类，实验结果表明：其网络训练的速度和精度明显提高，同时有效地解决了b p 网 络应用于复杂的锅炉系统故障诊断时，存在训练收敛慢并容易陷入局部最小点的 问题。且该网络采用多输出的结构，不仅能对故障是否发生进行诊断，而且还能 判断故障发生的严重程度，给现场运行人员提供了有益的参考。 本文所建的用于锅炉故障预测的递推合成b p 网络由于b p 网络各层之间及输 入层与输出层之间的连接权的增加和线性激励函数的采用，极大地加强了内部节 点的关联能力，避免了b p 网络预测的饱和性的出现。通过基于递推合成b p 网络 的单、多变量时间序列模型与灰色预测模型的预测精度分析计算表明，应用基于 递推合成b p 网络的多变量时间序列模型能较准确的预测锅炉故障，指导运行人员 对机组进行即时调整，使预期的参数在允许范围内，以避免故障的发生。 关键字：锅炉，故障诊断与预测，模糊模块化神经网络，递推合成b p 网络 重庆大学硕士学位论文 英文摘要 a b s t r a c t t h es o f t w a r eo fd i a g n o s i sa n dp r e d i c t i o nf o rb o i l e rf a u l ti sd e v e l o p e db yu s i n g f u z z ym o d u l a rn e t w o r k sa n dr e c u r r e n tc o m p o s e dn e t w o r k s ，a n dt h em e t h o do fm i x e d k n o w l e d g er e p r e s e n t a t i o na n de x p e r ts y s t e mt e c h n o l o g ye t ca r eu s e di nt h i sp a p e r t h e n e ws a m p l e sa n dt h ek n o w l e d g ed a t a b a s eo ff a u l td i a g n o s i sa n df a u l tp r e d i c t i o na r e a d d e di nt h ep r o c e s so fs o f t w a r ed e v e l o p m e n t k n o w l e d g ea c q u i r e m e n tm o d u l e 、 d i a g n o s i sm o d u l e 、p r e d i c t i o nm o d u l ea n di n t e r p r e t a t i o nm o d u l ea r ee s t a b l i s h e da tt h e s a m et i m e s i m u l a t i o nt e s t so fc o m m o nb o i l e rf a u l ta r ec a r r i e do u tb yu s i n gf a u l t d i a g n o s i sa n df a u l tp r e d i c t i o ns o i l t w a r e , w h i c hi sp r o g r a m m e dw i t hv i s u a lc + + t h es i m u l a t i o nt e s t sr e s u l ti n d i c a t e st h a tt h es p e e da n dp r e c i s i o no f s a m p l et r a i n i n g a r ei n c r e a s e db e c a u s eo fs a m p l ec l u s t e r i n gf o rf u z z ym o d u l a rn e t w o r k s a n dt h e p r o b l e mo f s l o wt r a i n i n gs p e e da n dl o c a lm i n i n l u l np o i n ta r ea v o i d e dw h e nb pn e t w o r k s a r ea p p l i e di nt h ef a u l td i a g n o s i so fc o m p l e xb o i l e r j u d g i n gf r o mm u l t io u t p u to ft h e f u z z ym o d u l a rn e t w o r k s , c a nd e c i d en o to r d yw h e t h e rt h ef a u l to fb o i l e rh a p p e n s , b u t t h es e v e r i t yd e g r e eo fb o i l e rf a u l ta l s ow e l l i ti su s e dt o p r o