淺析鍋爐故障的預測方法

申請免費試用、咨詢電話：400-8352-114

摘要：隨著社會的發(fā)展與進步，我們越來越重視鍋爐故障的預測方法，鍋爐故障的預測方法的掌握對于現(xiàn)實生活中具有重要的意義。本文主要介紹鍋爐故障的預測方法的有關內容。 

關鍵詞鍋爐；預測；精度；分析；故障；  abstract: with the social development and progress, more and more attention to boiler failure prediction methods, to master boiler failure prediction methods for the real life of great significance. this paper describes the boiler failure prediction methods.  keywords boiler; forecasts; accuracy; analysis; fault;  中圖分類號：tk223文獻標識碼：a 文章編號：  引言  鍋爐房是生產重地，同時也因為其使用的頻繁而導致故障頻發(fā)，常見的有鍋垢導致的，腐蝕引起的，移出引起的，軸承漏油燒毀引發(fā)的等故障，鍋爐故障往往是極大的安全隱患，因此探究鍋爐常見故障的預測方法是必要的，也是保障人民群眾生產，生活安全的重要組成部分。  1、鍋爐故障預測相關知識  人工智能故障診斷與預測技術是隨著現(xiàn)代化技術、經濟高速發(fā)展而出現(xiàn)的一門新型技術，它能鑒別設備的狀態(tài)是否正常，發(fā)現(xiàn)和確定故障的部位和性質并提出相應的對策，以提高設備運行的可靠性，延長其使用壽命，降低設備全壽命周期費用。采用故障預測技術可以實現(xiàn)對故障的早期發(fā)現(xiàn)并預測其未來的發(fā)展趨勢，便于對火電機組及時調整以避免惡性事故的發(fā)生，使機組能安全可靠的運行，同時提高機組的經濟性。  根據(jù)預測期限長短的不同可將故障預測分為三種。長期預測，為了制定鍋爐機組的長遠維修計劃和維修決策而進行的預測，時間一般為一個月以上，預測精度要求低。中期預測，對鍋爐機組在未來比較長的時間內的狀態(tài)進行預測，為機組的中期維修計劃和維修決策服務，時間一般為一周左右，預測精度要求較低。短期預測，對鍋爐機組的近期發(fā)展情況進行預測，時間為一天左右，對預測精度要求高。對于中、長期預測，由于精度要求不高，可考慮采取簡單的預測模型，建立單變量時間序列模型進行預測。而對于短期預測，對精度要求較高，同時由于各相關因素對當時的狀態(tài)值影響較大，因此在進行短期預測時，除了要考慮時間序列本身外，還應適當將其他相關因素考慮進去，這就需要建立多變量時間序列模型進行預測，以滿足短期預測對精度的要求。  2、故障預測精度要求  當今人上智能故障診斷與預測技術是隨著現(xiàn)代化技術、經濟高速發(fā)展而出現(xiàn)的一門新型技術，由于它能鑒別設備的狀態(tài)是否j下常，發(fā)現(xiàn)和確定故障的部位、性質，并提出相應的對策，以提高設備運行的可靠性，延長其使用壽命，降低設備全壽命周期費用。采用故障預測技術，還可以實現(xiàn)對故障的早期發(fā)現(xiàn)并預測其未來的發(fā)展趨勢，便j二對機組及相關設備的及時調整，避免惡性事故的發(fā)生與擴展，保障安全可靠的運行，并提高機組的運行經濟性。在預測期限上，根據(jù)預測期限長短的不同，一般可將故障預測分為：長期預測、中期預測和短期預測。  2．1長期預測  它是為了制定鍋爐機組的長遠維修計劃和維修決策而進行的預測，在時間上一般為一個月以上，其預測的精度要求低。  2．2中期預測  它對鍋爐機組在未來比較長的時間內的狀態(tài)進行預測，為機組的中期維修計劃和維修決策服務，在時間上一般為一周左右，其預測精度也要求較低。  2．3短期預測  它對鍋爐機組的近期發(fā)展情況進行預測，在時間上一般為一天左右，其預測精度要求較高。對于精度要求不高的中、長期預測，可考慮采取簡單的預測模型，建立單變量時間序列模型進行預測。對于精度要求較高的短期預測，由于各相關因素對當時的狀態(tài)值影響較大。在進行短期預測時除了要考慮時間序列本身外，還應適當將其他相關因素考慮進去。為此就需要建立多變量時間序列模犁進行預測，以滿足短期預測的精度要求．  3、常用的鍋爐故障預測方法  近年來不少研究者采用線性回歸分析法、時間序列分析法、灰色模型預測法、專家系統(tǒng)、人工神經網(wǎng)絡等方法進行鍋爐設備故障診斷研究，以探索快速有效的故障診斷與預測方法。常用的預測方法有：  3.1線性回歸分析法  回歸分析是尋找?guī)讉€不完全確定的變量間的數(shù)學關系式之間進行統(tǒng)計推斷的一種方法。