司波

摘要：熱力系統(tǒng)狀態(tài)監(jiān)測和故障診斷是一個(gè)比較復(fù)雜的系統(tǒng)工程，是集熱能工程和現(xiàn)代控制、現(xiàn)代診斷技術(shù)和信息技術(shù)為一體的綜合性研究課題。本文主要對熱力系統(tǒng)的狀態(tài)監(jiān)測和故障診斷等方面問題進(jìn)行了研究，針對診斷系統(tǒng)在系統(tǒng)的復(fù)雜性、數(shù)據(jù)的可靠性等方面存在的問題提出了相關(guān)的解決方案，以供大家參考借鑒。

關(guān)鍵詞：熱力系統(tǒng)；狀態(tài)監(jiān)測；故障診斷

引 言：熱力系統(tǒng)故障診斷的研究是故障診斷技術(shù)在熱力系統(tǒng)中的具體應(yīng)用研究，借鑒多種故障診斷技術(shù)的研究成果，以解決實(shí)際中的熱力系統(tǒng)故障診斷問題。熱力系統(tǒng)是一個(gè)復(fù)雜的系統(tǒng)，其非線性程度高，不確定性問題普遍存在，系統(tǒng)故障與多種原因有關(guān)，其故障診斷問題 目前已有較多研究，但是仍存在較多難點(diǎn)。

1 熱力系統(tǒng)故障診斷研究現(xiàn)狀與存在問題

1.1 機(jī)理研究和知識積累問題

故障機(jī)理的研究和知識的積累是一項(xiàng)長期的基礎(chǔ)工作，透徹的故障機(jī)理和豐富而高質(zhì)的知識對故障診斷的準(zhǔn)確性具有決定性的作用，是建立和完善故障診斷系統(tǒng)的有效途徑。故障機(jī)理本質(zhì)上是深層知識的獲取，也屬于知識積累的重要內(nèi)容。

1.2 診斷系統(tǒng)可靠性問題

診斷系統(tǒng)的可靠性問題直接影響診斷系統(tǒng)的實(shí)際應(yīng)用。故障診斷的可靠性包括數(shù)據(jù)采集的可靠性、診斷方法的可靠性、計(jì)算機(jī)系統(tǒng)的可靠性。其中引起診斷失效的最主要的原因是數(shù)據(jù)采集的可靠性問題，其次是診斷方法，而計(jì)算機(jī)系統(tǒng)的可靠性 在工業(yè)應(yīng)用中相對最高。數(shù)據(jù)釆集不可靠會引起輸入數(shù)據(jù)的錯(cuò)誤，從而導(dǎo)致診斷失效或者錯(cuò)誤。解決問題的途徑之一是對數(shù)據(jù)進(jìn)行檢驗(yàn)和恢復(fù)，之二是構(gòu)造容錯(cuò)的魯棒診斷策略。

1.3 多診斷方法的綜合利用

故障診斷方法頗多，各種方法具有不同的優(yōu)點(diǎn)和缺點(diǎn)。對于復(fù)雜的熱力系統(tǒng)故障診斷，任何單一的故障診斷方法如果不結(jié)合其它方法的優(yōu)點(diǎn)，將在診斷能力和診斷效果上受到局限。而采用多種方法綜合的混合故障診斷技術(shù)，則可形成優(yōu)勢互補(bǔ)，達(dá)到提高診斷能力的效果。這一問題可以借助于信息融合技術(shù)來解決。

1.4 系統(tǒng)集成問題

例如，現(xiàn)代電站的自動(dòng)化、信息化程度較高，一般都配備較先進(jìn)的電站信息系統(tǒng)，尤其是電站廠級監(jiān)控信息系統(tǒng)（SIS）的建設(shè)，可為故障診斷提供豐富的實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)支持，而故障診斷也是SIS的重要功能之一。釆用何種方式將故障診斷功能同電站性能監(jiān)測的其它功能有機(jī)組織起來，與整個(gè)信息系統(tǒng)形成一個(gè)統(tǒng)一的整體，這就是診斷系統(tǒng)集成問題。其中包括數(shù)據(jù)的集成、方法的集成、軟件的集成、硬件的集成等方面。