v i d er e f e r e n c et o o p e r a t o ro f p o w e rp l a n t i nr e c r , r r e n t c o m p o s e db pn e t w o r k s t h er e l a t i 0 1 1o fi n t e r i o rn o d ei se n h a n c e d b e c a u s et h el i n kw e i g h to fi n p u tl a y e ra n do u t p u tl a y e ra r ea d d e d , a n dt h es a t u r a t i o no f f a u l tp r e d i c t i o ni sa v o i d e db yu s i n gt h el i n e a rp r o m p t i n gf u n c t i o n t h ec o m p a r i s o no f t h r e em o d e l s ( s i n g l ev a r i a b l et i m es e r i e sm o d e l 、m u l t i v a r l a b l et i m es e r i e sm o d e la n d g r a yp r e d i c t i o nm o d e l ) s h o w st h a tt h em u l t i v a r i a b l et i m es e r i e sm o d e l sp r e d i c t i o n p r e c i s i o ni st h eh i 曲e s t i ti n d i c a t e st h a tu s i n gr e c u r r e n tc o m p o s e db pn e t w o r k sc , a n e x a c t l yp r e d i c tt h eb o i l e rf a u l ti no r d e rt op r e v e n tt h ef a u l t , a n dh e l po p e r a t o ro fp o w e r p l a n tt oa d j u s tt h ep a r a m e t e r si nap e r m i t t i n gr a n g e k e y w o r d s ：b o i l e r , f a u l td i a g n o s i sa n df a u l tp r e d i c t i o n , f u z z ym o d u l a rn e t w o r k s ， r e c u r r e n tc o m p o s e db pn e t w o r k s 重庆大学硕士学位论文 1 绪论 1 绪论 1 1 课题的研究目的及意义 大型火电机组参数高、系统复杂、设备大多处在高温、高压的工作环境，其 故障的发生率高，且危害性极大。因此，实时监测火电机组运行时系统的热力参 数，并根据热力参数的异常变化对其进行故障诊断与预测，是火电机组运行中十 分重要的问题。 人工智能故障诊断与预测技术是随着现代化技术、经济高速发展而出现的一 门新型技术，它能鉴别设备的状态是否正常，发现和确定故障的部位和性质并提 出相应的对策，以提高设备运行的可靠性，延长其使用寿命，降低设备全寿命周 期费用。且采用故障预测技术可以实现对故障的早期发现并预测其未来的发展趋 势，便于对火电机组及时调整以避免恶性事故的发生，使机组能安全可靠的运行， 同时提高机组的经济性f 1 】。 近年来不少研究者采用模糊逻辑法、故障树分析法、专家系统、人工神经网 络等【2 】方法进行电站设备故障诊断研究，以探索快速有效的故障诊断与预测方法。 其中专家系统和人工神经网络的相结合的方法是目前研究的热点吲。由神经网络与 专家系统构成的神经网络专家系统，它可以利用神经网络的大规模并行分布处理 和知识获取自动化等特点，解决专家系统存在的知识获取的“瓶颈”、推理能力弱、 容错能力差、处理大型问题较为困难等问题，实现并行联想和自适应推理，提高 系统的智能水平，使系统具有实时处理能力和较高的稳定性。 本课题针对重庆发电厂6 7 0 t h 锅炉常见故障，采用改进的b p 算法( 模糊模块 化神经网络和递推合成b p 网络) ，研究开发了锅炉故障诊断与预测的软件。该软 件能够较为准确地对锅炉故障进行诊断，分析其故障类型及性质以助于运行人员 进行操作；并根据历史数据进行预测未来发展趋势，以提高锅炉设备运行的安全 性和经济性。因此，本课题的研究具有一定的理论和实际意义。 1 2 课题国内外研究及应用现状概述 现代电力工业连续生产，对火力发电机组的关键设备提出了实时状态监测和对 其故障在线自动诊断与预测的要求，以往的以领域专家的知识和经验为基础的人 工诊断技术已远远不能满足机组安全经济运行的要求，而神经网络等人工智能技 术的发展及其向工程领域的迅速渗透给故障诊断技术带来了新的活力，使现代诊 断技术进入了一个崭新的阶段【4 】。