复杂过程的智能故障诊断技术及其在大型工业窑炉中的应用研究控制理论与控制工程专业论文.docxVIP

中南大学博士学位论文摘 中南大学博士学位论文 摘 要 现有的故障诊断理论和技术正面临着复杂过程的复杂性带来的 严峻挑战，研究复杂过程的故障诊断技术，对于保证大型流程工业 生产的安全稳定运行，从而切实提高企业的经济效益具有重要的现 实意义。因此，论文以大型工业窑炉作为应用对象，研究了复杂过 程的智能故障诊断技术。 首先，提出并建立了基于模糊逻辑、神经网络和专家系统的智 能集成故障诊断模型框架：建立模糊神经网络诊断模型解决复杂过 程的故障征兆自动获取问题，利用专家系统的优势根据模糊神经网 络诊断模型输出结果完成复杂过程的故障诊断任务。 接着，在提出的智能集成故障诊断模型框架的指导下，以人工 智能方法为基础，重点研究了知识库的建立和维护：(1)提出并建立 了深层浅层知识集成表示模型，将基于诊断对象机理知识表示的深 层知识与基于产生式规则表示的浅层知识结合，解决了浅层知识集 不完备和深层知识搜索空间过大影响诊断性能的问题。(2)提出了将 复杂过程的知识获取分为基于完整数据集和不完整数据集两方面来 考虑：①提出了基于组合优化算法的完整数据集知识获取方法，避 免了获取的知识存在的不完全、不一致等问题，构成的基于GA和 SA的组合优化算法克服了单一优化算法在知识获取中存在的稳定性 差和搜索效率低的问题。②提出了基于粗糙集理论的不完整数据集 知识获取方法，解决了知识获取中无法估计故障状态属性的未知特 征值问题。利用粗糙集的不完整等价类概念将训练事例划分为下近 似和上近似两类，通过事例与近似互相作用，推导出规则并估计出 故障状态属性的未知特征值。(3)提出了基于理论修正方法的维护算 法，解决了新知识是新模式无法归入已有模式的知识更新问题。根 据给定的控制过程，将该类知识更新问题归结为一类标准形式，并 给出问题的形式化描述，然后利用提出的维护算法对问题求解以完 成知识库的规则更新。 在对推理机制的研究中，采用模糊神经网络推理方法解决了模 糊规则推理时存在的冲突和低效率问题。利用双向交替控制策略减 少选择目标和证实目标的盲目性，提高了推理效率。为了提高模型 的诊断能力，对于推理机依靠知识库中的知识无法解决的疑难故障 进行了研究：(1)对于推理机无法解决的故障和征兆不匹配的多因故 障问题，在将故障直接引起征兆的概率替换为用模糊关系表示的程 度的基础上，提出了基于一种新的模糊诱导推理模型的多故障诊断 方法，解决了原模型无法给出不同故障假设描述标准的问题。(2)对 于推理机无法处理的异常类故障问题，提出了一种基于生长细胞结 复杂过程的智能故障诊断技术及其在大型工业窑炉中的应用研究构输入空间分散划分方法的模糊分类器解决，将有监督算法与无监 复杂过程的智能故障诊断技术及其在大型工业窑炉中的应用研究 构输入空间分散划分方法的模糊分类器解决，将有监督算法与无监 督算法相结合对其进行改进，提高了模糊分类器的执行效果。并成 功应用于工业煤粉锅炉的故障分离。 以密闭鼓风炉的工艺和故障机理分析为基础，依据智能集成故 障诊断模型框架和智能故障诊断理论和方法的研究成果，结合提出 的基于分形理论的复杂过程故障信号检测方法，设计开发并完成了 密闭鼓风炉铅锌熔炼过程故障诊断系统。实现了对炉况运行状态和 运行趋势的预报，对异常参数与异常炉况的报警与诊断，并提供操 作指导，避免了炉况操作的盲目性，利于提高产量，获取更大的经 济效益。系统投入使用后，运行效果良好。 关键词：复杂过程，智能集成故障诊断模型框架，知识获取，工业 煤粉锅炉的故障分离技术，密闭鼓风炉铅锌熔炼过程故障诊断系统 Il ABSTRACTNowadays，the ABSTRACT Nowadays，the existing fault diagnosis theories and technologies are facing the difficult challenge that is brought by the complexifies of process control，SO studying the fault technology of complex process has an important and practical meaning for ensuring the safe and stable running and improving economy of the large flow control industry．Hence， taking the large—scale industrial kilns as research subjects，this dissertation researches the application of intelligent fault d