除氧器故障自診斷專家系統(tǒng)設(shè)計與研發(fā)

牛百芳，張洪星，辛 浩，姚一鳴

(1.華電宿州發(fā)電廠，安徽 宿州 234000;2.上海電力學(xué)院，上海 200090)

除氧器是火電廠熱力系統(tǒng)的重要設(shè)備之一，根據(jù)長期的現(xiàn)場運行經(jīng)驗，在其運行過程中，容易發(fā)生水位異?；驂毫Ξ惓５膱缶?，對于經(jīng)驗不足的運行人員來說，判斷其是否運行異?；蛘叽嬖诤畏N故障是一個相對困難的問題.一旦延誤，則可能發(fā)生安全事故或造成經(jīng)濟損失.為此，本文采用除氧器的主要參數(shù)報警作為診斷的觸發(fā)條件，使用專家系統(tǒng)的方法，研究并開發(fā)了一套有針對性的智能故障診斷系統(tǒng).與傳統(tǒng)的周期在線故障診斷專家系統(tǒng)相比，這種基于報警觸發(fā)式設(shè)計的具有一定推理性的診斷系統(tǒng)不僅解決了周期運行帶來的無效診斷的弊端，同時也提高了診斷與定位的準確性，具有良好的容錯性.

1 故障診斷專家系統(tǒng)結(jié)構(gòu)

以報警狀態(tài)和實時數(shù)據(jù)共同作為輸入?yún)?shù)，以故障類型、故障置信度和指導(dǎo)信息作為輸出的報警觸發(fā)式故障診斷專家系統(tǒng)如圖1所示.系統(tǒng)由故障征兆在線獲取計算和自診斷系統(tǒng)兩部分組成.在故障征兆獲取中，所有的征兆事實由實時數(shù)據(jù)庫中存放的設(shè)備數(shù)據(jù)及系統(tǒng)推理過程中需要的數(shù)據(jù)組成;自診斷系統(tǒng)則由證據(jù)庫、規(guī)則庫、推理機和人機界面4部分組成，其中規(guī)則庫和推理機被稱為專家系統(tǒng)的核心.

圖1 報警觸發(fā)式故障診斷專家系統(tǒng)的結(jié)構(gòu)

證據(jù)庫的任務(wù)是將征兆事實經(jīng)過一定的知識表達轉(zhuǎn)換成與規(guī)則進行比較的證據(jù).規(guī)則庫則用于存放領(lǐng)域?qū)＜业母鞣N與設(shè)備故障診斷有關(guān)的知識，并按一定的知識表示形式存入診斷規(guī)則庫中.診斷規(guī)則庫是設(shè)備狀態(tài)診斷專家系統(tǒng)的核心，可由ACCESS組建關(guān)系數(shù)據(jù)庫實現(xiàn).

診斷部分由推理機實現(xiàn)，推理機的任務(wù)如同專家的大腦，是一組程序，用于控制整個系統(tǒng)的運行，可由VC++編程實現(xiàn).

而輸出部分則由人機界面實現(xiàn)，主要任務(wù)是將診斷結(jié)果顯示給用戶.

當報警發(fā)生時，自診斷系統(tǒng)被報警狀態(tài)激活，此時實時數(shù)據(jù)庫中的測點實時數(shù)據(jù)與報警狀態(tài)一起通過獲取征兆后傳輸至自診斷系統(tǒng)，在自診斷系統(tǒng)中被轉(zhuǎn)化為證據(jù)，然后推理機制將其與規(guī)則庫中的規(guī)則進行推理匹配，待匹配成功后診斷結(jié)果被返回人機界面顯示給運行人員.

2 故障征兆獲取

傳統(tǒng)故障診斷中，故障的征兆主要通過精確建模后的推理和計算得到，其優(yōu)點是結(jié)果準確，并為量化處理提供依據(jù)［1］，但缺點是建模得到的微分方程組求解困難，且現(xiàn)場設(shè)備的老化情況和運行情況難以考慮.因此，本文結(jié)合火電廠發(fā)電機組、領(lǐng)域?qū)＜医?jīng)驗、火電廠仿真機測試和機理分析的方法來建立故障模型，分析獲取診斷所用的規(guī)則及其推理控制策略.圖2為故障診斷規(guī)則和推理控制策略知識的獲取流程.

圖2 報警觸發(fā)式故障診斷專家系統(tǒng)知識獲取流程

2.1 故障診斷規(guī)則

根據(jù)系統(tǒng)特點，采用基于規(guī)則的產(chǎn)生式方法來表示故障診斷規(guī)則.這種方法的優(yōu)點是容易描述事實、建立規(guī)則，以及對規(guī)則的不確定性進行量度［2］.例如，對于除氧器水位高報警下的除氧器水位調(diào)節(jié)閥門失靈開大故障，其規(guī)則可以表示為:

IF＜除氧器水位調(diào)節(jié)閥閥位－除氧器調(diào)節(jié)閥控制命令＞＜0.8＞

THEN＜除氧器水位調(diào)節(jié)閥門失靈開大＞＜0.9＞

經(jīng)過整理歸納后，最終將這些規(guī)則賦值并存入規(guī)則庫中.

2.2 故障診斷推理控制策略

為了使診斷快速準確，本文采用3層的層次分析理論對除氧器的故障診斷進行排序和優(yōu)化.

