火电厂热工控制系统故障诊断方法探讨.docVIP

火电厂热工控制系统故障诊断方法研究 　　摘 要：许多控制回路包含在火力发电机组的汽机、锅炉系统和其他辅助系统中，以前重点从局部的某一个单一的控制系统着手进行研究，此项研究整体性得到了忽略，导致许多故障检测不出。所以需从大型火电发电机组总体出发，使故障诊断与检测能高效、全面和准确的实现。故障的类别用单一的频谱变化来进行判断，故障诊断性能得到了较大的提高 关键词：热工控制；模糊理论；支持向量机；故障诊断 引言 根据火电厂的运行方式，将热工控制系统中的常见故障类别、故障诊断对象和故障诊断办法确定；基于数据统计和信号处理的诊断方法根据系统中关键执行器、传感器的常见故障提出。从而采用相应的措施来阻止故障进一步扩大，实现提高系统可靠性能，缩减维修成本和时间的目的[1]。一类分类问题就根本而言属于故障诊断。支持向量机（Support Vector Classification）具有在较小样本下即可得到不错的训练效果以及其求得的解为全局最优解等优势，文章从模糊评判和SVM理论着手，依据故障类别和故障特点的不确定性，努力找到一种智能化的综合评判方法，从而建立一种故障诊断模型，即实用又高效 1 训练样本用模糊理论表示 设故障类别第i个样本ui对征兆集的第j个样本vj的隶属度是rij，那么征兆vj分析的结论应用模糊集合Ri来示意 进一步确定rij，rij的确定依据专家经验，它是主观的，另外其他原因也要考虑[2]，文章的隶属函数可以用加权统计办法来计算，由故障相关率，经验资料统计，对应故障效应，故障采取样本（观测或获得）的难易水平（幅值的变化水平）4个因素进行剖析，用下面的符号分别来表示： X1：故障样本统计（故障样本产生的个数） （比较小、非常小、比较多、中、小、很多、大） X2：故障相关率（这些样本联系故障的概率） X3：对应故障效应 X4：故障采取样本（观测或获得）的难易水平 故障ui产生的次数用N表示，故障出现时vj产生的次数用N表示 权数集合与评分集合在每一个征兆集中，算出对应的隶属度rij 2 粒子群算法和SVM的结合 文章采取改进的离散PSO并联合SVM取得1个故障源提取算法。改进的离散PSO 算法xid为样本的所在位置。诊断数中所有变量构成了粒子，取数值为0或1，相应变量被选取用0表示，由变量参加计算用1代表。随机数rand（）在[0，1]平均分布。pid为粒子自身最大值，gid为总体最值，vid表示速度，认为是[0，1]均匀分布随机数。rand（xid）可以对xid实现随机赋值。？琢为一可调参数，将初始值定为1个较大的数值，使粒子搜寻解空间时充分进行， 避免进入局部得最优值：随着粒子进化，要保证算法稳定应将？琢改为一较小值[3]，快速收敛。首先？琢初始值设为0.3-0.4，然后降为0.2。改进后的遗传算法GA与该PSO离散算法的收敛V相当，更容易实现并且简单，而且想要设置的变量还比GA少，因此应用更加广泛[4] 粒子的最终适应度函数用f（xid）；粒子对应的SVM正分率用f（id）；mc是此粒子选取的变量数；mall是系统采用数据所有变量数； p为微调参数，平衡变量的数与最大正分率，依据指定的系统变量数和故障诊断要求进行采用[5] 用具体的PSO离散和SVM 特征采样算法的详细步骤如下：（1）对粒子群进行初始化；（2）适应度的函数用每一个粒子训练；（3）将粒子的自身最大值和适应度对比，假如大于，则更新适应度；（4）全局最值用取出以前中最大适应度值表示；（5）改进粒子群依据离散公式；（6）判断是否符合终止法则， 是则停止， 否则跳至第（2）步 如果接连几次迭代适应度提高不显著或是到达提前设置的最大迭代次数可认为符合终止法则，迭代完成 3 综合故障诊断 特依据火电厂过热汽温控制系统中执行器的不直、不牢固和传感器的不平衡、对不中、磨损、损裂等故障实施了诊断试验。所采用的判断方法是故障诊断简单高效的办法。此方法操作容易、很高的诊断精确度并稳定，通过在运行现场调试，获得了较好的诊断效应 采用权数集合X=（0.3，0.25，0.36.0.1），从而获得转子不对称的隶属度R矩 SVM的训练样本采用每行数据，以上仅仅对一组数据实施了计算分析，而实际的现场应用中，我们则必须要进行大规模的计算以实现我们所希望的训练样本，选用50组数据实施训练，输出模式为： 采用Matlab进行仿真训练，然后用一组数据进行了验证，可信度为0.854，证明以上方法是行之有效的 4 结束语 火电厂热控系统繁杂，涵盖内容多，如果产生故障，不但对火电厂的正常运行有影响，并且还会造成大量的人员伤亡[6]。所以需从大型火电发电机组总体出发，使故障诊断与检测能