锅炉模糊故障诊断专家系统的研究new-revised.doc

基于Internet/本地的电站锅炉故障模糊诊断专家系统阮曙东 赵海波 郑楚光（华中科技大学煤燃烧国家重点实验室）摘 要：该锅炉故障诊断系统利用模糊推理机制，通过检测电厂实时运行数据库中出现的故障征兆，结合给定的规则知识，诊断锅炉系统在运行过程中可能出现的特定故障。该系统可以在锅炉本地运行，也可以建立在基于Internet的远程锅炉专家分析平台上，以提高电站锅炉的远程技术支持能力。本文利用此系统远程对锅炉汽包满水故障进行了诊断，得到了与实际检测结果相符合的诊断结果。（？）关键词：锅炉；故障诊断；专家系统1、序言锅炉是电站运行的关键设备，其安全可靠经济运行是电站管理的头等大事，实时准确地监测管理锅炉的运行状态，正确地诊断其出现的故障，对防止故障的扩散以至重大事故的发生、提高机组运行的安全性和经济性是十分重要的。而目前锅炉的故障诊断大都位于本地进行，这就限制了厂外技术力量对电厂安全高效运行的远程技术服务，这显然是不能满足现代生产需要的，也必将制约一个企业在信息时代的高速发展。实际上，现代电厂本身已经构建了自己的本地实时运行海量数据库，建成了与Internet相连的局域网，如果利用电厂现有技术和设施，通过基于Internet的数据通讯程序，把电厂的实时数据传输到远程，建设远程实时运行海量数据库，在此数据库的基础上建设专家分析平台，就可以解决这些症结。对于故障诊断专家系统作用而言，因为锅炉内部的热力过程对象的大滞后、慢过程特性，故障都有一段较长的时间发展，所以得到特定故障的发展趋势并逆向反推出较大的故障影响因子是非常重要的。本文是基于Internet的电厂远程专家分析平台的一部分1，同时考虑到锅炉故障本身及其故障参数变化的模糊性和不确定性，本系统将本文构建了锅炉故障模糊诊断系统，同时，本系统是基于Internet的电厂远程专家分析平台的一部分1,它建立在远程状态监测系统基础上，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，采用基于规则的模糊诊断推理机制，分析诊断锅炉系统在运行过程中可能出现的多种故障，并确定故障发生的原因。2、系统结构该系统采用某电站原有数据采集系统实现了对锅炉动态实时数据采集,并通过公用电话网络传输数据至监测诊断系统中心站，电厂数据保存在中心的SQL数据库中。整个采用浏览器/服务器/数据库三层结构模式2，用户通过浏览器进行访问。基本结构如下所示：实时数据库电厂设备A/D转换DCS采集系统DCS采集环路数据格式转换局域网故障诊断服务器客户端浏览器图1 全局基于Internet的电站锅炉故障诊断系统结构图锅炉的各种故障和参数变化本身具有模糊性和不确定性，难于用数学模型定性地表示。本文的故障模糊诊断专家系统改进了传统的基于规则的专家系统2，它是将参数变化模糊化1，结合相应的规则，利用模糊推理得到故障诊断结果。因为利用了非经典逻辑中的模糊集合理论，能更好地处理这些界限不分明的问题，这种诊断专家系统方法较之基于规则的传统专家系统更易于诊断锅炉故障，同时具备较强的推理和容错能力，是锅炉诊断的一个重要的研究方向。以下是本文提出的系统的构架。该系统主要由以下部分组成：测点管理模块，对诊断系统用到的所有测点量以及与测点相关的量进行管理；规则管理模块，即是专家系统的知识库规则表示，为诊断系统的正确运行提供保证；模糊量计算模块，计算测点变化的隶属度；诊断推理模块，根据故障的规则以及测点变化隶属度推理出故障发生的可信度；结果显示模块，将故障的诊断结果显示在网页上，并给出相关测点的对比。