基于神经网络的故障诊断与预测研究己成为当今 故障诊断技术的一个重要内容。国内外的许多专家学者都对火力发电机组中的部 重庆大学硕士学位论文 1 绪论 分设备进行了不少研究，取得了有价值的成果，且部分系统已投入实际的运行陋a 下面就国内外锅炉故障诊断技术、专家系统和人工神经网络技术的发展状况作简 要介绍。 1 2 1 故障诊断技术的发展概述 国外的故障诊断与预测技术的研究已有近四十年的历史。早在6 0 年代末，美 国宇航局( n a s a ) 创导成立了美国机械故障预防小组嘲。以后，各国政府机构和公 司广泛成立组织，召开会议，开展研究工作。7 0 年代末，由于电子测量技术和频 谱分析技术的应用，故障诊断技术开始进入实际应用阶段【_ ”。美国的b e i 公司研制 的涡轮机械监测系统d a t m 4 ，这是一个基于专家系统的状态监测与诊断系统，其 特点在于考虑了涡轮机的负荷、温度、燃油润滑油的清洁、叶面共振、轴线对中 等各方面的监狈4 、分析与诊断功能，并具有多种参数趋势分析和预报功能【8 】。到了 8 0 年代中期，随着传感器技术、信号处理技术以及计算机技术的发展，现代故障 诊断与预测技术逐步形成和发展起来了。在这一时期，美国电力研究协会( e p e i ) 特别针对电站锅炉开发了锅炉维护工作站( b m w ) ，它主要可分为4 个功能模块： 水冷壁工况、锅炉图示管道记录、e s c a r t a 专家系统、管道寿命。b m w 可以分 析水冷壁工猿，计算过热、再热器管蠕变寿命、诊断管道故障等。其核心是锅炉 管子失效诊断专家系统( e s c a r t a ) ，它是美国开发的用于锅炉事故诊断的第一个 专家系统，该专家系统除了诊断锅炉爆管事故外还可以培训电厂的技术人员熟悉 爆管事故及指导运行人员采取正确的步骤调查锅炉爆管事故【9 1 。至8 0 年代中期以 后，电站设备的大型化、复杂化以及连续高速运行的需要，单靠信号处理和人工 分析判断已难以实现在线的精确诊断。此时，人工智能技术的发展，特别是基于 知识的专家系统和以并行分布处理为特征的人工神经网络等技术在故障诊断中的 应用，使得故障诊断技术进入了一个新的智能化发展阶段，其中有代表性的是美 国w e s t i n g h o u s e 公司开发的大型电站在线监测诊断系统a i d ，并建立了沃伦多 故障运行中心d o c ，通过d o c 中心，可以看到分布在全美2 0 多个电厂( 其中有2 个核电站) 的数据信息i l o 】【l l 】。 在8 0 年代，日本在火电厂故障诊断与技术方面研究处于世界领先水平【l2 】。日 本三菱重工首先研制成了机械状态监测系统( m h m s ) 在多台核电站和商业热电站 使用，后来又发展成带诊断规则描述，以及采用模糊逻辑分析确定置信因素功能的 振动诊断专家系统【l ”。9 0 年代后，日本北海道应用人工智能技术开发的燃煤火力 发电厂运行支援系统，它包括有关高效运行的支援功能和对应于设备异常时有关 的支援功能，前者又包括燃烧管理、热平衡管理、凝汽器真空管理，其作用就是 寻找运行过程的最佳控制参数，提高机组运行的经济性；后者主要警报解析，其 作用是通过对机组数据的在线监测，当发生异常现象时找出发生的原因，提供实 2 重庆大学硕士学位论文 1 绪论 现机组运行状态稳定和恢复原来运行工况的操作指导【1 4 。尤其值得一提的是，日 本在火电设备的剩余寿命诊断方面做了大量的研究工作，提出了许多诊断方法。 国内故障诊断研究工作是从7 0 年代末、8 0 年代初开始的。尽管起步较晚，但 近年来发展非常迅速，许多高校和研究机构都开展了故障诊断与预测技术的研究， 并取得了不少成果。在理论与方法研究方面如基于一类模式的状态识别技术、统 计自学习分类技术、时序分析诊断技术、智能诊断技术等 1 5 】1 16 】；在应用研究与系 统开发方面如1 9 8 5 年哈尔滨工业大学的阮跃等人研制出了基于模糊诊断的汽轮发 电机组状态与故障诊断系统；之后，他们又针对大型电站设备功能较单一，故障 诊断功能较弱的情况，分析了状态监测与故障诊断专家系统的性能要求，提出了 分布式监测和诊断系统的网络结构，可以将不同的监测手段和诊断方法结合起来， 对大型电站状态监测与故障诊断专家系统的研制进行了有益的尝试【1 7 】。清华大学 的蒋东翔等人针对单一故障诊断方法的局限性，对现有的大型设备故障诊断方法 做了全面的分析和比较之后，提出了多种故障诊断技术集成的混合智能诊断方法。 该方法根据设备故障诊断过程的不同阶段和具体任务，综合利用模糊数学、模糊 模式识别、模糊人工神经网络、基于规则的诊断专家系统等多种故障诊断原理， 在电站热力系统故障诊断和机组振动故障诊断的实际应用取得了良好的效果【砖 。 清华大学的李德英等人以3 0 0 m w 电站锅炉为研究对象，通过仿真与实践相结合， 建立了远程状态监测与故障诊断系统。其故障诊断系统根据锅炉运行状态监测情 况，确定锅炉系统运行中出现的故障征兆，采用深、浅知识相结合的混合诊断推 理机制，分析诊断锅炉系统在运行过程中可能出现的各种故障，如炉膛灭火、过 热器爆管、省煤器磨损、泄漏等常见故障。