亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        油田注汽鍋爐過(guò)熱爆管故障智能診斷方法

        2012-08-20 12:56:36張莉莉陳保東晏永飛孫憲航
        節(jié)能技術(shù) 2012年1期
        關(guān)鍵詞:干度隱層知識(shí)庫(kù)

        張莉莉,陳保東,晏永飛,羅 凱,孫憲航

        (遼寧石油化工大學(xué),遼寧 撫順 113001)

        0 前言

        油田注汽鍋爐是稠油開發(fā)的重要設(shè)備,它產(chǎn)生蒸汽干度為80%的高溫高壓的濕飽和蒸汽,注入油層中,對(duì)油層中的原油進(jìn)行加熱,降低稠油的粘度,增加原油的流動(dòng)性和滲透性,大幅提高原油采收率[1]。注汽鍋爐的正常穩(wěn)定地運(yùn)行是提高稠油采收率、降低安全事故發(fā)生率和減少經(jīng)濟(jì)損失的重要保證。因此對(duì)注汽鍋爐運(yùn)行中出現(xiàn)的故障進(jìn)行快速、準(zhǔn)確地判斷是十分必要的。蒸汽干度是油田注汽鍋爐安全運(yùn)行的重要參數(shù),也是影響稠油熱采效果的重要指標(biāo)。蒸汽干度過(guò)高,會(huì)使鍋爐過(guò)熱而產(chǎn)生爆管現(xiàn)象。

        隨著現(xiàn)代傳感技術(shù)的發(fā)展,高性能的采集器的不斷出現(xiàn)以及計(jì)算機(jī)技術(shù)的發(fā)展,信號(hào)處理技術(shù)和故障診斷技術(shù)的不斷完善,此外,計(jì)算機(jī)應(yīng)用和人工智能技術(shù)獲得重大發(fā)展,鍋爐故障診斷趨向智能化發(fā)展。為了更好地對(duì)注汽鍋爐進(jìn)行故障診斷,近十年來(lái),王希光[2]、阮曙東[3]、李玉榮[4]、馬華杰[5]、石寧[6]等從故障樹理論、模糊專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、證據(jù)論信息融合等方面對(duì)鍋爐的故障診斷進(jìn)行了研究。

        因此,本文從蒸汽干度測(cè)量?jī)x測(cè)得的蒸汽干度信號(hào)出發(fā),在利用小波變換提取蒸汽干度的特征的基礎(chǔ)上,將人工智能理論和技術(shù)與故障診斷的理論和技術(shù)有機(jī)結(jié)合起來(lái),可以有效地對(duì)注汽鍋爐的運(yùn)行工況進(jìn)行狀態(tài)檢測(cè)和故障診斷。本文首先介紹了基于神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)集成的注汽鍋爐故障診斷系統(tǒng),接著闡述了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法和診斷策略,最后實(shí)驗(yàn)仿真結(jié)果證明了該故障診斷系統(tǒng)的準(zhǔn)確性和可靠性。

        1 注汽鍋爐故障診斷系統(tǒng)結(jié)構(gòu)[7]

        油田注汽鍋爐的智能故障診斷系統(tǒng)結(jié)構(gòu)如圖1所示。利用神經(jīng)網(wǎng)絡(luò)系統(tǒng)的學(xué)習(xí)功能、聯(lián)想記憶功能、分布式處理信息功能可以很好地解決專家系統(tǒng)中的知識(shí)表示、獲取和并行推理等問(wèn)題。根據(jù)專家對(duì)學(xué)習(xí)示例的分析,確定訓(xùn)練樣本,對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,將訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)作為專家系統(tǒng)的知識(shí)庫(kù),在此基礎(chǔ)上建立故障診斷神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)。

        圖1 故障診斷系統(tǒng)結(jié)構(gòu)

        基于神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)集成的故障診斷技術(shù),將神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶功能、自學(xué)習(xí)功能等“低層智能”與專家系統(tǒng)的推理邏輯為主的“高層智能”,有機(jī)結(jié)合,可以做到優(yōu)勢(shì)互補(bǔ),確保故障診斷的準(zhǔn)確性和可靠性。

        2 故障診斷專家系統(tǒng)的原理與診斷策略

        2.1 知識(shí)庫(kù)的建立

        神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)(NNES)設(shè)計(jì)的重點(diǎn)是其知識(shí)庫(kù),知識(shí)庫(kù)的設(shè)計(jì)是建立專家系統(tǒng)最重要和最艱巨的任務(wù)。

        2.1.1 人工神經(jīng)網(wǎng)絡(luò)模型及其學(xué)習(xí)算法[8]