在層次模型中，復(fù)雜問題被分解成若干個元素，然后根據(jù)這些元素之間的關(guān)系組合成若干組，以形成不同的層次.同一層次的元素作為準則對下一層次的某些元素起支配作用，同時它又受到上一層次元素的支配［3］.圖3為報警觸發(fā)式故障診斷專家系統(tǒng)的層次圖.

圖3 報警觸發(fā)式故障診斷專家系統(tǒng)層次

(1)目標層 只有一個元素，它是問題的預(yù)定目標或理想結(jié)果;

(2)準則層 包括實現(xiàn)目標所涉及的中間環(huán)節(jié)需要考慮的準則，實現(xiàn)預(yù)定目標采取的某種原則、策略、方式等中間環(huán)節(jié)，可由若干層次組成;

(3)措施層 包括實現(xiàn)目標可提供選擇的各種措施、決策方案等.

最終，根據(jù)層次模型構(gòu)造判斷矩陣，通過計算便可獲得診斷所需的推理控制策略.在推理控制策略中，優(yōu)先級由高到低依次為:故障1，故障2，故障3，故障4.故障1為除氧器水位調(diào)節(jié)閥過大;故障2為給水量異常減小;故障3為虛假高水位;故障4則為高加疏水量陡然增加.

3 自診斷系統(tǒng)的匹配計算

3.1 語義證據(jù)的獲取

由于火電運行系統(tǒng)是一個動態(tài)、非線性的系統(tǒng)，故其故障征兆為不精確知識［4］.因此，本系統(tǒng)加入不精確知識的處理能力，實時檢測并經(jīng)過計算獲得征兆值，通過置信度求值函數(shù)知識化轉(zhuǎn)換成具有一定置信度的模糊語義證據(jù)，其函數(shù)如下:

參數(shù)偏離界限的表述也是通過應(yīng)用隸屬度函數(shù)的方式，對過高、正常、過低等語義證據(jù)表示為［0，1］之間的某一數(shù)值.圖4為對征兆值x的模糊語義置信度表示，轉(zhuǎn)換成語義證據(jù)，用過高或者過低來表示.正常情況下，該值落在［a，b］區(qū)間內(nèi).邊界值a和b稱為閾值，Xmin和Xmax分別為下限值和上限值.

3.2 診斷匹配算法

在診斷系統(tǒng)中，診斷匹配按照證據(jù)及其置信度與規(guī)則進行匹配，并通過置信度傳遞算法獲得診斷結(jié)論及其置信度.

系統(tǒng)采用的匹配算法如下:

式中:Ai——前提條件，i=1，2，…，n;

bi——前提的置信度，i=1，2，…，n;

B——結(jié)論;

b——結(jié)論的置信度.

圖4 x值的模糊語義證據(jù)置信度

假設(shè)獲得的證據(jù)A1'(b1')，A2'(b2')，…，An'(bn')(這里Ai'為證據(jù)，bi'為證據(jù)置信度)，則匹配性驗證算法為:

式中:λ——匹配指數(shù)，專家設(shè)置，本次設(shè)置為0.2.

如果上述匹配驗證中左邊計算結(jié)果小于等于λ，則認為匹配為真.

4 實例計算與分析

以除氧器水位調(diào)節(jié)閥門失靈開大故障為例，進行實例診斷分析.當發(fā)生此故障時，首先采集獲取征兆參數(shù)，如表1所示.

表1 故障征兆數(shù)據(jù) %

當發(fā)生除氧器水位高報警時，診斷系統(tǒng)被激活觸發(fā)，按照規(guī)則庫設(shè)置的規(guī)則，系統(tǒng)診斷后得到的故障類型定位結(jié)果為“除氧器水位調(diào)節(jié)閥門失靈開大故障”，如圖5所示.

根據(jù)匹配算法，計算如下:

即:0.025≤0.2，匹配完成，與診斷結(jié)論一致.

點擊閃爍的報警定位按鈕，便可進入下一級畫面，如圖6所示，即為診斷結(jié)果的可信度、故障原因分析，以及征兆值的實時顯示和操作指導(dǎo).

圖5 報警觸發(fā)式故障自診斷專家系統(tǒng)故障類型定位畫面

圖6 報警觸發(fā)式故障自診斷專家系統(tǒng)故障結(jié)果分析畫面

5 結(jié)語

通過現(xiàn)場運行的測試與調(diào)試，針對除氧器故障設(shè)計的基于報警觸發(fā)式的故障專家診斷系統(tǒng)已展現(xiàn)出自身的優(yōu)越性.一方面，診斷結(jié)果準確度高，診斷速度快，實時性好;另一方面，在運行工況或運行條件等發(fā)生改變的情況下，也能準確辨別當前報警下的故障，容錯性強.同時，不精確知識的表示使得其對故障征兆描述故障的準確性更加合理科學(xué).本系統(tǒng)的研發(fā)對目前火電站故障診斷的研究和實施具有一定的參考實用價值.

［1］金鑫，任獻彬.智能故障診斷技術(shù)研究綜述［J］.國外電子測量技術(shù)，2009，28(7):30-31.

［2］ANGELI C.Online expert systems for fault diagnosis in technical processes［J］.Expert Systems，2008，3(4):115-136.

［3］董文永，劉進，丁建立，等.最優(yōu)化技術(shù)與數(shù)學(xué)建模［M］.北京:清華大學(xué)出版社，2010:165-178.

［4］于達仁，王偉.除氧器故障診斷的含未測節(jié)點的符號有向圖方法［J］.汽輪機技術(shù)，2008(1):1-3.