浅析锅炉故障的预测方法

浅析锅炉故障的预测方法锅炉房是生产重地，同时也由于其使用的频繁而导致故障频发，常见的有锅垢导致的，腐蚀引起的，移出引起的，轴承漏油烧毁引发的等故障，锅炉故障往往是极大的安全隐患，因此探究锅炉常见故障的猜测方法是必要的，也是保障人民群众生产，生活安全的重要组成部分。

1、锅炉故障猜测相关学问

人工智能故障诊断与猜测技术是随着现代化技术、经济高速进展而消失的一门新型技术，它能鉴别设备的状态是否正常，发觉和确定故障的部位和性质并提出相应的对策，以提高设备运行的牢靠性，延长其使用寿命，降低设备全寿命周期费用。采纳故障猜测技术可以实现对故障的早期发觉并猜测其将来的进展趋势，便于对火电机组准时调整以避开恶性事故的发生，使机组能安全牢靠的运行，同时提高机组的经济性。

依据猜测期限长短的不同可将故障猜测分为三种。长期猜测，为了制定锅炉机组的长远修理方案和修理决策而进行的猜测，时间一般为一个月以上，猜测精度要求低。中期猜测，对锅炉机组在将来比较长的时间内的状态进行猜测，为机组的中期修理方案和修理决策服务，时间一般为一周左右，猜测精度要求较低。短期猜测，对锅炉机组的近期进展状况进行猜测，时间为一天左右，对猜测精度要求高。对于中、长期猜测，由于精度要求不高，可考虑实行简洁的猜测模型，建立单变量时间序列模型进行猜测。而对于短期猜测，对精度要求较高，同时由于各相关因素对当时的状态值影响较大，因此在进行短期猜测时，除了要考虑时间序列本身外，还应适当将其他相关因素考虑进去，这就需要建立多变量时间序列模型进行猜测，以满意短期猜测对精度的要求。

2、故障猜测精度要求

当今人上智能故障诊断与猜测技术是随着现代化技术、经济高速进展而消失的一门新型技术，由于它能鉴别设备的状态是否j下常，发觉和确定故障的部位、性质，并提出相应的对策，以提高设备运行的牢靠性，延长其使用寿命，降低设备全寿命周期费用。采纳故障猜测技术，还可以实现对故障的早期发觉并猜测其将来的进展趋势，便j二对机组及相关设备的准时调整，避开恶性事故的发生与扩展，保障安全牢靠的运行，并提高机组的运行经济性。在猜测期限上，依据猜测期限长短的不同，一般可将故障猜测分为：长期猜测、中期猜测和短期猜测。

2．1长期猜测

它是为了制定锅炉机组的长远修理方案和修理决策而进行的猜测，在时间上一般为一个月以上，其猜测的精度要求低。

2．2中期猜测

它对锅炉机组在将来比较长的时间内的状态进行猜测，为机组的中期修理方案和修理决策服务，在时间上一般为一周左右，其猜测精度也要求较低。

2．3短期猜测

它对锅炉机组的近期进展状况进行猜测，在时间上一般为一天左右，其猜测精度要求较高。对于精度要求不高的中、长期猜测，可考虑实行简洁的猜测模型，建立单变量时间序列模型进行猜测。对于精度要求较高的短期猜测，由于各相关因素对当时的状态值影响较大。在进行短期猜测时除了要考虑时间序列本身外，还应适当将其他相关因素考虑进去。为此就需要建立多变量时间序列模犁进行猜测，以满意短期猜测的精度要求．

3、常用的锅炉故障猜测方法

近年来不少讨论者采纳线性回归分析法、时间序列分析法、灰色模型猜测法、专家系统、人工神经网络等方法进行锅炉设备故障诊断讨论，以探究快速有效的故障诊断与猜测方法。常用的猜测方法有：

3.1线性回归分析法

回归分析是查找几个不完全确定的变量间的数学关系式之间进行统计推断的一种方法。在这种关系式中最简洁的是线性回归分析。

3.2时间序列分析法

时间序列是指按时间挨次排列的一组数据，时间序列分析法是指采纳参数模型对所观测到的有序的随机数据进行分析与处理的一种数据处理方法。时间序列分析法主要有曲线拟合、指数平滑、季节模型、线性随机模型等四种，主要适用于进行单因素猜测，而对锅炉故障猜测这种既有确定性趋势，又有肯定的随机性的多因素猜测时，需要进行确定性趋势的分别，计算比较简单，同时还需对分别残差的零均值及平稳性进行假定，且其猜测的精度不高。

3.3灰色模型猜测法

灰色模型猜测法是按灰色系统理论建立猜测模型，它是依据系统的普遍进展规律，建立一般性的灰色微分方程，然后通过对数据序列的拟合，求得微分方程的系数，从而获得灰色猜测模型方程。应用灰色系统理论作故障猜测主要有两种方法，一是基于灰色系统动态方程gm(或dm)的灰色猜测模型，二是基于残差信息数据列的残差辨识猜测模型。其中,gm猜测模型即1阶1个变量的微分方程，描述的灰色模型比较常用。灰色猜测的解从数学的角度看，相当于幂级数的叠加，它包含了一般线性回归和幂级数回归的内容，故灰色猜测模型优于一般的线性回归或指数曲线拟合，也好于确定性时间序列分析法。

3.4专家系统

专家系统能胜利地解决某些特地领域的问题，也有许多优点，但经过多年的实践表明，它离专家的水平总是相差一段距离，有时在某些问题上还不如一个初学者。分析其缘由，主要有以下几方面:学问猎取的“瓶颈”问题；模拟专家思维过程的单一推理机制的局限性；系统缺乏自学习力量。

3.5人工神经网络猜测法

神经网络的故障诊断存在许多问题，它不能很好的利用领域专家积累的阅历学问，只利用一些明确的故障诊断实例，而且需要肯定数量的样本学习，通过训练最终得到的是一些阑值矩阵和权值矩阵，而不是像专家阅历学问那样的规律推理产生式，所以缺乏对诊断结果的解释力量，无法应用于实时诊断，只能处理历史记录数据。

3.6专家系统和人工神经网络相结合

专家系统和人工神经网络的相结合的方法是目前讨论的热点。由神经网络与专家系统构成的神经网络专家系统，可以利用神经网络的大规模并行分布处理和学问猎取自动化等特点，解决专家系统存在的学问猎取的“瓶颈”、推理力量弱、容错力量差、处理大型问题较为困难等问题，实现并行联想和自适应推理，提高系统的智能水平，使系统具有实时处理力量和较高的稳定性。同传统的专家系统相比，基于神经网络的专家系统具有以下几种优点，具有统一的内部学问表示形式，任何学问规章都可通过对范例的学习存储于同一个神经网络的各连接权中，便于学问库的组织和管理，通用性强；学问容量大，可把大量学问存储于一个相对小得多的神经网络中；便于学问的自动猎取，能够自适应环境的变化；推理过程为并行的数值计算过程，避开了推理速度慢效率低等问题；具有联想、记忆、类比等形象思维力量，可工作于所学习过的学问以外的范围；实现了学问表示、存储和推理三者融为一体，即都由一个神经网络来实现。

结束语