锅炉故障模糊诊断专家系统结构如图：专家诊断系统电厂实时数据库诊断系统数据库模糊量计算模块测点管理模块规则管理模块诊断推理模块结果显示模块图2电站锅炉故障模糊诊断专家系统构架图3、系统各模块及模块功能3.1、测点管理模块电厂实时数据库中的测点库标识了所有测点到相应实时库字段的映射情况，然而电厂实时数据库中的测点一般多达数千个，然而在故障模糊故障诊断系统中，对于特定的故障，只需要少数特定的测点以及与测点相关的参数。在该模块中，通过构建测点库来对这些测点以及一些需要用到的常量参数进行管理。另外参数库中一些需要用到的常量参数并没有标识。因此构建了测点管理模块，对模糊诊断系统中的所有测点进行管理。目前测点库中测点包括以下三类：1） 常量参数，例如汽包水位限定值。2） 单个实时测点数据值，例如：汽包水位参数3） 多个实时测点数据值的平均值，例如：燃料量，燃料可能有几台给煤机同时供给，所以燃料量可能是实时数据库中几个字段的平均值。3.2、规则管理模块该故障模糊诊断系统的不显式的存在知识库，而是将知识库并入规则库中。这样操作起来简单，而且更易于理解。规则管理模块主要用来管理专家系统用到的规则，规则的正确与否关系到诊断结果的正确与否，其中的规则应该由专家来添加。目前系统所支持的规则主要是以下两种类型3： 1）、单前件、单测点规则：例如：IF过热蒸汽温度下降THEN 汽包满水故障 CF=0.82）、单前件、双测点规则：例如：IF 给水流量不正常的大于蒸汽流量 THEN 汽包满水故障 CF=0.85由上可以看出，规则的形式主要由前件形式决定，前件的两种形式为：a）、测点模糊量，这里模糊量有：上升、下降、瞬时上升、瞬时下降等；b）、测点1模糊比较量测点2，这里的比较模糊量有：大于、异常大于、小于、异常小于等。这些模糊量可以在使用中扩展。参数的上升、下降、大、小等状态均属于不确定性或模糊性概念，这些状态就称为模糊量。本文将动态信号处理与模糊数学方法结合起来，用隶属度来描述模糊量，用隶属函数来计算隶属度，根据模糊量的隶属度来确定某模糊性的程度。以下为本系统中的几个隶属函数：上升隶属函数： （1）下降隶属函数： （2）不正常大于隶属函数： （3）大于隶属函数： （4）ei(（t）)代表测点的值，为测点变化的极限值， ，分别代表两个不同测点在同一时刻的值，,与测点相关的参数值，同一对测点在利用公式（3）时有(?)：。鉴于篇幅，其余模糊量隶属函数省略。这些隶属函数中用到的参数主要根据经验得来，对于不同的参数，隶属函数中用到的参数值是不同的。3.3、诊断推理模块诊断推理模块是故障诊断的核心。模糊推理也称近似推理4，是从一组模糊if-then规则和已知事实中得出结论的推理过程。该系统中的模糊推理系统的基本结构由三个重要部件组成：规则库、函数库（定义模糊规则中用到的隶属函数）、推理机（它按照规则和所给事实执行推理过程求得合理的输出或结论）。推理系统机对每个故障进行推理，最后给出故障存在的置信度。最后的结论用故障存在置信度的趋势图表示，同时也给出相关测点的变化趋势图。模糊推理也称近似推理4，是从一组模糊if-then规则和已知事实中得出结论的推理过程。该系统中的模糊推理系统的基本结构由三个重要部件组成：规则库、函数库（定义模糊规则中用到的隶属函数）、推理机（它按照规则和所给事实执行推理过程求得合理的输出或结论）。诊断系统启动后，推理系统机立即运行，跟踪规则库中每条故障对应的所有规则，并从电厂实时运行数据库中取得测点数据，根据公式(1)-(4)计算某条规则的前件的隶属度，利用公式（5）推理计算。 （5）：某故障在每个时间点的诊断结果，也即故障存在的置信度。：规则i的前件的隶属度i：规则i的置信度，根据具体故障和经验给定。在推理系统中，不采用去模糊化1的方法来对故障诊断结果进行去模糊化处理，而是直接用0，1的值来表示故障存在的置信度。同时为每个故障设定报警信号，该报警信号可以在系统运行时根据工况需要随时更改，以更好的反映故障的报警限度。