并通过远程传输d a s 数据到济南市山 东电力科学研究院进行远程监测诊断，收到了预期的效果【1 9 】。 经过多年的努力，故障诊断技术已经在电力行业中发挥了一定的作用，并取 得了良好的社会效益和经济效益【2 0 】 2 l 】。但尚存在以下问题： 大多数诊断系统只使用单一的诊断方法，这和故障原因的多样化不相符合。 现已开发出来的大多数诊断系统，诊断功能比较单一，诊断对象局限于火电厂 中的某一设备或某一子系统，如：煤处理设备、锅炉“四管”爆破诊断系统等等。 目前已开发出来的诊断系统，大多数是在人工参与下的辅助诊断系统，其诊断 过程需要人员的参与和管理，因此，这样的诊断系统是半自主的。 虽然现有的诊断系统都能实现在线监测与诊断，但是，由于诊断系统的非自主 性，很难做到实时诊断。 锅炉故障预测方面的研究甚少，且预测方法还不完善。 1 2 2 专家系统与神经网络发展概述 故障诊断与预测技术的智能化是诊断技术发展的重要趋势，它的发展是与人工 重庆大学硕士学位论文1 绪论 智能技术中的专家系统和人工神经网络的发展息息相关。 ( 1 ) 故障诊断的专家系统 专家系统是面向现实世界的，需要领域专家来分析、判断和求解专门问题。它 是强调利用专家经验知识和推理方法的计算机模型系统。传统的专家系统技术的 发展大致可划分为两个阶段：一是基于浅知识的专家系统，二是基于深知识的专 家系统。专家系统的发展大大的推动了智能化诊断技术的发展，在某些特定的领 域和范围内，诊断专家系统问题求解的能力已经达到了人类专家的水平。在电力 系统中，专家系统的应用非常广泛，它擅长解决电力系统中难以建立数学模型而又 依赖专家经验知识的问题，并在信息不完整或含有轻度噪声的情况下仍能给出一 个合理的结论。所以，它适合解决如故障诊断、报警处理、系统恢复以及检修计 划安排等问题，并且已有了许多成功应用的实例：虽然专家系统能成功地解决某 些专门领域的问题，也有很多优点，但经过多年的实践表明，它离专家的水平总 是相差一段距离，有时在某些问题上还不如一个初学者。分析其原因，主要有以 下几方面：知识获取的“瓶颈”问题；模拟专家思维过程的单一推理机制的 局限性：系统缺乏自学习能力。传统专家系统自身的一些固有缺陷已成为专家 系统技术进一步发展和走向实用化的主要障碍【2 2 l f 圳。 ( 2 ) 故障诊断的神经网络 神经网络技术的崛起给传统的人工智能技术( a i ) 带来了极大的冲击和影响，它 以其高度的并行分布式处理、自组织、自学习能力和极强的非线性映射能力，在 模式识别、信号处理、组合优化、图像识别等众多领域显示了广阔的应用前景。 人工神经网络的发展历程具有前后期高、中期低的马鞍形状。一般可将本世纪4 0 年代到6 0 年代中期视为初始发展期，这期间w s m c c u l l o c h 和w a p i t t s 提出的 m i p 模型和f r a n kr o s e n b l a t t 构造的感知器( p e r c e p t r o n ) 人工神经网络模型，为人工 神经网络的发展奠定了基础 2 4 】。从本世纪6 0 年代到8 0 年代初期，人工神经网络 的科学研究陷入发展缓慢的低潮期。其原因归纳起来有三个：其一是没有为神经 网络找到一种普遍行之有效的学习算法；其二是当时传统a i 的发展在v o n n o u r n a n n 机技术迅猛发展的基础上，有着形势喜人的发展势头和成果。还有一个 原因是当时的人工智能专家m m i n s k y 对神经网络的研究方向做了近乎否定的评 价。到了8 0 年代中期，由于“计算能量函数”和“隐单元”的成功引入、“误差 反向传播”学习算法的完善使神经网络研究重新得到重视，并取得突破性进展f 2 5 1 。 但是基于神经网络的故障诊断同样存在一定的缺陷：它未能充分利用许多特定领 域中专家积累起来的宝贵经验，只利用一些明确的故障诊断事例，而且需要有足 够的学习样本，才能保证诊断的可靠性。由于神经网络从故障事例中学到的知识 只是一些分布权重，而不是类似领域专家逻辑思维的产生式规则，因此，诊断推 4 重庆大学硕士学位论文 1 绪论 理过程不能够解释，缺乏透明度。 目前，为了克服现有的智能诊断方法的局限性，人们正致力于研究一种更强大 的混合智能诊断系统。如将人工神经网络与专家系统相结合，用神经网络来解决 专家系统的知识获取困难，推理能力差的问题，而专家系统也弥补了神经网络训 练样本获取困难、推理过程透明性差等缺点1 ：2 6 2 7 3 。文献 2 8 1 中提出了一种基于模糊 理论的神经网络故障诊断方法，与现在的人工神经网络方法不同之处在于采用模 糊方法来处理人工神经网络的输出以显示最后结果，并且对推理作出解释，而且 模糊系统能够给操作人员提供语言量的输出，即模糊理论与神经网络相结合的方 法。此外，还有其它的混合智能诊断方法，如基于多种模型和多种知识的混合智 能诊断系统，小脑模型与振动监溺方法相结合的诊断系统【2 9 】【3 0 】。近年来，遗传算 法在故障诊断中的研究又形成了一个新的热点 3 ”。