2 熱力系統(tǒng)的故障診斷的方法

系統(tǒng)故障是指系統(tǒng)在不正常的運(yùn)行狀態(tài)下，導(dǎo)致相應(yīng)的系統(tǒng)功能失調(diào)，系統(tǒng)的輸出行為超出正常范圍，使系統(tǒng)功能低于正常水平。系統(tǒng)的故障診斷是指在一定的環(huán)境下對設(shè)備或系統(tǒng)狀態(tài)進(jìn)行診斷。自從故障診斷誕生以來，便普遍受到了學(xué)術(shù)界的關(guān)注，隨著近年來信號處理、控制理論、模式識別等技術(shù)的發(fā)展，故障診斷技術(shù)也得到了迅速發(fā)展，故障診斷的方法主要分為以下幾種

2.1 基于數(shù)學(xué)模式的方法

基于數(shù)學(xué)模型的故障診斷技術(shù)主要思想是解析冗余。這個(gè)方法主要是利用數(shù)學(xué)模型對系統(tǒng)狀態(tài)的參數(shù)變量進(jìn)行重新構(gòu)造形成殘差序列，然后利用某些措施對殘差序列中的故障信息進(jìn)行增強(qiáng)，排除非故障信息，最后從殘差序列中監(jiān)測識別出故障信息。該方法不足的地方有對模型的精確度要求非常高，而精確的數(shù)學(xué)模型很難建立，所以限制了該方法的發(fā)展。非線性診斷不成熟，實(shí)際系統(tǒng)的本質(zhì)都是非線性的，而基于數(shù)學(xué)模型的方法在非線性故障領(lǐng)域的發(fā)展還并不成熟，缺少非常有效的解析模型的方法。

2.2 基于知識的人工智能診斷方法

基于知識的故障診斷方法是利用人工的智能方法，比如說模糊邏輯、專家系統(tǒng)和因果分析等，通過這些方法構(gòu)造出一些功能來模仿和實(shí)現(xiàn)人類在監(jiān)控過程中的行為來完成整個(gè)監(jiān)測和診斷過程。目前熱力系統(tǒng)的診斷方法主要有專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等。

2.2.1專家系統(tǒng)方法

專家系統(tǒng)是具有大量專門知識，并能運(yùn)用這些知識解決特定領(lǐng)域中實(shí)際問題的計(jì)算機(jī)程序。完整的專家系統(tǒng)包括四部分：知識庫、推理機(jī)、知識獲取模塊和解釋界面。知識庫存儲和管理各種知識。這些知識以事實(shí)和規(guī)則的形式存儲起來。事實(shí)是短期信息，可以發(fā)生快速的變化。規(guī)則是長期信息，相對穩(wěn)定。推理機(jī)是協(xié)調(diào)控制整個(gè)系統(tǒng)工作的機(jī)構(gòu)或規(guī)則解釋機(jī)構(gòu)，它根據(jù)知識庫中的事實(shí)、規(guī)則，按一定的推理策略求解當(dāng)前的問題。知識獲取模塊解決如何將各種信息轉(zhuǎn)化為計(jì)算機(jī)可用的知識。解釋界面負(fù)責(zé)向用戶說明系統(tǒng)如何進(jìn)行推理和如何得到結(jié)論的。

專家系統(tǒng)解決了很多實(shí)際性的問題，其成果還是令人滿意的，但是它仍然存在缺點(diǎn)。比如說：

（1）目前的專家系統(tǒng)缺少容錯(cuò)、聯(lián)想、自學(xué)習(xí)和自適應(yīng)等自我完善功能；

（2）當(dāng)系統(tǒng)非常大時(shí)，知識庫的維護(hù)和組織相當(dāng)困難和復(fù)雜，推理的效果也自然而然受到了限制；

（3）專家系統(tǒng)診斷率的高低主要依靠于知識庫的知識以及知識的正確率，因此專家系統(tǒng)的成功與否要依賴于專家的合作成功率和經(jīng)驗(yàn)成熟度，不同的專家得出來的結(jié)論有可能是互相矛盾的。