        神經(jīng)網(wǎng)絡(luò)是用大量神經(jīng)元的互連及對(duì)各連接權(quán)值的分布來(lái)表示特定的概念或知識(shí)。在進(jìn)行知識(shí)獲取時(shí),它要求領(lǐng)域?qū)<姨峁?shí)例及相應(yīng)的解,通過(guò)特定的學(xué)習(xí)算法對(duì)樣本進(jìn)行學(xué)習(xí),通過(guò)網(wǎng)絡(luò)內(nèi)部的自適應(yīng)算法不斷修改權(quán)值分布以達(dá)到要求,把領(lǐng)域?qū)<仪蠼鈱?shí)際問(wèn)題的啟發(fā)式知識(shí)經(jīng)驗(yàn)分布到網(wǎng)絡(luò)的互連和權(quán)值分布上。

        徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)是具有單隱層的三層前饋網(wǎng)絡(luò),它可以以任意精度逼近任一連續(xù)函數(shù)。RBF神經(jīng)網(wǎng)絡(luò)克服了BP神經(jīng)網(wǎng)絡(luò)的缺陷,在逼近能力、分類能力和學(xué)習(xí)速度等方面均優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

        圖2 RBF神經(jīng)網(wǎng)絡(luò)的模型

        學(xué)習(xí)算法,隱層節(jié)點(diǎn)數(shù)的確定,輸入,輸出徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)的構(gòu)成包括3層:輸入層、隱層和輸出層。輸入層是蒸汽干度的特征參數(shù),輸出層是目標(biāo)參數(shù)(即故障類型),隱層節(jié)點(diǎn)數(shù)的確定方法很多,在文章中采用的是其中,L為隱層節(jié)點(diǎn)數(shù),N為輸入層節(jié)點(diǎn)數(shù),M為輸出層節(jié)點(diǎn)數(shù),a為[1,10]之間的常數(shù)。輸入層節(jié)點(diǎn)傳遞輸入信號(hào)到隱層,隱層節(jié)點(diǎn)由高斯核函數(shù)(徑向基)描述,而輸出層節(jié)點(diǎn)通常由簡(jiǎn)單的線性函數(shù)刻畫。

        在學(xué)習(xí)過(guò)程中,設(shè)有p組輸入/輸出樣本xp/dp,yp是在xp輸入下網(wǎng)絡(luò)的輸出,定義目標(biāo)函數(shù)

        學(xué)習(xí)的目的是使J≤ε,其中ε為給定誤差隱層第i個(gè)結(jié)點(diǎn)的輸出為

        其中,‖X-ci‖為歐式范數(shù),X為輸入樣本,ci為RBFNN隱結(jié)點(diǎn)的中心,利用梯度下降法迭代求得,σ2為標(biāo)準(zhǔn)參數(shù)。

        輸出層第k個(gè)結(jié)點(diǎn)的輸出為

        其中,θk為輸出層的閾值,ωik為隱層和輸出層的連接權(quán)系數(shù),學(xué)習(xí)算法為

        2.1.2 小波變換[9]

        小波變換就像一臺(tái)可變焦的數(shù)學(xué)顯微鏡,改變各種焦距來(lái)探測(cè)被處理信號(hào)中所隱含的奇異點(diǎn)并識(shí)別出它的性質(zhì),從而有效探測(cè)并診斷出設(shè)備中的故障。根據(jù)小波變換的要求,小波函數(shù)必須滿足“容許條件”,我們?nèi)∑交瘮?shù)θ(t)的導(dǎo)數(shù)作小波函數(shù),并對(duì)其進(jìn)行二進(jìn)離散,二進(jìn)小波變換是信號(hào)的一種超完備的、冗余的表達(dá)。則取小波函數(shù)為

        對(duì)干度信號(hào)f(t)的小波變換為

        對(duì)小波變換后的蒸汽干度信號(hào)進(jìn)行特征提取,以其信號(hào)的Lipschitz α,最大振幅,平均振幅,主頻,振幅譜能量,瞬時(shí)頻率,瞬時(shí)相位,自相關(guān)最大值等作為其特征參數(shù)。將其特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入。

        2.2 診斷步驟

        為了確保診斷系統(tǒng)的效率和可靠性,故障診斷采用神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合的方法。神經(jīng)網(wǎng)絡(luò)提高了故障診斷的效率,專家系統(tǒng)保證了故障診斷的可靠性。故障診斷系統(tǒng)的診斷步驟如下:

        (1)用所得樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,初步完成故障診斷系統(tǒng);

        (2)對(duì)現(xiàn)場(chǎng)檢測(cè)到的蒸汽干度進(jìn)行小波變換提取故障特征,將獲取數(shù)據(jù)作為輸入層輸入診斷系統(tǒng);

