0．引言

現(xiàn)代工礦企業(yè)設(shè)備日益朝向大型化、復(fù)雜化、智能化發(fā)展，迫切要求對其運(yùn)行狀態(tài)進(jìn)行多參數(shù)監(jiān)測和故障診斷。隨著芯片技術(shù)的發(fā)展及智能技術(shù)的應(yīng)用，診斷技術(shù)已開始進(jìn)入一個(gè)新階段，即智能化階段，這是一種基于人工智能技術(shù)的診斷方法。該方法對復(fù)雜大系統(tǒng)的診斷尤其有效，可充分利用現(xiàn)有的經(jīng)驗(yàn)知識，構(gòu)造智能模型，進(jìn)行快速診斷。智能診斷系統(tǒng)的性能取決于所采用的智能模型。

本文用人工神經(jīng)網(wǎng)絡(luò)綜合實(shí)現(xiàn)凝汽器運(yùn)行狀態(tài)的診斷判斷。其原理是：設(shè)備的各種運(yùn)行狀態(tài)與其各種物理參數(shù)如溫度、壓力、振動頻率等有一定關(guān)聯(lián)。這種關(guān)聯(lián)難以用確定的數(shù)學(xué)表達(dá)式來表達(dá)，但可以用神經(jīng)網(wǎng)絡(luò)來逼近該模型。

1．基于神經(jīng)網(wǎng)絡(luò)的故障診斷

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks 簡稱ANN）[1]是由大量簡單處理單元廣泛連接而成的復(fù)雜的非線性系統(tǒng)，具有學(xué)習(xí)能力、自適應(yīng)能力、非線性逼近能力等。實(shí)際應(yīng)用研究中，大多使用的是 BP網(wǎng)絡(luò)（Back-Propagation network）即反向傳播網(wǎng)絡(luò)。BP網(wǎng)絡(luò)因具有較強(qiáng)的非線性逼近能力，能進(jìn)行故障模式識別，還能進(jìn)行故障嚴(yán)重程度評估和故障預(yù)測，因此，應(yīng)用最廣。但是，由于BP算法在迭代時(shí)采用梯度下降法，存在著收斂緩慢、振蕩和局部極小等問題，一些改進(jìn)的BP算法在這些方面有些改善。BP網(wǎng)絡(luò)屬于多層結(jié)構(gòu)，前饋式，它是繼Hopfield 網(wǎng)絡(luò)之后，Rumelhart提出的又一重實(shí)用網(wǎng)絡(luò)模型，其學(xué)習(xí)算法采用的是反向傳播算法，基本思想是構(gòu)造一個(gè)類似于感知機(jī)的非線性系統(tǒng)，并讓該系統(tǒng)的決策能力與最小誤差函數(shù)和梯度下降聯(lián)系起來，從而解決了普遍存在的多層神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)不易收斂問題。

1989年Robert Hesht Nielson證明了對于任何在閉區(qū)間內(nèi)的一個(gè)連續(xù)函數(shù)，都可以用一個(gè)隱含層的BP網(wǎng)絡(luò)來逼近，因而一個(gè)3層BP網(wǎng)絡(luò)可以完成任意的n維空間到m維的映射，故本文采用的網(wǎng)絡(luò)是3層網(wǎng)絡(luò)，中間只有一層隱含層，網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示。

2．系統(tǒng)總體方案介紹

表1為該系統(tǒng)使用的凝汽器11種典型故障的征兆集[2][3]。在征兆集中，“1”表示征兆存在，“0”表示征兆不存在。BP網(wǎng)絡(luò)的目標(biāo)輸出對應(yīng)各故障的隸屬函數(shù)，即為：
   q, l-1, 2, …， 11

為了說明起見，仍采用文獻(xiàn)[2]中給出的故障征兆來對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

該系統(tǒng)實(shí)現(xiàn)的功能有上述17種信號的采集與放大濾波、壓力溫度信號的補(bǔ)償、鍵盤輸入、LCD顯示輸出、與上位機(jī)的通信。

注：故障征兆序號的含義為：1.真空急劇下降；2.真空緩慢下降；3.循環(huán)水泵電動機(jī)電流降至零；4.循環(huán)水泵出口壓力降至零；5.汽輪機(jī)低壓脹差為負(fù)值；6.凝結(jié)水泵出口壓力增加；7.凝結(jié)水泵出口壓力下降；8.凝結(jié)水泵電動機(jī)電流增加；9.凝結(jié)水泵電動機(jī)電流減小; 10 .凝結(jié)水導(dǎo)電度增加; 11 .低壓加熱器水位升高; 12 .循環(huán)水溫升增加; 13 .循環(huán)水溫升減小; 14.凝汽器端差增加；15.凝結(jié)水過冷度增加；16 .抽氣器抽出的空氣溫度與冷卻水入口溫度之差增加;17.凝汽器抽氣口至抽氣器入口之間的壓差減小。

3．硬件實(shí)現(xiàn)

為了硬件系統(tǒng)的小型化，這里選用帶有A/D轉(zhuǎn)換、4K ROM和256字節(jié)RAM的83C552 CPU。可編程放大器同時(shí)具有采樣保持的功能。

4．軟件實(shí)現(xiàn)