例如，在神经网络方法故障诊 断中多采用前馈型b p 网络，由于b p 网络存在收敛速度慢，易陷入局部极小和 全局搜索能力差等方面的缺陷，因此，采用遗传算法优化b p 网络的权值，可进 一步将基于遗传算法的遗传进化和基于梯度下降的反训练结合，利用遗传算法的 全局搜索能力和b p 算法的局部搜索能力，以最快速度获得网络的最优连接权值。 在实际应用中有许多这样的例子：l o w 等人提出的基于神经元三值逻辑网络结 构的自适应联结机制专家系统，并将其应用于飞机的故障诊断中。这类专家系统 的特点是将传统的专家系统中的知识库( 规则库) 转化为一个联结机制知识网络结 构，从而以数值计算实现逻辑推理，为大规模并行处理的实现提供基础。哈尔滨 电站设备成套设计研究所的赵利敏等人应用b p 网络对电站锅炉燃烧过程进行预 示，诊断锅炉燃烧的稳燃性、结渣性和燃尽性，体现了神经网络极强的灵活性和 适应性【3 “。在浙江大学邱忠字等人设计电厂汽轮发电机组故障诊断专家系统中， 应用了基于知识与模糊神经网络的故障诊断技术。基于知识的符号推理故障诊断 系统具有模块知识标识明确，无需大量样本和较强的逻辑思维能力等优点；而基 于模糊神经网络的故障诊断系统具有高度非线性映射及自学习、自组织能力。两 者集成的诊断系统提供了很高的准确率及很强的适应能力【3 3 l 。华北电力大学的张 建华等人提出的基于模糊信息处理和多层前馈感知器的汽轮机凝汽器设备的故障 诊断方案，在实际中证明能有效的对凝汽器故障进行诊断，且速度快，有较高的 精度p ”。 神经网络的快速发展为智能诊断技术提供了一种新的方法，能解决许多生产实 际中的难题。但其仍然存在许多急需解决的问题：如诊断推理中的知识获取与学 习问题，使神经网络能随着经验的不断积累进行自我调整，包括网络输入、输出 内部节点的增删以及网络权值的调整等。这些问题还需要进一步的深入探讨。 ( 3 ) 故障预测的神经网络 重庆大学硕士学位论文1 绪论 故障预测的神经网络主要以两种方式实现预测功能：1 ) 以神经网络( 如b p 网络) 作为函数逼近器，对机组工况的某参数进行拟合预测；2 ) 考虑输入输出间的动态关 系，用带馈连接的动态神经网络对机组运行过程或工况参数建立动态模型而进行 故障预测。 从系统辨识的角度看，前馈网络只代表了一类可通过代数方程描述的静态映 射，它适用于静态预测。如东北电力学院的李勇在对多种预测方法比较的基础上， 利用合成b p 神经网络对汽轮发电机组振动故障进行短期预测，取得了较好的效果 3 5 1 0 江苏石油化工学院的毕美华构建了基于模糊数学和r b f 神经网络的故障预测 系统，这个系统采用了不同于以前的以事故模式分析为基础的故障预测方法，而 是借助于模糊数学的方法，用r b f 神经网络识别事故征兆，该方法用于燃煤锅炉 的事故预测时，具有较高的准确率【3 6 1 。 动态神经网络的预测是一个对动态时序建模的过程。人们已经提出了许多有 效的网络结构，其中包括全连接网络以及各种具有局部信息反馈结构的网络模型 等，这些网络的共同特点是其输出不仅取决于当前输入，还依赖于网络过去的状 态，网络本身具有相应的动态结构，其预测是动态预测，因而在实际的非线性动 态系统的建模和预测中得到了成功的应用。但是动态神经网络在结构上远比前馈 网络结构复杂，其样本训练也较困难。因此合理地降低网络结构的复杂性，简化 9 闻络的学习算法将是实际应用中需要研究解决的问题 3 7 】【3 8 。 总的来说，目前应用神经网络进行故障预测还处于比较低的水平，网络训练的 收敛速度慢，使之只能处理历史记录数据，而无法在线应用。如何在提高网络训 练速度的同时，又能保证一定的预测精度，是目前需要解决的问题。 1 3 课题研究的主要内容和步骤 1 3 1 课题的研究方法 神经网络技术、专家系统技术及面向对象设计方法等新技术和新方法的发展 有力地促进了医疗、生物工程等领域诊断技术的发展。据相关文献报导，在其它 领域得到成功应用的各种研究方法正不断地应用于研究电站系统故障诊断与预测 3 9 1 , 但这方面新技术的应用研究大都尚处于探索阶段。本文作者针对电站锅炉常 见故障，采用了混合智能诊断方法，即采用面向对象、数据库技术、模糊逻辑技 术、神经网络技术以及基于知识的专家系统技术相结合的方法对其故障诊断与预 测专家系统进行了初步的开发研究m l 。 面向对象方法 目前。面向对象的程序设计方法( o o p ) 已成为主流，本文在故障诊断与预测专 家系统的编制中引入“对象”的概念。虽然传统的方法是以p r o l o g 和l i s p 环境开 重庆大学硕士学位论文 1 绪论 发专家系统，但由于考虑至其缺乏灵活性、效率低等特点，本系统的构造选择了 基于w i n d o w s 系统的面向对象的可视化开发环境田瑚c + + 。v i s u a lc + + ，具 有严格意义上的对象类型，封装，继承和重载的概念，并具备异常处理的功能。 它将面向对象方法和可视化技术结合在一起，是一个可视化的集成开发环境，使 其更直观、形象、易于理解。而且以数据库机( a d o ) 为基础支持各种本地及远程的 数据库系统及开放式数据库接n ( o d b c ) ，用可视化构件实现对数据库的支持，为 利用高级语言编写数据库应用提供了方便，同时大大缩短了编程人员的设计周期 。 