鍋爐混合智能故障診斷技術(shù)的探析

陳錕

摘 要 作為一種不可忽視的工業(yè)、民用設(shè)備，鍋爐的安全性很高。結(jié)合實(shí)際需求，通過(guò)加強(qiáng)對(duì)鍋爐設(shè)備故障診斷技術(shù)的深入研究，不論是對(duì)于鍋爐的穩(wěn)定、安全運(yùn)行，還是創(chuàng)新應(yīng)用發(fā)展都具有重要意義。尤其是混合型智能診斷方法的提出、應(yīng)用，能夠從整體上提升鍋爐設(shè)備的故障診斷速度，以及準(zhǔn)確性。為此，本文就針對(duì)鍋爐混合智能故障診斷技術(shù)的應(yīng)用做出了深入探究。

關(guān)鍵詞 鍋爐 設(shè)備故障 診斷技術(shù)

中圖分類號(hào)：TP277 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-0745（2021）05-0014-02

針對(duì)鍋爐混合智能故障診斷技術(shù)來(lái)講，其主要是圍繞鍋爐設(shè)備特點(diǎn)，提出的一種具有清晰的層次，且理解起來(lái)比較容易，可以取得理想應(yīng)用效果的一種技術(shù)手段。在具體引用中，能夠?qū)θ祟悓＜业倪壿嬎季S，以及形象思維能力做出較好的模擬，從而實(shí)現(xiàn)對(duì)鍋爐故障的及時(shí)、準(zhǔn)確診斷。[1]除了在鍋爐設(shè)備故障診斷中的科學(xué)引用，這一技術(shù)方法還能夠通過(guò)進(jìn)一步的優(yōu)化，向其他特種設(shè)備的故障診斷研究工作應(yīng)用推廣，應(yīng)給予足夠重視。

1 加強(qiáng)故障診斷技術(shù)應(yīng)用研究的意義

一直以來(lái)，鍋爐設(shè)備的故障識(shí)別、排除工作都是結(jié)合工作人員在以往積累的經(jīng)驗(yàn)來(lái)開展的，但針對(duì)系統(tǒng)較為復(fù)雜的大型鍋爐設(shè)備來(lái)講，工作人員很難通過(guò)現(xiàn)有經(jīng)驗(yàn)技術(shù)來(lái)全面理解、準(zhǔn)確把握其運(yùn)行過(guò)程，也難以準(zhǔn)確判斷故障類型。但也正是因?yàn)檫@方面的欠缺，才會(huì)導(dǎo)致誤操作的產(chǎn)生，運(yùn)行可靠性、效率才無(wú)法得到有力保障。因此，為了有效解決以往故障診斷工作中的各類問(wèn)題，從整體上提升鍋爐設(shè)備故障診斷工作質(zhì)量與效率，應(yīng)充分重視起基于專家系統(tǒng)的檢測(cè)、故障診斷系統(tǒng)的建立。[2]具體來(lái)講，就是要結(jié)合實(shí)際需求，將多個(gè)專家理論知識(shí)、實(shí)踐經(jīng)驗(yàn)有機(jī)整合，開發(fā)出一個(gè)更新穎，結(jié)合信號(hào)采集、數(shù)據(jù)分析來(lái)構(gòu)建的計(jì)算機(jī)故障診斷專家系統(tǒng)，以此來(lái)幫助相關(guān)工作人員從不同層面，對(duì)鍋爐設(shè)備作出實(shí)時(shí)檢測(cè)。這樣既可以聯(lián)系實(shí)際及時(shí)的提供科學(xué)的運(yùn)行指導(dǎo)，還能夠高效、準(zhǔn)確的完成故障診斷工作，以此來(lái)為鍋爐設(shè)備的安全、穩(wěn)定運(yùn)行提供有力保障，也能夠有效突破以往鍋爐設(shè)備故障診斷中存在的不足之處。