用Franklin C51[4]編制BP程序關(guān)鍵部分如下：
uchar data i,j;
float xdata show[17];  //故障征兆
float xdata fault[11];  //故障類型
float xdata weight[10][17]; //輸入層與隱含層間的權(quán)重
float xdata vweight[11][10]; //隱含層與輸出層間的權(quán)重
//這兩種權(quán)重已在PC機(jī)中訓(xùn)練好,燒錄在EPROM中。
float xdata Inet[10];
……  //初始化,從采集濾波保存的信號中讀取show[17]
for(i=0; i<10; i++)
 for(j=0; j<17; j++)
  Inet[i] += weight[i][j]*show[j];
for(i=0; i<11; i++)
 for(j=0; j<10; j++)
   fault[i] += vweight[i][j] / (1.0 + exp(-Inet[j]));
for(i=0; i<11; i++)
{ if(fault[i] > 0.1)
  ……  // 顯示出故障并調(diào)用通信程序上位機(jī)
    // 進(jìn)行通信告知故障
}

實(shí)現(xiàn)通信功能的主要程序如下：
//這里略去了中斷服務(wù)程序的初始化
uchar idata transmit_buf[8] = "fault1";
uchar idata receive_buf[8];
void transmit_data(void)
{ uchar p, i;
 transmit_ready = 0;
 do{ p = 0; //清校驗(yàn)和
  for(i=0; i<8; i++)
  { SBUF = transmit_buf[i];//發(fā)送一數(shù)據(jù)
   p += transmit_buf;
   while(TI != 1);
   TI = 0;
  }
  SBUF = p; //發(fā)送校驗(yàn)和
  while(TI == 0);  TI = 0;
  while(RI == 0);  RI = 0;
 }while (SBUF != 0)//接收不正確，重新發(fā)送
 SM2 = 1;  //設(shè)置監(jiān)聽狀態(tài)
 ES = 1;   //開串行口中斷
}
void receive_data(void)
{
 uchar p, i;
 receive_ready = 0;
 while(1)
 {
  p=0;  //清校驗(yàn)和
  for(i=0; i<8; i++)
  {
   while(RI != 1); RI = 0;
   receive_buf[i] = SBUF; //接收一數(shù)據(jù)
   p += receive_buf[i];
  }
  while(RI != 1);  RI = 0;
  if(SBUF==p) {SBUF=0x00;  break;}
   //校驗(yàn)和相同，發(fā)"00"
  else{
   SBUF=0xff; //校驗(yàn)和不同，發(fā)"0FF"
   while(TI == 0);  TI = 0;}
 }
 SM2 = 1;
 ES = 1;
}

5．實(shí)驗(yàn)結(jié)果及對比

重慶電廠機(jī)組凝汽器運(yùn)行過程中表現(xiàn)出的故障征兆：(0 1 0 0 0 0 0 0 0 0 0 1 0 1 1 0 0)，將其對應(yīng)的電信號分別輸入各個(gè)壓力溫度電導(dǎo)儀傳感器，經(jīng)過采集濾波，進(jìn)入上述已訓(xùn)練好的BP網(wǎng)絡(luò)中，網(wǎng)絡(luò)即輸出該征兆相對于各故障的隸屬度，如表2 所示。

為了比較起見，這里將文獻(xiàn)[2]中的模糊診斷方法簡單說明如下：

設(shè)故障論域中有m個(gè)模糊子集 A1，A2，…，Am，它們分別代表m種故障。對于該論域中的任意一個(gè)元素u0，若有
μAi(u0) = max{μA1(u0),μA2(u0), …,μAm(u0)}

則稱u0相對屬于Ai，其中μAi(u0)是u0相對Ai的隸屬度函數(shù)。

設(shè)凝汽器系統(tǒng)中有n種故障征兆S1，S2，…，Sn，每種故障所表現(xiàn)出的征兆論域?yàn)椋?br /> u(i) =S1(i)，S2(i)，…，Sn(i))，i=1，2，…，m

對于實(shí)際運(yùn)行中的任意故障征兆u(yù)=(S1，S2，…，Sn)

則其相對于各故障Ai (i=1，2，…，m)的隸屬度為：
μAi(u) = 

根據(jù)最大隸屬度的原則，便可以診斷出該凝汽器存在的故障。這種診斷方法實(shí)質(zhì)上是一種基于歐氏距離的診斷方法，適用于對線性可分的故障類別進(jìn)行診斷。其診斷結(jié)果如表2所示。

從表2看出，把診斷門限值取為0.1時(shí)，據(jù)BP網(wǎng)絡(luò)輸出值判斷為5、10、6、11號，此結(jié)論與文獻(xiàn)[2]中給出的結(jié)論是相符的。同時(shí)計(jì)算得出的值之間的差別比文獻(xiàn)[2]中由模糊診斷得出的值之間得出的差別更加明顯，從而可更為準(zhǔn)確的得到故障集。

6．結(jié)束語

在今天大力提倡智能儀表的形勢下，采用微機(jī)實(shí)現(xiàn)智能化，使微計(jì)算機(jī)技術(shù)應(yīng)用前進(jìn)了一大步，尤其是采用了單片微機(jī)，大大簡化硬件電路，也就減小了儀表體積，降低了儀表的成本。體積的縮小，使智能儀表的安裝更加容易；通信的應(yīng)用，使整個(gè)系統(tǒng)分布式的實(shí)現(xiàn)也更加容易。如果完善設(shè)計(jì)的功能，擴(kuò)大應(yīng)用范圍，可使本設(shè)計(jì)在故障檢測方面發(fā)揮更大作用。

參考文獻(xiàn)：
[1] 趙林明等 多層前向人工神經(jīng)網(wǎng)絡(luò) 黃河水利出版社 1999.7
[2] 李錄平 凝汽器低真空運(yùn)行的原因及模糊診斷，汽輪機(jī)技術(shù)，1993(5)：45~48
[3] 汽輪機(jī)運(yùn)行規(guī)程 重慶電廠內(nèi)部資料 2001
[4] 徐愛鈞,彭秀華 單片機(jī)高級語言C51 Windows環(huán)境編程與應(yīng)用 電子工業(yè)出版社 2001.7