厲恩啟

（山東省特種設(shè)備檢驗(yàn)研究院棗莊分院，山東棗莊　277800）

鍋爐故障診斷技術(shù)研究

厲恩啟

（山東省特種設(shè)備檢驗(yàn)研究院棗莊分院，山東棗莊277800）

鍋爐是重要的工業(yè)設(shè)備，鍋爐故障診斷技術(shù)的研究可以有效保證鍋爐的安全穩(wěn)定運(yùn)行。本文介紹了鍋爐故障和診斷技術(shù)的發(fā)展，詳細(xì)的介紹了鍋爐故障診斷的三類(lèi)方法，基于數(shù)學(xué)模型的診斷方法、基于輸入輸出信號(hào)處理的診斷方法和基于人工智能的診斷方法，并分析了三類(lèi)方法的優(yōu)缺點(diǎn)。對(duì)實(shí)際的運(yùn)行情況，選擇合理的故障診斷方法，從而及時(shí)的發(fā)現(xiàn)鍋爐故障，可以保證工業(yè)生產(chǎn)安全和減少故障損失。

鍋爐故障診斷研究

作為電力、化工等重工業(yè)的動(dòng)力設(shè)備和印刷、紡織等輕工業(yè)的重要設(shè)備，鍋爐利用能源燃料，加熱容器內(nèi)液體，并承擔(dān)一定的壓力，屬于承壓類(lèi)特種設(shè)備。實(shí)際工程中，由于管道堵塞、漏風(fēng)等原因，會(huì)導(dǎo)致鍋爐故障的發(fā)生，并造成巨大的經(jīng)濟(jì)損失和影響人身、社會(huì)安全。為了保證鍋爐運(yùn)行的安全穩(wěn)定，需要快速并準(zhǔn)確的對(duì)故障進(jìn)行判定，以便于故障的修復(fù)和排除。

目前，隨著鍋爐高參數(shù)、大容量的發(fā)展，傳感器的信息數(shù)量龐雜，不能僅僅依賴(lài)現(xiàn)場(chǎng)工作人員的運(yùn)行經(jīng)驗(yàn)進(jìn)行故障的判斷，需要采用更加智能快速的方法進(jìn)行故障的計(jì)算機(jī)分析。相關(guān)學(xué)者提出的診斷方法主要分為基于數(shù)學(xué)模型、基于輸入輸出信號(hào)處理和基于人工智能的三類(lèi)方法?；跀?shù)學(xué)模型的方法主要分為參數(shù)估計(jì)診斷法和狀態(tài)估計(jì)診斷法；基于輸入輸出信號(hào)的處理方法分為直接量測(cè)法、小波變換法、信息匹配法和信息融合法等；人工智能方法包絡(luò)人工神經(jīng)網(wǎng)絡(luò)、專(zhuān)家數(shù)據(jù)庫(kù)系統(tǒng)、模糊聚類(lèi)、證據(jù)理論等。本文分別介紹了上述三類(lèi)方法中的典型方法的基本原理和方法流程，分析其在鍋爐故障診斷中的優(yōu)缺點(diǎn)。

1　基于數(shù)學(xué)模型的診斷方法

參數(shù)估計(jì)診斷法和狀態(tài)估計(jì)診斷法都需要精確的過(guò)程模型，參數(shù)估計(jì)方法還需要被控過(guò)程的充分激勵(lì)、有效的參數(shù)估計(jì)方法和故障統(tǒng)計(jì)決策方法等，狀態(tài)估計(jì)需要已知噪聲統(tǒng)計(jì)特性和有效的方程解析程度等?；趨?shù)估計(jì)的故障診斷方法框圖如圖1所示。

實(shí)際情況下鍋爐系統(tǒng)是一種復(fù)雜的多輸入多輸出非線性系統(tǒng)，無(wú)法建立精確的鍋爐數(shù)學(xué)模型，需要進(jìn)行簡(jiǎn)化處理；此外該類(lèi)方法還會(huì)受到噪聲信號(hào)的影響，導(dǎo)致診斷失誤。

2　基于輸入輸出信號(hào)處理的診斷方法

直接分析鍋爐的輸入輸出信號(hào)，分析其是否滿足正常范圍或者其變化率是否滿足正常范圍，就可以實(shí)現(xiàn)對(duì)鍋爐故障的有效判斷，但直接利用輸出輸出信號(hào)進(jìn)行故障診斷會(huì)受到噪聲和不良數(shù)據(jù)的影響，結(jié)果失真。