在這種關系式中最簡單的是線性回歸分析。  3.2時間序列分析法  時間序列是指按時間順序排列的一組數(shù)據(jù)，時間序列分析法是指采用參數(shù)模型對所觀測到的有序的隨機數(shù)據(jù)進行分析與處理的一種數(shù)據(jù)處理方法。時間序列分析法主要有曲線擬合、指數(shù)平滑、季節(jié)模型、線性隨機模型等四種，主要適用于進行單因素預測，而對鍋爐故障預測這種既有確定性趨勢，又有一定的隨機性的多因素預測時，需要進行確定性趨勢的分離，計算比較復雜，同時還需對分離殘差的零均值及平穩(wěn)性進行假定，且其預測的精度不高。  3.3灰色模型預測法  灰色模型預測法是按灰色系統(tǒng)理論建立預測模型，它是根據(jù)系統(tǒng)的普遍發(fā)展規(guī)律，建立一般性的灰色微分方程，然后通過對數(shù)據(jù)序列的擬合，求得微分方程的系數(shù)，從而獲得灰色預測模型方程。應用灰色系統(tǒng)理論作故障預測主要有兩種方法，一是基于灰色系統(tǒng)動態(tài)方程 gm(或 dm)的灰色預測模型，二是基于殘差信息數(shù)據(jù)列的殘差辨識預測模型。其中,gm預測模型即 1 階 1 個變量的微分方程，描述的灰色模型比較常用?；疑A測的解從數(shù)學的角度看，相當于冪級數(shù)的疊加，它包含了一般線性回歸和冪級數(shù)回歸的內容，故灰色預測模型優(yōu)于一般的線性回歸或指數(shù)曲線擬合，也好于確定性時間序列分析法。  3.4專家系統(tǒng)  專家系統(tǒng)能成功地解決某些專門領域的問題，也有很多優(yōu)點，但經過多年的實踐表明，它離專家的水平總是相差一段距離，有時在某些問題上還不如一個初學者。分析其原因，主要有以下幾方面: 知識獲取的“瓶頸”問題；模擬專家思維過程的單一推理機制的局限性；系統(tǒng)缺乏自學習能力。  3.5人工神經網(wǎng)絡預測法  神經網(wǎng)絡的故障診斷存在很多問題，它不能很好的利用領域專家積累的經驗知識，只利用一些明確的故障診斷實例，而且需要一定數(shù)量的樣本學習，通過訓練最后得到的是一些闌值矩陣和權值矩陣，而不是像專家經驗知識那樣的邏輯推理產生式，所以缺乏對診斷結果的解釋能力，無法應用于實時診斷，只能處理歷史記錄數(shù)據(jù)。  3.6專家系統(tǒng)和人工神經網(wǎng)絡相結合  專家系統(tǒng)和人工神經網(wǎng)絡的相結合的方法是目前研究的熱點。由神經網(wǎng)絡與專家系統(tǒng)構成的神經網(wǎng)絡專家系統(tǒng)，可以利用神經網(wǎng)絡的大規(guī)模并行分布處理和知識獲取自動化等特點，解決專家系統(tǒng)存在的知識獲取的“瓶頸”、推理能力弱、容錯能力差、處理大型問題較為困難等問題，實現(xiàn)并行聯(lián)想和自適應推理，提高系統(tǒng)的智能水平，使系統(tǒng)具有實時處理能力和較高的穩(wěn)定性。同傳統(tǒng)的專家系統(tǒng)相比，基于神經網(wǎng)絡的專家系統(tǒng)具有以下幾種優(yōu)點，具有統(tǒng)一的內部知識表示形式，任何知識規(guī)則都可通過對范例的學習存儲于同一個神經網(wǎng)絡的各連接權中，便于知識庫的組織和管理，通用性強；知識容量大，可把大量知識存儲于一個相對小得多的神經網(wǎng)絡中；便于知識的自動獲取，能夠自適應環(huán)境的變化；推理過程為并行的數(shù)值計算過程，避免了推理速度慢效率低等問題；具有聯(lián)想、記憶、類比等形象思維能力，可工作于所學習過的知識以外的范圍；實現(xiàn)了知識表示、存儲和推理三者融為一體，即都由一個神經網(wǎng)絡來實現(xiàn)。  結束語  總而言之，由于大部分職工長期從事在礦井下作業(yè)，必須要洗澡，加上冬季取暖，除了有能利用電廠余熱的之外，一般都離不開蒸汽鍋爐，取暖有的用水暖鍋爐。況且數(shù)量還為之較多，不少中型煤礦都擁有鍋爐七八臺之多。因此，維護好鍋爐的正常運行，確保正常生產很重要。對于鍋爐故障預測這項工作而言，就有必要進行。  參考文獻  [1] 張家昌.電廠鍋爐原理[m].北京:北京水利電力出版社,2011．  [2] 錢俊.現(xiàn)代機械故障診斷學[m].北京:工業(yè)出版社,2010.  [3] 孫永志.新編機械設計師手冊[m].北京:機械工業(yè)出版社,2008.  [4] 黃文虎等.故障診斷技術的現(xiàn)狀與展望及其在汽輪發(fā)電機組中的應用[n].汽輪機技術，1999年第一期.  [5] 蔣東翔等.大型汽輪發(fā)電機組混合智能診斷方法的研究[n].清華大學學報,2010 年第三期.  注：文章內所有公式及圖表請用pdf形式查看。