数据库技术 人工智能与数据库技术是计算机科学的两大重要领域，越来越多的研究成果 表明，这两种技术的相互渗透将会给计算机应用带来更广阔的前景。专家系统中 数据库技术的应用，可方便的实现信息存储、共享、并发控制和故障恢复技术， 对专家系统中的知识库进行设计、管理，以改善专家系统的特性，使之规模提高 到实用水平。如数据库的基本范例( 输入、检索、更新等) 可作为新的知识库范 例，数据库的基本目标( 共享性、独立性、分布性等) 可作为新的知识库基本目 标，数据库的三级表示与设计方法可用作新的知识库设计方法。 模糊逻辑技术 在实际应用中，锅炉故障隶属函数的确定主要依靠经验，存在着类似于人类专 家系统的“瓶颈问题”，而且具有较大的主观性。人工神经网络具有自学习能力， 可以实现函数模拟、模式分类等功能，为此，本文采用模糊系统和人工神经网络 结合的办法来解决上述问题。模糊神经网络继承了人工神经网络的学习能力，通 过对数据样本的学习，可以自动总结模糊规则，自动调整隶属度函数。本文通过 在锅炉热力参数征兆提取和神经网络输入数据预处理阶段采用模糊数学处理方法 来实现模糊逻辑技术和神经网络技术的结合 4 2 】。 专家系统与神经网络结合 虽然专家系统的研制和应用取得了重大进展，但仍存在着知识获取困难、知 识面狭窄、推理能力弱、智能水平低、实用性差等困难，其根本原因在于现有的 程序式数字计算机的固有缺陷：局域式信息存储、串行程序式符号处理所致。最 新发展的以非线性大规模连续模拟并行分布处理为主流的神经网络理论为专家系 统的发展开辟了新的途径。用神经网络建立专家系统，不需要组织大量的产生式 规则，也不需要进行树搜索，可以自组织、自学习，并可进行模糊推理，这对用 传统人工智能方法建立专家系统最感困难的知识获取和推理等问题提供了新的途 径。 重庆大学硕士学位论文 i 绪论 1 - 3 2 课题研究的主要内容 本文在对现有的实现设备故障诊断与预测的多种方法进行深入研究的基础上， 分析和总结了有关研究者的经验和成果，针对电站锅炉开发了故障诊断与预测软 件。主要进行了以下工作： 锅炉故障诊断与预测知识库的拓展 锅炉故障诊断与预测知识库是故障诊断与预测软件的重要部分。它是采用面向 对象的混合知识处理机制和关系数据库技术，以锅炉运行规程为基础，收集、整 理各种现场相关数据，逐步建立起来的。本文的锅炉故障诊断与预测知识库是在 原有的锅炉故障诊断知识库的基础上，拓展了锅炉故障诊断的知识库，增加了故 障预测知识。 模块化模糊神经网络算法和递推合成b p 网络算法的实现 本文中故障诊断采用模块化模糊神经网络算法，故障预测采用的是递推合成 b p 网络算法【4 3 】。其中模糊模块化神经网络就是针对复杂的锅炉系统故障诊断时， 样本非线性程度高，训练收敛慢并容易陷入局部最小点，故对样本空间进行模块 化划分，再分别对每个模块用自适应b p 网络进行拟合，从而提高了学习的速度和 精度。递推合成b p 神经网络，这种网络采用线性激励函数克服了b p 网络的饱和 性，同时加强了内部节点的关联性能力，提高预测的精度。 锅炉故障诊断与预测软件开发 本文采用v i s u a lc + + 语言开发锅炉故障诊断与预测软件，对数据采集系统采集 的数据进行故障诊断和预测，力求使整个系统能较为准确地模拟领域专家进行故 障诊断与预测，并可为现场操作人员提供一些较为具有参考价值的辅助信息。 系统仿真实验 为验证本文开发的锅炉故障诊断与预测软件的功能，以锅炉常见故障为例，对 其进行从经验样本集的编辑到训练，从模拟现场实时数据到故障诊断、预测进行 仿真实验，并对其仿真试验结果进行分析。 1 3 3 重点与难点 故障与预测样本的建立 在故障诊断与预测软件中，为了达到一定的诊断与预测的精度，样本必须具有 代表性，且必须具有相当的数量。但实际应用研究中，由于影响故障的因素多样 且受目前监测水平的限制，实际故障样本的组织、收集相当不易。 在选取学习样本时，还要注意典型样本和实际样本的使用。典型样本可以使 网络较快地对所要研究的对象形成概念并抽取特征；而实际样本则更能反映具体 设备的个性，而且借助其所携带的各种工况信息，提高了系统的容错性。但是， 如果只选用典型样本，则在进行实际诊断中对干扰的抵御能力将会下降，影响诊 重庆大学硕士学位论文 1 绪论 断的精度；反之，若只选用实际样本，系统则不能尽快对故障形成认识，影响诊 断的速度和效率。虽然样本可直接从原始资料中得到，但所选样本不应具有很高 的相关性，否则，因为网络中数据流方向的改交，系统不能在一个方向上收敛而 会引起振荡，这时即使增加隐层单元数，或将学习速度取得很小都无法改善系统 性能。 b p 神经网络算法的改进 为了适应现场应用的要求，要求b p 算法具有准确、快速、实时的特点，如何 对b p 算法进行改进以满足现场自动诊断的要求，特别对故障预测而言，利用常规 的b p 算法预测时，由于算法自身的原因，预测精度较低。如何改进b p 算法以提 高故障诊断与预测精度成为另一个难点。 