        (3)用診斷系統(tǒng)對(duì)故障進(jìn)行診斷;

        (4)若結(jié)果正確,則將結(jié)果輸出給用戶,否則轉(zhuǎn)(5);

        (5)調(diào)用系統(tǒng)深層知識(shí)庫(kù)對(duì)故障進(jìn)行分析,得出診斷結(jié)果;

        (6)將診斷結(jié)果輸出給用戶,并對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,更新神經(jīng)網(wǎng)絡(luò)。

        3 故障診斷仿真

        3.1 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

        結(jié)合現(xiàn)場(chǎng)調(diào)研,注汽鍋爐運(yùn)行中影響蒸汽干度變化的主要因素是蒸汽壓力、給水流量、燃料量和V錐壓差,將其作為神經(jīng)網(wǎng)絡(luò)的輸出。用小波變換提取蒸汽干度的特征參數(shù)如Lipschitz α、最大振幅、平均振幅、主頻、振幅譜能量、瞬時(shí)頻率、瞬時(shí)相位、自相關(guān)最大值,將提取到的各故障參數(shù)進(jìn)行模糊化處理,作為RBF神經(jīng)網(wǎng)絡(luò)的輸入。經(jīng)過(guò)分析,則隱層節(jié)點(diǎn)數(shù)取8。取學(xué)習(xí)率β=0.5,ε=0.005,對(duì)RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

        3.2 故障診斷結(jié)果分析

        (1)先用樣本自身數(shù)據(jù)輸入訓(xùn)練完成的網(wǎng)絡(luò)中,檢查其識(shí)別結(jié)果,從中可見(jiàn)自身數(shù)據(jù)檢測(cè)正確率為100%。

        (2)任取兩組樣本中未出現(xiàn)實(shí)驗(yàn)數(shù)據(jù),其故障識(shí)別結(jié)果如表1所示。

        表1 輸出診斷結(jié)果Table.1 The fault diagnosis of output

        兩組實(shí)驗(yàn)數(shù)據(jù)的結(jié)果與數(shù)據(jù)所對(duì)應(yīng)的故障模式相吻合。由此可以看出,本網(wǎng)絡(luò)不僅可以識(shí)別出樣本自身的故障,而且能準(zhǔn)確識(shí)別出樣本以外的故障。

        3.3 基于神經(jīng)網(wǎng)絡(luò)的故障診斷專家系統(tǒng)

        專家系統(tǒng)的核心是深層知識(shí)庫(kù),注汽鍋爐故障診斷系統(tǒng)知識(shí)庫(kù)的建立需要很長(zhǎng)時(shí)間的反復(fù)測(cè)試、修改和擴(kuò)充??梢?jiàn),該神經(jīng)網(wǎng)絡(luò)對(duì)于給定的故障能夠進(jìn)行很好的判斷,對(duì)不能診斷的故障和得出的錯(cuò)誤判斷結(jié)果,專家系統(tǒng)就可以調(diào)用深層知識(shí)庫(kù)做出診斷。

        4 結(jié)論

        由于神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的互相滲透,使故障診斷速度快,準(zhǔn)確率高。本文將RBF神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)應(yīng)用于注汽鍋爐運(yùn)行工況的故障診斷,比BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)診斷更迅速。從蒸汽干度信號(hào)入手,在分析蒸汽干度波動(dòng)的基礎(chǔ)上,提出了注汽鍋爐的智能故障診斷方法,并經(jīng)過(guò)仿真運(yùn)行結(jié)果證明,該方法具有一定的優(yōu)越性,從不同的角度對(duì)注汽鍋爐的故障診斷提供了借鑒。

        但是,在實(shí)際運(yùn)行過(guò)程中注汽鍋爐運(yùn)行工況比較復(fù)雜,引起蒸汽干度波動(dòng)的因素很多,干擾也很大,受客觀條件的限制,此故障診斷系統(tǒng)并不能完全地反映運(yùn)行中出現(xiàn)的故障狀況,這是本文的缺陷所在。另外,神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本數(shù)目有限,在一定程度上神經(jīng)網(wǎng)絡(luò)的訓(xùn)練不是很完善,這會(huì)使得故障診斷有一定誤差,但是此誤差在限定范圍內(nèi)??傊疚乃岢龅墓收显\斷方法為注汽鍋爐的故障診斷提供可以借鑒的實(shí)例。

        [1]武占.油田注氣鍋爐[M].上海:上海交通大學(xué)出版社,2008.