2 單一智能故障診斷方法

1.專家系統(tǒng)和故障診斷。專家系統(tǒng)著重強(qiáng)調(diào)的是引用專家知識(shí)經(jīng)驗(yàn)，以及推理方法的一種計(jì)算機(jī)模型系統(tǒng)。專家系統(tǒng)的進(jìn)一步發(fā)展給智能化診斷技術(shù)的應(yīng)用推廣提供了有力支持，且在故障診斷、系統(tǒng)恢復(fù)，以及報(bào)警處理和檢修計(jì)劃安排等問(wèn)題的處理上具有的優(yōu)勢(shì)是不容忽視的。[3]就目前來(lái)看，專家系統(tǒng)雖然可以使得一些專門領(lǐng)域的問(wèn)題得到有效解決，但基于以往實(shí)踐來(lái)看，其與專家水平還存在一定的距離，在具體引用中還存在一些局限，如知識(shí)獲取后存在“瓶頸”問(wèn)題，模擬專家思維過(guò)的單一推理機(jī)制也受到了諸多局限。系統(tǒng)自學(xué)習(xí)能力也不是很理想。因此，在之后的應(yīng)用發(fā)展中，固有缺陷的彌補(bǔ)應(yīng)給予足夠重視。

2.神經(jīng)網(wǎng)絡(luò)和故障診斷。對(duì)于神經(jīng)網(wǎng)絡(luò)技術(shù)來(lái)講，其產(chǎn)生、應(yīng)用之后，給傳統(tǒng)的人工智能技術(shù)帶來(lái)了一定的沖擊，其在自組織、自學(xué)習(xí)能力以及信號(hào)處理和圖像識(shí)別等諸多領(lǐng)域具有的優(yōu)勢(shì)，應(yīng)用前景都是不容忽視的。但就目前來(lái)看，基于神經(jīng)網(wǎng)絡(luò)的故障診斷還存在一定的缺陷，未做到對(duì)諸多特定領(lǐng)域中專家積累的寶貴經(jīng)驗(yàn)的充分利用，只有獲得充足的學(xué)習(xí)樣本，以及明確的故障診斷事例才可以為診斷可靠性提供保障。[4]另外，診斷推理過(guò)程也無(wú)法解釋，缺少透明度。現(xiàn)階段，為了現(xiàn)有智能診斷方法存在的局限性可以得到有效克服，人們也在積極研究更加強(qiáng)大的混合智能診斷系統(tǒng)。如有機(jī)整合人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)，這樣專家系統(tǒng)的知識(shí)獲取困難，以及推理能力較差的問(wèn)題得到妥善解決，同時(shí)神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本獲取難度較大，以及推理過(guò)程透明性方面存在的不足也可以得到有效彌補(bǔ)。

3.模糊技術(shù)與故障診斷。在鍋爐實(shí)際運(yùn)行過(guò)程中，經(jīng)常會(huì)出現(xiàn)一些狀況存在很大的不確定性，或者是不分明的情況，如在征兆的描述上，溫度“偏高”以及壓力“偏大”等都具有很高的模糊性，進(jìn)而導(dǎo)致系統(tǒng)中的一些故障狀態(tài)也存在很大的模糊性。而針對(duì)模糊邏輯來(lái)講，其具有的結(jié)構(gòu)性知識(shí)表達(dá)能力較高，在模糊或者是定性知識(shí)的表達(dá)上具有顯著優(yōu)勢(shì)，推理過(guò)程也和人的思維模式非常相似。且模糊分類還可以對(duì)關(guān)聯(lián)的關(guān)系，以及專家語(yǔ)言描述的事件進(jìn)行直接編碼，人們理解起來(lái)也更加容易。同時(shí)，也便于啟發(fā)性知識(shí)的引入，從而實(shí)現(xiàn)對(duì)推理過(guò)程的追蹤。因此，針對(duì)故障診斷領(lǐng)域中，模糊理論的科學(xué)引入應(yīng)給予足夠重視。

3 鍋爐混合智能故障診斷技術(shù)

3.1 混合智能故障診斷方法

就目前來(lái)看，混合智能診斷技術(shù)主要包括：基于模型的推理與案例的推理，基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)，以及基于案例的推理和人工神經(jīng)網(wǎng)絡(luò)與模糊邏輯等諸多方法。本文則著重針對(duì)模糊邏輯、專家系統(tǒng)，以及神經(jīng)網(wǎng)絡(luò)有機(jī)整合的智能診斷方法應(yīng)用做出了深入探究：

