摘 要：許多控制回路包含在火力發(fā)電機(jī)組的汽機(jī)、鍋爐系統(tǒng)和其他輔助系統(tǒng)中，以前重點(diǎn)從局部的某一個(gè)單一的控制系統(tǒng)著手進(jìn)行研究，此項(xiàng)研究整體性得到了忽略，導(dǎo)致許多故障檢測(cè)不出。所以需從大型火電發(fā)電機(jī)組總體出發(fā)，使故障診斷與檢測(cè)能高效、全面和準(zhǔn)確的實(shí)現(xiàn)。故障的類別用單一的頻譜變化來(lái)進(jìn)行判斷，故障診斷性能得到了較大的提高。

關(guān)鍵詞：熱工控制；模糊理論；支持向量機(jī)；故障診斷

引言

根據(jù)火電廠的運(yùn)行方式，將熱工控制系統(tǒng)中的常見(jiàn)故障類別、故障診斷對(duì)象和故障診斷辦法確定；基于數(shù)據(jù)統(tǒng)計(jì)和信號(hào)處理的診斷方法根據(jù)系統(tǒng)中關(guān)鍵執(zhí)行器、傳感器的常見(jiàn)故障提出。從而采用相應(yīng)的措施來(lái)阻止故障進(jìn)一步擴(kuò)大，實(shí)現(xiàn)提高系統(tǒng)可靠性能，縮減維修成本和時(shí)間的目的[1]。一類分類問(wèn)題就根本而言屬于故障診斷。支持向量機(jī)（Support Vector Classification）具有在較小樣本下即可得到不錯(cuò)的訓(xùn)練效果以及其求得的解為全局最優(yōu)解等優(yōu)勢(shì)，文章從模糊評(píng)判和SVM理論著手，依據(jù)故障類別和故障特點(diǎn)的不確定性，努力找到一種智能化的綜合評(píng)判方法，從而建立一種故障診斷模型，即實(shí)用又高效。

1 訓(xùn)練樣本用模糊理論表示

設(shè)故障類別第i個(gè)樣本ui對(duì)征兆集的第j個(gè)樣本vj的隸屬度是rij，那么征兆vj分析的結(jié)論應(yīng)用模糊集合Ri來(lái)示意。

進(jìn)一步確定rij，rij的確定依據(jù)專家經(jīng)驗(yàn)，它是主觀的，另外其他原因也要考慮[2]，文章的隸屬函數(shù)可以用加權(quán)統(tǒng)計(jì)辦法來(lái)計(jì)算，由故障相關(guān)率，經(jīng)驗(yàn)資料統(tǒng)計(jì)，對(duì)應(yīng)故障效應(yīng)，故障采取樣本（觀測(cè)或獲得）的難易水平（幅值的變化水平）4個(gè)因素進(jìn)行剖析，用下面的符號(hào)分別來(lái)表示：

X1：故障樣本統(tǒng)計(jì)（故障樣本產(chǎn)生的個(gè)數(shù)）

（比較小、非常小、比較多、中、小、很多、大）

X2：故障相關(guān)率（這些樣本聯(lián)系故障的概率）

X3：對(duì)應(yīng)故障效應(yīng)

X4：故障采取樣本（觀測(cè)或獲得）的難易水平

故障ui產(chǎn)生的次數(shù)用N表示，故障出現(xiàn)時(shí)vj產(chǎn)生的次數(shù)用N表示。

權(quán)數(shù)集合與評(píng)分集合在每一個(gè)征兆集中，算出對(duì)應(yīng)的隸屬度rij。

2 粒子群算法和SVM的結(jié)合

文章采取改進(jìn)的離散PSO并聯(lián)合SVM取得1個(gè)故障源提取算法。改進(jìn)的離散PSO 算法xid為樣本的所在位置。診斷數(shù)中所有變量構(gòu)成了粒子，取數(shù)值為0或1，相應(yīng)變量被選取用0表示，由變量參加計(jì)算用1代表。隨機(jī)數(shù)rand（）在[0，1]平均分布。pid為粒子自身最大值，gid為總體最值，vid表示速度，認(rèn)為是[0，1]均勻分布隨機(jī)數(shù)。rand（xid）可以對(duì)xid實(shí)現(xiàn)隨機(jī)賦值。？琢為一可調(diào)參數(shù)，將初始值定為1個(gè)較大的數(shù)值，使粒子搜尋解空間時(shí)充分進(jìn)行， 避免進(jìn)入局部得最優(yōu)值：隨著粒子進(jìn)化，要保證算法穩(wěn)定應(yīng)將？琢改為一較小值[3]，快速收斂。首先？琢初始值設(shè)為0.3-0.4，然后降為0.2。改進(jìn)后的遺傳算法GA與該P(yáng)SO離散算法的收斂V相當(dāng)，更容易實(shí)現(xiàn)并且簡(jiǎn)單，而且想要設(shè)置的變量還比GA少，因此應(yīng)用更加廣泛[4]。