        [2]王希光.故障樹理論在火電廠鍋爐故障診斷中的應(yīng)用[D].大慶:大慶石油學(xué)院,2004.

        [3]阮曙東,趙海波,鄭楚光.基于Internet/本地的鍋爐故障模糊診斷專家系統(tǒng)[J].華中科技大學(xué)學(xué)報(bào),2004.32(6):96-98.

        [4]李玉榮,牛玉廣,馬華杰.基于CLIPS的鍋爐故障診斷專家系統(tǒng)應(yīng)用研究[J].廣東自動(dòng)化與信息工程.2006(1):13-15.

        [5]馬華杰,朱瑜紅,納春寧.火電廠鍋爐運(yùn)行故障診斷專家系統(tǒng)的研究[J].鍋爐技術(shù).2010.41(1):16-19.

        [6]石寧.基于模糊專家系統(tǒng)的鍋爐故障診斷方法的研究[D].沈陽(yáng):沈陽(yáng)理工大學(xué),2010.

        [7]蔡自興,約翰·德爾金[美],龔濤.高級(jí)專家系統(tǒng):原理、設(shè)計(jì)及應(yīng)用[M].北京:科學(xué)出版社,2005.

        [8]朱大奇,史慧.人工神經(jīng)網(wǎng)絡(luò)原理及應(yīng)用[M].北京:科學(xué)出版社,2006.

        [9]胡昌,張軍波,夏軍,等.基于MATLAB的系統(tǒng)分析與設(shè)計(jì):小波分析[M].西安:西安電子科技大學(xué)出版社,2000.

        [10]鄂加強(qiáng).智能故障診斷及其應(yīng)用[M].長(zhǎng)沙:湖南大學(xué)出版社,2006.

        猜你喜歡
        干度隱層知識(shí)庫(kù)
        基于TRIZ與知識(shí)庫(kù)的創(chuàng)新模型構(gòu)建及在注塑機(jī)設(shè)計(jì)中的應(yīng)用
        基于RDPSO結(jié)構(gòu)優(yōu)化的三隱層BP神經(jīng)網(wǎng)絡(luò)水質(zhì)預(yù)測(cè)模型及應(yīng)用
        人民珠江(2019年4期)2019-04-20 02:32:00
        高速公路信息系統(tǒng)維護(hù)知識(shí)庫(kù)的建立和應(yīng)用
        注汽鍋爐應(yīng)用干度自控系統(tǒng)提高稠油采收率
        基于Drupal發(fā)布學(xué)者知識(shí)庫(kù)關(guān)聯(lián)數(shù)據(jù)的研究
        圖書館研究(2015年5期)2015-12-07 04:05:48
        基于近似結(jié)構(gòu)風(fēng)險(xiǎn)的ELM隱層節(jié)點(diǎn)數(shù)優(yōu)化
        最優(yōu)隱層BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷
        稠油注汽鍋爐蒸汽干度測(cè)控裝置的應(yīng)用
        BP神經(jīng)網(wǎng)絡(luò)隱層單元數(shù)確定方法
        位置與方向測(cè)試題
        三叶草欧洲码在线| 亚洲伦理第一页中文字幕| 精品无人码麻豆乱码1区2区| 国产精品亚洲精品日韩已方| 国产美女做爰免费视频| 精品9e精品视频在线观看| 亚洲xxxx做受欧美| 一级做a爰片久久毛片| 亚洲av色香蕉一区二区蜜桃| 中文乱码字幕人妻熟女人妻| 国产精品亚洲第一区二区三区 | 精品亚洲一区二区在线观看| 麻豆国产精品一区二区三区| 四虎永久在线精品免费网址| 秘书边打电话边被躁bd视频| 一区二区传媒有限公司| 91成人午夜性a一级毛片| 性感人妻av在线播放| 青青草手机视频免费在线播放| 日出白浆视频在线播放| 一本色道久久88亚洲精品综合 | 精品女同一区二区三区| 老子影院午夜伦不卡| 亚洲一区二区三区无码国产 | 日韩精品中文字幕 一区| 日韩亚洲一区二区三区在线| 国产av一区二区三区无码野战| 精品少妇人妻av无码专区| 亚洲AV毛片无码成人区httP| 谁有在线观看av中文| 精品国产一区二区三区av麻| 亚洲欧美日韩国产精品一区二区| 国产熟妇搡bbbb搡bb七区| 国产精品玖玖玖在线资源| 亚洲成av人片在线天堂无| 国产精品一区二区三区四区亚洲| 午夜精品久久久久久久99热| 国产中老年妇女精品| 亚洲图片第二页| 日本视频在线观看二区| 欧美性巨大╳╳╳╳╳高跟鞋|