4、诊断实例下面我们以锅炉汽包满水故障来解释该系统的运行、诊断过程。对于锅炉汽包满水故障，根据经验与专家知识，得到三个规则：1、 IF过热蒸汽温度下降THEN 汽包满水故障 CF=0.82、 IF 给水流量不正常的大于蒸汽流量 THEN 汽包满水故障 CF=0.853、 IF 汽包水位超过汽包水位上限值THEN 汽包满水故障CF0.95从专家系统中观察汽包满水故障发生前十分钟内，电厂实时数据：过热蒸汽温度、蒸汽流量、给水流量、汽包水位的变化趋势分别如图3、图4、图5、图6所示： 图3过热蒸汽温度趋势图 图4蒸发流量 图5给水流量 图6汽包水位在计算参数变化隶属度时，根据经验如下取值：过热蒸汽温度下降，；给水流量不正常大于蒸发流量，=0.2；汽包水位超过汽包水位限定值，=0.15通过推理，得到对于每个时间点的故障存在置信度结果，故障趋势如图7所：图7故障趋势图随着时间，故障诊断结果值呈上升趋势，表明锅炉汽包满水故障发生的可信度增大，由图6可知，汽包水位随时间不断上升，可见系统的诊断结果与实际情况是相符的，即故障的趋势是逐渐增大的。如果某故障曲线图在某一段时间中，呈明显的上升趋势，那么该故障发生的可信度愈来愈大。具体的可信度值与规则的置信度有很大关系，即与专家知识有很大联系。随着系统的运行，可以精调具体规则的置信度，从而保证系统诊断结果更加符合实际结果。同时可以逆向计算，得到在故障点发生的最后时刻对故障发生贡献最大的因子（及规则）。在此例中，在时刻19处，计算得到三条规则的因子分别为0.163，0.395，0.886，可见汽包水位超过极限值对诊断结果贡献最大。这样可以对故障进行事后分析，对电厂的运行以及学校教学培训都有重要的指导意义。 由上可见，本系统不仅可以实现气包满水故障的实时诊断，也可以进行故障的事后分析。5、结论本文基于故障模糊诊断原理建立的对锅炉汽包满水故障进行诊断诊断，可以有效的对诊断进行诊断（？），也可以进行故障的结果分析。汽包满水故障的诊断实例证明了这种诊断方法的有效性。该系统既可以放在本地又可以放在远程，可以为高校科研教学、电厂的远程技术支持提供一个良好的平台。同时，推理模型和隶属度函数模型，可以良好的扩展，为系统的精度的提高提供了保证。参 考 文 献1 赵振宇、徐用懋. 模糊理论和神经网络的基础与应用. 北京：清华大学出版社，19962 关惠玲等. 设备故障诊断专家系统原理及实践. 北京：机械工业出版社，20003 杨黎明. 锅炉故障诊断专家系统的研究博士学位论文.北京：清华大学热能系,19934 张智星，张春在，(日)水谷英二. 神经-模糊和软计算. 张平安等译 西安：西安交通大学出版社, 2000Power plant boiler fault diagnostic expert system based on INTERNER/LOCALRuan Shudong, Zhao Haibo, Zheng chuguangAbstract : Adopting a method of fuzzy reasoning mechanism, monitoring signs of plant boiler fault, combining with given rules ,the boiler diagnostic expert system diagnose possible faults. The system can run on local or on the remote boiler expert analysis platform. So the system can improve remote technical supporting ability. This