鍋爐故障診斷技術(shù)研究

厲恩啟

（山東省特種設(shè)備檢驗研究院棗莊分院，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)定運行。本文介紹了鍋爐故障和診斷技術(shù)的發(fā)展，詳細的介紹了鍋爐故障診斷的三類方法，基于數(shù)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(yōu)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(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，并承擔一定的壓力，屬于承壓類特種設(shè)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(fā)生，并造成巨大的經(jīng)濟損失和影響人身、社會安全。為了保證鍋爐運行的安全穩(wěn)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(shù)、大容量的發(fā)展，傳感器的信息數(shù)量龐雜，不能僅僅依賴現(xiàn)場工作人員的運行經(jīng)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(guān)學者提出的診斷方法主要分為基于數(shù)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(shù)學模型的方法主要分為參數(shù)估計診斷法和狀態(tài)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(luò)人工神經(jīng)網(wǎng)絡(luò)、專家數(shù)據(jù)庫系統(tǒng)、模糊聚類、證據(jù)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(yōu)缺點。

1　基于數(shù)學模型的診斷方法

參數(shù)估計診斷法和狀態(tài)估計診斷法都需要精確的過程模型，參數(shù)估計方法還需要被控過程的充分激勵、有效的參數(shù)估計方法和故障統(tǒng)計決策方法等，狀態(tài)估計需要已知噪聲統(tǒng)計特性和有效的方程解析程度等。基于參數(shù)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(tǒng)是一種復雜的多輸入多輸出非線性系統(tǒng)，無法建立精確的鍋爐數(shù)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(xiàn)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(shù)據(jù)的影響，結(jié)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(tǒng)數(shù)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(shù)據(jù)挖掘，通過數(shù)據(jù)層融合、特征層融合和決策層融合，實現(xiàn)對鍋爐故障更準確的診斷。

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)和和專家系統(tǒng)的人工智能方法已成為當今故障診斷技術(shù)的重要研究方向。國內(nèi)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(jīng)獲得了實際的運行。

故障診斷專家系統(tǒng)知識庫中存儲了鍋爐故障模式、成因和處理方案，推理機構(gòu)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(jié)果進行評價和決策。通過結(jié)合人工神經(jīng)網(wǎng)絡(luò)的學習和自適應功能，可以實現(xiàn)專家系統(tǒng)在非線性系統(tǒng)中有效應用。如圖1所示。

神經(jīng)網(wǎng)絡(luò)具有非線性、聯(lián)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(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(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)模型進行診斷。

4　結(jié)語

本文論述了三類鍋爐故障診斷方法，分別以參數(shù)估計故障診斷、小波信號故障診斷和神經(jīng)網(wǎng)絡(luò)及專家系統(tǒng)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(yōu)缺點。利用有效的鍋爐故障診斷方法及時的發(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題，降低鍋爐故障對相關(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(shù)的研究［D］.南京工業(yè)大學，2006.

［4］石寧.基于模糊專家系統(tǒng)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(shù)在鍋爐故障診斷中的應用［J］.工業(yè)安全與環(huán)保，2005，31（6）：48-49.

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

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