可靠性基础理论.ppt

谢 谢！ 该系统知识来源于该院的手册《锅炉管道故障调查和修复》， ESCARTA系统首先将锅炉承压受热面分为四个组成部分：水冷壁、过热器、再热器、省煤器，然后询问操作者损坏的部位、发生现象和诱发原因，从22种损伤机理中，通过规则诊断推理，找出其中一种为故障原因。 美国北印第安纳公共服务公司电厂锅炉最佳运行控制系统，监测锅炉排烟温度、锅炉吹灰系统、空气预热器的正常运行，将他们调整到最佳状态。 美国Lockheed Martin公司开发的InEC系统具有传统专家系统和神经网络技术混合模式，帮助操作者选择合理的运行参数，减少燃烧损失。 美国Pegasus公司开发锅炉优化运行系统，以神经网络系统为内核，用以提高燃烧效率和降低NOx排放。 此外，日本石川捣播磨重工和三菱重工开发的火力发电厂支援系统等也用于电厂。 国外使用最成功的故障诊断系统是美国西屋公司开发的汽轮发电机组专家系统，该公司在佛罗里达奥兰多发电设备本部建立了自动诊断中心。 国内清华大学、哈工大、华中理工大学、华北电力大学等单位开发的故障诊断系统已用于国产300MW机组。 人工智能 电站设备故障诊断属于系统故障诊断，特点为：故障复杂，没有规律，仅能凭操作者对设备的认识和经验直觉处理；很多故障征兆相近，或多种故障存在同一征兆。 根据设备的已知故障，分析确定其征兆和表象，此过程为正问题；根据设备表象，分析确定故障原因、部位、严重程度等，为逆问题。对于锅炉很多故障，逆问题可能有多种答案。 用机器来复制人的智能，即用计算机和相应的软件系统来执行和人的智能相关的复杂功能，称为人工智能。针对某个领域的人工智能系统称为专家系统。专家系统的知识来源于规律、算法、定理、准则以及经验等。 人工智能主要包括：专家系统、神经网络方法、故障树诊断法、模糊数学诊断、参数估计法等。 专家系统简述 专家系统(Expert System，ES)是人工智能(Artificial Intelligence，AI)的一个研究分支， 是目前国内外发展最快的AI领域之一。所谓专家系统是把由某一领域专家们多年积累的经验归纳总结而形成的知识库和模拟人类判断推理过程的推理机结合起来，用以解决这一领域实际问题的计算机软件系统。如EPRI的ESCARTA系统。 人工神经网络简述 人工神经网络是根据现代生物学研究人脑组织所取得的成果而提出的，反映了人类大脑的基本特征：学习、记忆和归纳。它不同于传统的人工智能领域普遍采用的基于逻辑与符号处理的理论和方法，为人工智能的研究开发了一种新方法。 专家系统不足：1.知识获取的“瓶颈”问题；2.模拟专家思维过程的单一推理机制的局限性；3.系统缺乏自学习能力。 神经网络不足：它不能很好的利用领域专家积累的经验知识，只利用一些明确的故障诊断实例，而且需要一定数量的样本学习，通过训练最后得到的是一些权值矩阵，而不是像专家经验知识那样的逻辑推理产生式，所以缺乏对诊断结果的解释能力。 三、故障诊断试验 诊断试验即提取故障特征量。以锅炉为例，其一般故障特征量的提取是根据常规测量手段获得的。锅炉的常规监测包括五种类型：常规温度测量、压力和风压测量、流量测量、水位或物位测量、烟气成分测量。通过以上测量数据，加上操作者的经验，可诊断故障的可能性。 但锅炉燃烧故障、四管泄漏等故障特征量提取需用特殊手段。 煤粉燃烧可提取火焰光谱信号、辐射频谱信号、火焰颜色信号、声波信号及炉膛负压等。根据火焰检测、炉膛温度监视等手段，诊断燃烧故障。 四管泄漏可采用超声波检测、声波探测、壁温监测等手段进行诊断。 一、燃烧诊断（例） 激光测量：对于气相温度测量，喇曼散射有两种类型可以利用。一种是自激喇曼散射(SRS)，另一种是相干反斯托克斯喇曼散射(CARS)。SRS用于干净火焰测量；CARS可用于发光、含颗粒及湍流火焰测量。 还可以测量组分浓度、颗粒成分等。 辐射频谱分析：火焰频谱分析试验装置由光探头、光电转换器、放大滤波电路、A/D转换和计算机组成。其中光电转换(光电管)和放大滤波电路均安装在光探头内。在滤波电路中滤除了信号的高频噪声。火焰信号频谱估计采用通用的周期图窗函数快速FFT法分别对稳定燃烧工况和非稳定工况进行分析。 火焰颜色分析：火焰颜色，由可见光波长段的火焰发光所决定。碳氢化合物火焰的发光光谱，由燃烧中间产物如CH、C2中间基的非连续光谱、CO分子与O原子再结合反应所产生的连续光谱、作为固体的炭黑粒子所发射的连续光谱等组成。其光谱强度随燃料、燃料与氧比剂的混合状态、燃烧反应过程的延迟等变化，并引起火焰颜色产生变化。因此，从火焰所发出的光的颜色，含有与燃烧状况有关的信息，是把握燃烧状况重要的情报来源。 a-1.22 kgc/kga；b-0.88；c-0.68