神经网络和专家系统相结合的应用方法 利用神经网络或专家系统进行故障诊断与预测时，由于其自身的缺点，在构 建诊断与预测系统指导实践时，存在这样或那样的不足，有必要把神经网络技术 与专家系统等其它智能诊断与预测方法进行有效的结合，形成混合智能诊断与预 测方法以更好的指导运行。如何将神经网络与专家系统等其它智能诊断方法进行 有效的结合，恰当有效地应用到锅炉故障诊断与预测中也是有定的难度。 1 3 4 工作步骤 确定软件的应用目标，并收集课题相关资料 本课题开发的故障诊断与预测软件能通过对现场采集的数据，进行预处理后， 可自动地、较准确地诊断其故障类型和性质，并指导操作人员进行恢复操作，从 而提高系统的稳定性和可靠性。该软件应具有友好的人机界面，使其兼具知识性、 技术性和实用性。 在软件的开发中，所搜集的课题相关资料主要是指锅炉故障诊断与预测所需 的各种知识，如：锅炉运行规程、专家的经验知识、锅炉正常和故障运行时的一 些相关运行参数等。 构造软件各功能模块 拓展故障诊断与预测知识库 通过对搜集的资料进行归纳，对原有的故障诊断与预测知识库进行拓展。 建立网络模型及样本训练 建立故障诊断与预测的神经网络模型，并对之进行样本训练，分析影响样本 训练精度的一些相关因素。 进行仿真试验； 重庆大学硕士学位论文 2 锅炉故障诊断与预测功能模块及其知识库 2 锅炉故障诊断与预测功能模块及其知识库 锅炉是由汽水、燃烧及烟风等子系统组成的复杂多层次系统，而每个子系统 又可以划分为若干次级子系统和部件，各层次子系统是相互关联的，只要某一个 子系统出现异常或失效，就可能会使其它子系统产生功能异常或失效，甚至使整 个机组处于故障状态，并且从原发性故障到系统级故障的发生、发展是一个量变 到质变的过程。故锅炉故障具有层次性、相关性、延时性的特点】。 锅炉故障诊断与预测软件的开发是本课题的重心。本章的主要工作是建立锅 炉故障诊断与预测软件功能模块，并应用知识获取和知识表示原理，建立锅炉故 障诊断与预测知识库。 2 1 锅炉故障诊断与预测功能模块 本文设计锅炉故障诊断与预测软件的原则：依据实际锅炉故障的特点，以科 学理论与经验知识相结合，定性与定量表示相结合的科学思想为指导，应用人工 神经网络和专家系统方法，把握诊断问题的复杂性与整体性来构造其理论体系及 实施方案，使整个系统达到实用、方便。 软件的总体设计思想是：立足于专家系统的整体构成框架，在专家系统中嵌 入神经网络，两者互相协调，以充分发挥神经网络和专家系统各自的优点，构建 适合于锅炉故障诊断与预测的新型智能软件【4 5 l 。 锅炉故障诊断与预测软件h 6 】 4 7 1 是由热力参数监测及处理模块、知识获取模块 ( 自学习模块) 、故障诊断与预测知识库、故障诊断模块、故障预测模块、解释模块、 用户界面几大部分组成。其功能模块图如图2 1 所示。 热力参数监测及处理模块 热力参数监测及处理模块的主要功能是：获取现场的运行参数，并将其存储 在机组数据库中；提取参数征兆，通过d a o 方法与数据库进行交互，根据诊断数 据库中的检查规则判定异常数据，将其转换为现场人员容易理解的知识，同时也 将这些运行参数转化为神经网络所能识别的数值知识( o 1 之间的数据) ；显示监 测数据及报警，通过用户图形界面( g u i ) 显示所监测的运行参数，并以醒目的方 式显示异常数据，为操作人员提供报警。例如：以红色的图标及文字显示异常数 据，蓝色则代表正常。 知识获取模块 知识获取模块的主要功能是通过对故障样本的学习，完成知识的获取，并将 知识分布存储在网络的连接权上，以建立故障诊断与预测模型。主要包括网络结 1 0 重鏖奎堂堡圭堂垡笙奎 ! 塑生垫堕堡堑量堡型垫! ! 望垫丝基塑i 垦星 圈2 】锅炉故障诊断与预铡功能模块国 f 追丑1f u n c t i o nm o d u l eo f d i a g n o s i sa n dp r e d i c t i o nf o r t h eb o i l e rf a u l t 构、输入学习样本模式的组织形式、网络学习算法等。主要表现为故障诊断与预 测系统对故障类型识别方法的信息收集，为下一步诊断或预测准备。 故障诊断与预测模块 故障诊断模块通过d a o 方法取得锅炉诊断数据库中的锅炉运行参数，分析已 检测到的热力参数征兆，并根据已建立的模糊模块化神经网络模型进行诊断，并 将诊断结果显示出来。 故障预测模块是应用已建立的递推合成b p 网络模型对表征故障发生的特征参 数的时间序列进行预测，分析在未来时刻该特征参数的大小，以判断该故障发生 与否，给运行人员提供参考。 解释模块 解释模块负责对故障诊断与预测模块做出的结论提供说明，即对当前诊断与 预测的推理过程进行解释。其解释机制是根据故障诊断与预测知识库中存储的知 识，针对某一时刻的运行工况进行解释，若知识库中没有相关的解释知识，系统 会提示没有相关记录，操作人员可浏览知识库对诊断结果的合理性做出判断，同 时也可决定是否将这征兆加入知识库，作为新知识存储起来。 故障诊断与预测知识库 重庆大学硕士学位论文 2 锅炉故障诊断与预测功能模块及其知识库 故障诊断与预测知识库中存放的不仅有由传统知识获取方法得到的逻辑知 识，还有从神经网络中输出的知识、训练神经网络所需的知识等。