第一，模糊神經(jīng)網(wǎng)絡(luò)。模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)存在很多的相似之處，重點(diǎn)都是對(duì)人思維的模擬處理，在形式上也非常相似，這也為之后的整合應(yīng)用創(chuàng)造了有利條件。同時(shí)，神經(jīng)網(wǎng)絡(luò)技術(shù)、模糊技術(shù)也具有自己的優(yōu)勢(shì)特點(diǎn)，能夠做到分布式貯存信息，大規(guī)模模擬并行處理，還有高度的容錯(cuò)性、魯棒性以及實(shí)時(shí)處理能力等都是不容忽視的。邏輯推理能力是模糊邏輯的優(yōu)勢(shì)所在，可以有效處理高階信息，通過(guò)進(jìn)一步優(yōu)化模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)的有機(jī)整合，能夠使得神經(jīng)網(wǎng)絡(luò)處理信息的范圍、能力得到進(jìn)一步加強(qiáng)。這樣在精確處理相關(guān)信息的同時(shí)，也能夠做好對(duì)模糊信息以及其他不精確信息的有效處理。[5]另外，在學(xué)習(xí)、自動(dòng)模式識(shí)別上具有的優(yōu)勢(shì)特點(diǎn)也是不容忽視的，在引用神經(jīng)網(wǎng)絡(luò)技術(shù)來(lái)處理模糊信息過(guò)程中，能夠促使模糊系統(tǒng)逐漸發(fā)展成為一種自適應(yīng)模糊紅系統(tǒng)，從而有效解決模糊規(guī)則自動(dòng)提取以及模糊隸屬度函數(shù)的自動(dòng)生成。

第二，模糊神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)。模糊神經(jīng)網(wǎng)絡(luò)能夠整合模糊邏輯、神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)特點(diǎn)。其不僅能夠?qū)θ四X的邏輯思維進(jìn)行模糊，還可以對(duì)人腦的神經(jīng)元功能進(jìn)行模擬。在對(duì)模擬概念問(wèn)題進(jìn)行描述的同時(shí)，發(fā)揮的學(xué)習(xí)、數(shù)據(jù)直接處理能力也是較為強(qiáng)大的?？傊?，與傳統(tǒng)專家系統(tǒng)相比，模糊神經(jīng)網(wǎng)絡(luò)具有的優(yōu)勢(shì)特點(diǎn)是不容忽視的，尤其是在知識(shí)獲取、自適應(yīng)學(xué)習(xí)，以及容錯(cuò)能力等方面的優(yōu)勢(shì)，能夠有效模擬傳統(tǒng)診斷系統(tǒng)存在的不足之處。

3.2 鍋爐混合智能故障診斷方法

針對(duì)有層次、存在不確定性、延時(shí)性等故障特點(diǎn)的鍋爐來(lái)講，通過(guò)引用混合智能故障診斷方法，能夠有效彌補(bǔ)以往單一診斷方法存在的諸多局限，與現(xiàn)代故障診斷發(fā)展趨勢(shì)相符合。

首先，針對(duì)提取參數(shù)以及神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)預(yù)處理這一環(huán)節(jié)，對(duì)模糊數(shù)學(xué)處理方法的應(yīng)用來(lái)講，在具體引用中，需要結(jié)合經(jīng)驗(yàn)來(lái)明確鍋爐故障隸屬函數(shù)，具有較強(qiáng)的主觀性，且存在的局限也較多。人工神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的自學(xué)能力，可以發(fā)揮出模式分類以及函數(shù)模擬等功能。對(duì)此，可以通過(guò)有機(jī)整合模糊系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)的方式來(lái)突破以往存在的局限。在此背景下，模糊神經(jīng)網(wǎng)絡(luò)能夠繼承人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，通過(guò)學(xué)習(xí)數(shù)據(jù)樣本來(lái)實(shí)現(xiàn)對(duì)模糊規(guī)則的自動(dòng)總結(jié)以及隸屬度函數(shù)的自動(dòng)調(diào)整。