粒子的最終適應(yīng)度函數(shù)用f（xid）；粒子對(duì)應(yīng)的SVM正分率用f（id）；mc是此粒子選取的變量數(shù)；mall是系統(tǒng)采用數(shù)據(jù)所有變量數(shù)； p為微調(diào)參數(shù)，平衡變量的數(shù)與最大正分率，依據(jù)指定的系統(tǒng)變量數(shù)和故障診斷要求進(jìn)行采用[5]。

用具體的PSO離散和SVM 特征采樣算法的詳細(xì)步驟如下：（1）對(duì)粒子群進(jìn)行初始化；（2）適應(yīng)度的函數(shù)用每一個(gè)粒子訓(xùn)練；（3）將粒子的自身最大值和適應(yīng)度對(duì)比，假如大于，則更新適應(yīng)度；（4）全局最值用取出以前中最大適應(yīng)度值表示；（5）改進(jìn)粒子群依據(jù)離散公式；（6）判斷是否符合終止法則， 是則停止， 否則跳至第（2）步。

如果接連幾次迭代適應(yīng)度提高不顯著或是到達(dá)提前設(shè)置的最大迭代次數(shù)可認(rèn)為符合終止法則，迭代完成。

3 綜合故障診斷

特依據(jù)火電廠過(guò)熱汽溫控制系統(tǒng)中執(zhí)行器的不直、不牢固和傳感器的不平衡、對(duì)不中、磨損、損裂等故障實(shí)施了診斷試驗(yàn)。所采用的判斷方法是故障診斷簡(jiǎn)單高效的辦法。此方法操作容易、很高的診斷精確度并穩(wěn)定，通過(guò)在運(yùn)行現(xiàn)場(chǎng)調(diào)試，獲得了較好的診斷效應(yīng)。

采用權(quán)數(shù)集合X=（0.3，0.25，0.36.0.1），從而獲得轉(zhuǎn)子不對(duì)稱的隸屬度R矩。

SVM的訓(xùn)練樣本采用每行數(shù)據(jù)，以上僅僅對(duì)一組數(shù)據(jù)實(shí)施了計(jì)算分析，而實(shí)際的現(xiàn)場(chǎng)應(yīng)用中，我們則必須要進(jìn)行大規(guī)模的計(jì)算以實(shí)現(xiàn)我們所希望的訓(xùn)練樣本，選用50組數(shù)據(jù)實(shí)施訓(xùn)練，輸出模式為：

采用Matlab進(jìn)行仿真訓(xùn)練，然后用一組數(shù)據(jù)進(jìn)行了驗(yàn)證，可信度為0.854，證明以上方法是行之有效的。

4 結(jié)束語(yǔ)

火電廠熱控系統(tǒng)繁雜，涵蓋內(nèi)容多，如果產(chǎn)生故障，不但對(duì)火電廠的正常運(yùn)行有影響，并且還會(huì)造成大量的人員傷亡[6]。所以需從大型火電發(fā)電機(jī)組總體出發(fā)，使故障診斷與檢測(cè)能高效、全面和準(zhǔn)確的實(shí)現(xiàn)。故障的類別用單一的頻譜變化來(lái)進(jìn)行判斷，故障診斷性能得到了較大的提高。文章只是進(jìn)行了初步的研究，還需要大量的試驗(yàn)進(jìn)行進(jìn)一步的驗(yàn)證。

參考文獻(xiàn)

[1]陳長(zhǎng)征，等.設(shè)備振動(dòng)分析與故障診斷技術(shù)[M].科學(xué)出版社，2007.

[2]楊蘋(píng)，吳捷，馮永新.200MW汽輪發(fā)電機(jī)組振動(dòng)故障的模糊診斷系統(tǒng)[J].電力系統(tǒng)自動(dòng)化，2001：45-48.

[3]李良敏，屈梁生.基于遺傳編程和支持向量機(jī)的故障診斷模型[J].

[4]王宏漫，歐宗瑛.采用PCA特征和SVM分類的人臉識(shí)別[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2003，15（4）.

[5]周鐵錘.火電廠熱工控制系統(tǒng)故障診斷的有效方法[J].經(jīng)濟(jì)技術(shù)協(xié)作信息，2007，25（4）.

[6]王家金.火電廠熱工控制系統(tǒng)故障診斷規(guī)劃及實(shí)現(xiàn)措施初探[J].電力建設(shè)，2013.

作者簡(jiǎn)介：李寧（1984-），男，山東濰坊人，華能雨汪電廠檢修部熱控專工，研究方向熱控技術(shù)及自動(dòng)化裝置。

孟萍（1982-），女，山東泰安人，華能雨汪電廠檢修部，研究方向?yàn)闄z測(cè)技術(shù)及自動(dòng)化裝置。

王冬瑞（1981-），男，遼寧人，華能雨汪電廠檢修部副主任，研究方向?yàn)殡姎饧白詣?dòng)化。

戴忠，男，上海人，華能上海電力檢修公司電氣專工。

高才，男，上海人，華能上海電力檢修公司鍋爐專工。