對(duì)輸入輸出信號(hào)進(jìn)行深入的處理或者挖掘，包括小波變換、信息融合等方法可以有效提高故障診斷的效果。對(duì)輸入輸出信號(hào)進(jìn)行小波變換，獲得信號(hào)的奇異點(diǎn)，進(jìn)行故障診斷，該方法不需要系統(tǒng)數(shù)學(xué)模型，且能夠有效克服噪聲污染，有較高的引用價(jià)值。信息融合充分利用信息的冗余度，進(jìn)行充分的數(shù)據(jù)挖掘，通過(guò)數(shù)據(jù)層融合、特征層融合和決策層融合，實(shí)現(xiàn)對(duì)鍋爐故障更準(zhǔn)確的診斷。

圖1　基于模型參數(shù)的故障診斷流程圖

3　基于人工智能的診斷方法

以神經(jīng)網(wǎng)絡(luò)和和專(zhuān)家系統(tǒng)的人工智能方法已成為當(dāng)今故障診斷技術(shù)的重要研究方向。國(guó)內(nèi)外專(zhuān)家對(duì)鍋爐故障診斷的智能算法進(jìn)行了廣泛研究，取得了很多成果，其中部分已經(jīng)獲得了實(shí)際的運(yùn)行。

故障診斷專(zhuān)家系統(tǒng)知識(shí)庫(kù)中存儲(chǔ)了鍋爐故障模式、成因和處理方案，推理機(jī)構(gòu)在推理機(jī)制的指導(dǎo)下，將輸入信號(hào)和對(duì)照表進(jìn)行對(duì)比，并進(jìn)行故障的診斷，并對(duì)結(jié)果進(jìn)行評(píng)價(jià)和決策。通過(guò)結(jié)合人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和自適應(yīng)功能，可以實(shí)現(xiàn)專(zhuān)家系統(tǒng)在非線性系統(tǒng)中有效應(yīng)用。如圖1所示。

神經(jīng)網(wǎng)絡(luò)具有非線性、聯(lián)想學(xué)習(xí)和自適應(yīng)性等特點(diǎn)，可以有效的適用于鍋爐故障診斷。常用的神經(jīng)網(wǎng)絡(luò)模型包括B P網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)、Kohlon網(wǎng)絡(luò)和Hanmming網(wǎng)絡(luò)等，按照學(xué)習(xí)和使用過(guò)程是否分開(kāi)又分為有導(dǎo)師學(xué)習(xí)和無(wú)導(dǎo)師學(xué)習(xí)兩種。以BP神經(jīng)網(wǎng)絡(luò)為例，包括輸入層、隱層和輸出層，由于鍋爐故障因素間的耦合性，一般采取多維BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行診斷。

4　結(jié)語(yǔ)

本文論述了三類(lèi)鍋爐故障診斷方法，分別以參數(shù)估計(jì)故障診斷、小波信號(hào)故障診斷和神經(jīng)網(wǎng)絡(luò)及專(zhuān)家系統(tǒng)為例詳細(xì)論述了三類(lèi)方法的具體故障診斷原理，和相互之間的優(yōu)缺點(diǎn)。利用有效的鍋爐故障診斷方法及時(shí)的發(fā)現(xiàn)鍋爐故障并采取合理的措施可以有效的降低鍋爐故障問(wèn)題，降低鍋爐故障對(duì)相關(guān)人員、工業(yè)生產(chǎn)的安全影響，提高工業(yè)生產(chǎn)的經(jīng)濟(jì)效益。

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

［2］熊浩.電站鍋爐故障診斷與預(yù)測(cè)研究［D］.重慶大學(xué)，2003.

［3］花偉.鍋爐混合智能故障診斷技術(shù)的研究［D］.南京工業(yè)大學(xué)，2006.

［4］石寧.基于模糊專(zhuān)家系統(tǒng)的鍋爐故障診斷方法的研究［D］.沈陽(yáng)理工大學(xué)，2009.

［5］王從陸，李樹(shù)清.信息融合技術(shù)在鍋爐故障診斷中的應(yīng)用［J］.工業(yè)安全與環(huán)保，2005，31（6）：48-49.

［6］周學(xué)偉，于洋，陳亮，等.基于數(shù)據(jù)庫(kù)技術(shù)的鍋爐故障診斷專(zhuān)家系統(tǒng)研究［J］.自動(dòng)化博覽，2008（6）：40-42.

［7］高建強(qiáng)，陳鵬.多維BP神經(jīng)網(wǎng)絡(luò)在鍋爐故障診斷中的應(yīng)用［J］.熱力發(fā)電，2011，40（4）：77-80.