鍋爐故障診斷技術研究

厲恩啟

（山東省特種設備檢驗研究院棗莊分院，山東棗莊　277800）

鍋爐故障診斷技術研究

厲恩啟

（山東省特種設備檢驗研究院棗莊分院，山東棗莊277800）

鍋爐是重要的工業設備，鍋爐故障診斷技術的研究可以有效保證鍋爐的安全穩定運行。本文介紹了鍋爐故障和診斷技術的發展，詳細的介紹了鍋爐故障診斷的三類方法，基于數學模型的診斷方法、基于輸入輸出信號處理的診斷方法和基于人工智能的診斷方法，并分析了三類方法的優缺點。對實際的運行情況，選擇合理的故障診斷方法，從而及時的發現鍋爐故障，可以保證工業生產安全和減少故障損失。

鍋爐故障診斷研究

作為電力、化工等重工業的動力設備和印刷、紡織等輕工業的重要設備，鍋爐利用能源燃料，加熱容器內液體，并承擔一定的壓力，屬于承壓類特種設備。實際工程中，由于管道堵塞、漏風等原因，會導致鍋爐故障的發生，并造成巨大的經濟損失和影響人身、社會安全。為了保證鍋爐運行的安全穩定，需要快速并準確的對故障進行判定，以便于故障的修復和排除。

目前，隨著鍋爐高參數、大容量的發展，傳感器的信息數量龐雜，不能僅僅依賴現場工作人員的運行經驗進行故障的判斷，需要采用更加智能快速的方法進行故障的計算機分析。相關學者提出的診斷方法主要分為基于數學模型、基于輸入輸出信號處理和基于人工智能的三類方法。基于數學模型的方法主要分為參數估計診斷法和狀態估計診斷法；基于輸入輸出信號的處理方法分為直接量測法、小波變換法、信息匹配法和信息融合法等；人工智能方法包絡人工神經網絡、專家數據庫系統、模糊聚類、證據理論等。本文分別介紹了上述三類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缺點。

1　基于數學模型的診斷方法

參數估計診斷法和狀態估計診斷法都需要精確的過程模型，參數估計方法還需要被控過程的充分激勵、有效的參數估計方法和故障統計決策方法等，狀態估計需要已知噪聲統計特性和有效的方程解析程度等。基于參數估計的故障診斷方法框圖如圖1所示。

實際情況下鍋爐系統是一種復雜的多輸入多輸出非線性系統，無法建立精確的鍋爐數學模型，需要進行簡化處理；此外該類方法還會受到噪聲信號的影響，導致診斷失誤。

2　基于輸入輸出信號處理的診斷方法

直接分析鍋爐的輸入輸出信號，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，就可以實現對鍋爐故障的有效判斷，但直接利用輸出輸出信號進行故障診斷會受到噪聲和不良數據的影響，結果失真。

對輸入輸出信號進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。對輸入輸出信號進行小波變換，獲得信號的奇異點，進行故障診斷，該方法不需要系統數學模型，且能夠有效克服噪聲污染，有較高的引用價值。信息融合充分利用信息的冗余度，進行充分的數據挖掘，通過數據層融合、特征層融合和決策層融合，實現對鍋爐故障更準確的診斷。

圖1　基于模型參數的故障診斷流程圖

3　基于人工智能的診斷方法

以神經網絡和和專家系統的人工智能方法已成為當今故障診斷技術的重要研究方向。國內外專家對鍋爐故障診斷的智能算法進行了廣泛研究，取得了很多成果，其中部分已經獲得了實際的運行。

故障診斷專家系統知識庫中存儲了鍋爐故障模式、成因和處理方案，推理機構在推理機制的指導下，將輸入信號和對照表進行對比，并進行故障的診斷，并對結果進行評價和決策。通過結合人工神經網絡的學習和自適應功能，可以實現專家系統在非線性系統中有效應用。如圖1所示。

神經網絡具有非線性、聯想學習和自適應性等特點，可以有效的適用于鍋爐故障診斷。常用的神經網絡模型包括B P網絡、Hopfield網絡、Kohlon網絡和Hanmming網絡等，按照學習和使用過程是否分開又分為有導師學習和無導師學習兩種。以BP神經網絡為例，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神經網絡模型進行診斷。

4　結語

本文論述了三類鍋爐故障診斷方法，分別以參數估計故障診斷、小波信號故障診斷和神經網絡及專家系統為例詳細論述了三類方法的具體故障診斷原理，和相互之間的優缺點。利用有效的鍋爐故障診斷方法及時的發現鍋爐故障并采取合理的措施可以有效的降低鍋爐故障問題，降低鍋爐故障對相關人員、工業生產的安全影響，提高工業生產的經濟效益。

［1］王希光.故障樹理論在火電廠鍋爐故障診斷中的應用［D］.大慶石油學院，2004.

［2］熊浩.電站鍋爐故障診斷與預測研究［D］.重慶大學，2003.

［3］花偉.鍋爐混合智能故障診斷技術的研究［D］.南京工業大學，2006.

［4］石寧.基于模糊專家系統的鍋爐故障診斷方法的研究［D］.沈陽理工大學，2009.

［5］王從陸，李樹清.信息融合技術在鍋爐故障診斷中的應用［J］.工業安全與環保，2005，31（6）：48-49.

［6］周學偉，于洋，陳亮，等.基于數據庫技術的鍋爐故障診斷專家系統研究［J］.自動化博覽，2008（6）：40-42.

［7］高建強，陳鵬.多維BP神經網絡在鍋爐故障診斷中的應用［J］.熱力發電，2011，40（4）：77-80.