它的主要功能 是对获取的知识进行维护、更新、为推理机制提供依据。主要表现为网络的连接 权矩阵、闷值矩阵。矩阵元素值从知识获取系统取得，表现为矩阵元素值的更新。 人机交互界面 人机交互界面是用户、领域专家或知识工程师与锅炉诊断与预测软件信息交 流的接口。其主要功能是完成软件参数的设定、数据的输入和输出等，即起到人 机交互的桥梁与纽带作用及整个系统的协调作用。 2 2 知识表示和知识获取 2 2 1 知识分类 一般来讲，知识是人们对自然现象的认识和从中总结出来的规律、经验。从 知识工程的角度来看，知识是经过消减、塑造、解释和转换的信息。可以说知识 是专家系统的核心，知识的数目和种类决定了故障诊断与预测的精确程度。在本 锅炉故障诊断与预测软件用到的知识可以大致分为以下几类【4 8 】： ( 1 ) 静态知识 静态知识是指在故障诊断与预测过程中不随系统的运行而改变的知识。包括 背景知识、经验知识、决策知识等。 背景知识是指与诊断对象有关的结构和功能参数以及机组制造、安装、维 修等知识，这些知识随机组的长期运行而只发生缓慢的变化。背景知识作为辅助 诊断信息，在诊断与预测过程中起着重要的作用。如重庆发电厂2 18 炉的各设备规 范、设备台数及其具体布置情况等。这部分知识可从设备规范，系统设计相关图 纸等取得。又如重庆发电厂2 0 0 1 v l w 机组在额定工况下运行，主蒸汽温度的额定值 为5 4 0 1 2 ，在此额定值的一i o * c + 5 范围内均为正常状态，那么我们就可以用 5 3 0 和5 4 5 c 分别作为参数的上限和下限来判定参数的征兆。 i f ( 主蒸汽温度测量值 5 4 5 ) t h e n ( 主蒸汽温度高) w i t h ( 隶属度) 系统的设计、安装、维修等方面知识，往往对现场故障诊断与预测也起到重 要的辅助作用。 经验知识是指领域专家在长期的实践中积累起来的，根据大量可能的，但 并非存在一定因果关系的表面特征对故障进行猜测、判断的模糊启发性知识。这 种知识往往缺乏严格的理论依据，但在一定条件下能够快速有效地解决问题。专 重壅盔兰堡主堂垡丝塞! 塑塑垫堕堡堑墨塑型堕堂竖塑垄薹塑望要 家的经验知识是一种浅知识，这种知识客观上常以规则的形式存在于专家的头脑 而被专家非常灵活地应用。由于对这种知识常常缺乏本质性的认识，在很多情况 下，即使专家本人也难以清楚地表达出来。因此，这种知识获取困难。经验知识 作为诊断知识的一个重要组成部分，开发故障诊断知识库的一个重要任务就是挖 掘该领域专家的经验知识。 经验诊断规则可形式化表示如下： i f t h e n w i t h 决策知识是指机组发生故障时是否采取或怎样采取应急措施( 如带病运行、 立即停机等) ，及各类故障可采用的检测和维修方案。由于锅炉故障现象和故障原 因之间呈现一种复杂的网状关系，多数情况下并不能立即确诊，需要经过“诊断 一处理9 多次反复，因此决策知识一方面可作为应急措施或维修处理的咨询意见， 同时在不能完全确诊并在允许的条件下也可作为诊断经验知识的必要补充。 决策知识也可以用规则来表示，其形式化描述如下： i f t h e n 例如；如表2 1 所示高温过热器破裂处理措施。 表2 1 高温过熟器破裂处理措施 t a b l e 2 1t r e a t m e m to f s u p e r - h , a t e r sb r e a k 系统提示( )决策知识( t h e n ) 高温过热器严重破裂 停炉维修 高温过热器轻微破裂加大给水量维持运行，必要时停炉维修 高温过热器可能破裂根据故障征兆列表，重点监测相关参数，以 便进一步确证 ( 2 ) 动态知识 动态知识是指故障诊断与预测神经网络进行样本训练时权值和阈值等各种规 则知识，它还包括过程知识、从现场获取的锅炉的监测参数或模拟参数，以及那 部分不断完善的专家和运行人员经验知识。 规则知识是指在神经网络中，自身结构和经过训练后所形成的每组权值和 阈值，又称为控制性知识，规则知识一部分由领域性知识结合设计者自身思维所 得；另一部分由诊断与预测系统经过学习训练后生成的。它随诊断与预测系统结 构选择的多样、设计者的不同、训练样本的不同而不同。规则知识在故障诊断与 预测过程中起着相当重要的作用，决定着诊断与预测结果的精确性，是故障诊断 与预测的关键。 过程知识是指通过理论或经验计算进行故障诊断与预测的知识。过程知识 重庆大学硕士学位论文 2 锅炉故障诊断与预测功能模块及其知识库 直接利用了故障机理分析、模拟实验的结果，并以参数形式对经验诊断提供支持 或交由专家进行故障判别。过程知识表现为一系列的计算程序，并以独立的模块 形式存在，需要时被调用。 监测知识就是利用开发的故障诊断与预测软件对锅炉进行故障监测、诊断 与预测，它是瞬时的一组测点的参数值，可以通过模拟数据，以验证软件的可靠 性，也可以通过d c s 系统从现场获得实时数据，以监测锅炉实时运行状况，并实 现故障诊断与预测。 专家经验补充部分是随现场的专家和运行人员的知识不断积累而不断得到 加强的。专家经验的补充可以更快速、准确的实现故障的诊断与预测。 2 2 2 知识表示 知识表示是知识的符号化过程，它研