2.2.2 神經(jīng)網(wǎng)絡(luò)方法

人工神經(jīng)網(wǎng)絡(luò)是由許多簡單處理單元通過某些特殊的方式互相連接形成比較復(fù)雜的非線性運(yùn)動(dòng)學(xué)系統(tǒng)，從微觀上，它對人腦的智能行為進(jìn)行描述。神經(jīng)網(wǎng)絡(luò)是非常強(qiáng)大的分類和學(xué)習(xí)工具，在診斷故障中主要有以下幾種方式。

（1）直接使用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷

將故障征兆作為輸入，診斷結(jié)果作為輸出。利用已經(jīng)具有的故障征兆和診斷結(jié)果對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，讓神經(jīng)網(wǎng)絡(luò)系統(tǒng)經(jīng)過權(quán)值故障征兆和診斷結(jié)果之間內(nèi)在的相對應(yīng)的關(guān)系，之后利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷。將得到的故障征兆加在神經(jīng)網(wǎng)絡(luò)的輸入端，在神經(jīng)網(wǎng)絡(luò)的輸出端就可以得到相應(yīng)的診斷結(jié)果

（2）適用神經(jīng)網(wǎng)絡(luò)產(chǎn)生殘差

描述系統(tǒng)正常工作解析模型將會被神經(jīng)網(wǎng)絡(luò)所替代。將在仿真模仿中采集或直接測量到的被診斷的輸入和輸出數(shù)據(jù)對網(wǎng)絡(luò)神經(jīng)進(jìn)行訓(xùn)練，然后得到相對系統(tǒng)的神經(jīng)模型。系統(tǒng)的實(shí)際輸出和網(wǎng)絡(luò)模型形成殘差。

（3）使用神經(jīng)網(wǎng)絡(luò)評論殘差

在應(yīng)用到神經(jīng)網(wǎng)絡(luò)進(jìn)行評價(jià)殘差的時(shí)候，主要應(yīng)用故障庫和殘差庫作為樣本進(jìn)行訓(xùn)練。當(dāng)訓(xùn)練結(jié)束以后就可以在線應(yīng)用神經(jīng)網(wǎng)絡(luò)對殘差進(jìn)行正確的評價(jià)，以此來判斷是否發(fā)生故障并指出在哪里發(fā)生的故障。

神經(jīng)網(wǎng)絡(luò)系統(tǒng)和傳統(tǒng)的信息處理方法相比具有很多的優(yōu)勢，主要表現(xiàn)在具有非常強(qiáng)的非線性表達(dá)能力，可以隨意的逼近非線性函數(shù)，計(jì)算結(jié)構(gòu)具有容錯(cuò)性，分布信息儲存，能夠很好的適應(yīng)環(huán)境的變化，在診斷領(lǐng)域中一直頗受人們的喜愛。

3 結(jié)束語

總之，能源工程是國民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，對經(jīng)濟(jì)持續(xù)快速發(fā)展和人民生活的改善發(fā)揮著十分重要的保障與促進(jìn)作用。因此，隨著人們對于機(jī)組的經(jīng)濟(jì)性、可靠性，對系統(tǒng)監(jiān)測和故障診斷結(jié)果的準(zhǔn)確性和真實(shí)性的要求越來越高，還需要對熱力系統(tǒng)進(jìn)行更加全面和深入的研究。

參考文獻(xiàn)：

[1]張雯.組態(tài)軟件在中溫中壓鍋爐在線智能監(jiān)測與管理系統(tǒng)中的應(yīng)用[J].電腦學(xué)習(xí)，2009（6）.

[2] 湯 玚.無人職守的礦山空壓機(jī)監(jiān)控系統(tǒng)設(shè)計(jì)[J].煤炭工程，2010（2）.