其次，在故障診斷處理過(guò)程中，可以引用將模塊化模糊神經(jīng)網(wǎng)絡(luò)來(lái)作為推理機(jī)制的診斷方法。且在進(jìn)行學(xué)習(xí)樣本的選擇過(guò)程中，對(duì)于實(shí)際、典型樣本的使用應(yīng)給予足夠重視。前者可以將鍋爐設(shè)備的個(gè)性充分反映出來(lái)，且基于攜帶的相關(guān)工況信息，能夠促進(jìn)系統(tǒng)容錯(cuò)性的顯著提升。而后者則能夠促使網(wǎng)絡(luò)更快的圍繞將要研究的對(duì)象形成概念，同時(shí)進(jìn)行特征的抽取。[6]但要注意，若單純的選用典型樣本，在具體診斷過(guò)程中，便難以發(fā)揮出理想的抵御干擾的能力，難以為診斷精度提供有力保障。但若只是選用實(shí)際樣本，系統(tǒng)則難以快速認(rèn)識(shí)故障，難以做到快速、準(zhǔn)確的診斷。另外，還需要注意，雖然可以從原始材料中獲得樣本，但選擇的樣本要避免存在較高的相關(guān)性，以免最后網(wǎng)絡(luò)數(shù)據(jù)流方向發(fā)生改變而導(dǎo)致系統(tǒng)無(wú)法實(shí)現(xiàn)在一個(gè)方向上收斂，進(jìn)而影響系統(tǒng)性能的發(fā)揮。

最后，在故障驗(yàn)證階段，可以引用基于規(guī)則的推理方法，簡(jiǎn)單來(lái)講，就是引用規(guī)則知識(shí)來(lái)將科學(xué)有效的處理對(duì)策以及診斷過(guò)程解釋推理出來(lái)，之后再引用模型知識(shí)進(jìn)行推理驗(yàn)證。

4 結(jié)語(yǔ)

綜上所述，隨著各類新穎技術(shù)手段的不斷涌現(xiàn)和應(yīng)用推廣，對(duì)鍋爐設(shè)備故障診斷工作也提出了新的要求。同時(shí)，也圍繞鍋爐設(shè)備的實(shí)際運(yùn)行特征，還有故障特點(diǎn)以及以往引用的故障診斷技術(shù)應(yīng)用情況的綜合分析，提出了一種基于混合技術(shù)的、智能化的故障診斷方法。而通過(guò)這一智能化診斷技術(shù)的科學(xué)引用，不僅能夠?yàn)殄仩t設(shè)備的安全、穩(wěn)定運(yùn)行提供有力保障，也能夠促使鍋爐設(shè)備故障診斷工作質(zhì)量、效率的顯著提升。

參考文獻(xiàn)：

[1] 符岳全.智能混合模型預(yù)測(cè)技術(shù)在火電廠節(jié)能減排中的應(yīng)用[J].熱力發(fā)電，2019，38（10）：74-77，80.

[2] 洪軍，司風(fēng)琪，徐治皋.基于混合智能的鍋爐飛灰含碳量實(shí)時(shí)目標(biāo)值模型[J].鍋爐技術(shù)，2017（02）：15-19.

[3] 侯瑞博，陳永峰，宋景.基于混合智能的故障診斷與維修決策模型建設(shè)研究[J]. 數(shù)字通信世界，2019（08）：281.

[4] 梁建武，陳語(yǔ)林，周誠(chéng).一種鍋爐燃燒控制的混合智能控制器[J].熱能動(dòng)力工程，2018（05）：546-548，573.

[5] 陳文波，鄭麗歐. 以嵌入式技術(shù)為基礎(chǔ)的工業(yè)鍋爐遠(yuǎn)程監(jiān)測(cè)智能化物聯(lián)網(wǎng)終端設(shè)計(jì)研究[J].工業(yè)加熱，2019（06）：34-37.

[6] 牛培峰，馬云鵬，張欣欣，等.基于人工智能技術(shù)的火電廠燃煤鍋爐智能燃燒優(yōu)化研究及應(yīng)用[J].智能科學(xué)與技術(shù)學(xué)報(bào)，2019，01（02）：59-66.