功能說(shuō)明與康明斯知識

柴油發(fā)電機故障智能化診斷的仿真建模

 

摘要：柴發(fā)電站是整個(gè)后備電源系統的動(dòng)力心臟，隨著(zhù)現代電力系統的日趨高性能化和結構復雜化，構成柴油發(fā)電機組也日益朝著(zhù)大型化、高速化、精密化方向發(fā)展，工作性能不斷改善，自動(dòng)化程度越來(lái)越高。一方面它將大大提高勞動(dòng)生產(chǎn)率，提高電能質(zhì)量，降低柴油發(fā)電機維護成本和能耗；但另一方面，帶來(lái)的問(wèn)題是，一旦其中某一部分或某一環(huán)節發(fā)生故障，往往會(huì )使整個(gè)應急用電系統處于癱瘓狀態(tài)。因此，如何迅速判斷故障發(fā)生的原因，進(jìn)而有效地排除故障，保證柴油發(fā)電機組運行具有特別重要的意義。 在此背景下，本文中主要介紹基于神經(jīng)網(wǎng)絡(luò )的柴油發(fā)電機組的故障診斷，首先，確定了神經(jīng)網(wǎng)絡(luò )故障診斷方法對柴油機和發(fā)電機進(jìn)行故障診斷的研究。

 

一、故障智能診斷技術(shù)概述

 

1、故障智能診斷的功能

      發(fā)電機故障只能診斷系統能夠對發(fā)電機各個(gè)部位產(chǎn)生的故障及時(shí)的發(fā)現，減少了由人工——排查故障部位的時(shí)間，在減少故障時(shí)間的同時(shí)，也能夠阻止故障的進(jìn)一步惡化。智能診斷系統在發(fā)現故障部位時(shí)，能夠對故障部位產(chǎn)生的可能原因進(jìn)行分析，進(jìn)而對維護人員的檢修程序給予最佳方案，幫助技術(shù)人員以效率最高的故障排除方法對發(fā)電機電氣系統的各種常見(jiàn)故障及疑難故障進(jìn)行修理，極大的提高了發(fā)電機故障排除的效率，從根本上維護了我國電力系統的安全性和穩定性。發(fā)電機智能診斷系統是集合了故障診斷專(zhuān)家的實(shí)戰經(jīng)驗和豐富的診斷知識，對發(fā)電機的故障診斷具有極高的診斷效率，在實(shí)際操作中發(fā)揮著(zhù)重要的作用，能夠快速的找到故障部位并且提供有效的檢修方法，還可以對發(fā)電機的故障進(jìn)行模擬訓練，對技術(shù)人員的故障檢修流程進(jìn)行指導，幫助技術(shù)人員對維修技術(shù)和工藝進(jìn)行掌握，以便于在真正發(fā)生故障時(shí)，工作人員能夠高效的進(jìn)行故障排除，減少發(fā)電機故障造成的經(jīng)濟損失。

      發(fā)電機的運作設計圖和運作方式都各有不同，不同的發(fā)電機組在發(fā)生故障時(shí)的故障排查方式和解決方案都會(huì )有所更改，這對于技術(shù)人員的發(fā)電機故障修理具有極高的技術(shù)性要求，為了減輕檢修人員的工作強度，智能診斷系統可以收集各種類(lèi)型的發(fā)電機組運作原理、易發(fā)故障部位、使用維護說(shuō)明書(shū)等資料，有利于工作人員在故障排除時(shí)，及時(shí)的查閱到相關(guān)基礎資料，提高技術(shù)人員對發(fā)電機組的了解程度，提高故障排除效率。

2、智能診斷系統的組成

      發(fā)電機電氣故障智能診斷系統是與計算機技術(shù)相結合，將高新技術(shù)運用到故障診斷中，有效的提高了故障診斷效率。系統是以計算機C語(yǔ)言為核心，與相關(guān)的測控專(zhuān)業(yè)工具相結合，實(shí)現對發(fā)電機組工作性能進(jìn)行檢測，由相關(guān)的診斷模塊測試發(fā)電機工作狀態(tài)是否正常，一旦發(fā)現問(wèn)題，通過(guò)C語(yǔ)言編程的診斷程序，快速判斷故障部位，并且找到可能導致故障的原因，指導技術(shù)工人正確的對發(fā)電機組進(jìn)行維修工作。

      智能診斷系統中，全面覆蓋了發(fā)電機容易發(fā)生的各種故障和導致故障的原因，對發(fā)電機組的正常開(kāi)關(guān)機等操作都有詳細的記錄，在工作人員進(jìn)行相關(guān)的操作時(shí)，方便其進(jìn)行快速的查詢(xún)，保證維修時(shí)操作的規范性，能夠有效的避免由于人工失誤引起的二次事故。智能檢y系統不僅限于對發(fā)電機組是否故障進(jìn)行檢測，還可以按照技術(shù)要求測定發(fā)電機組的相關(guān)數據的測量，方便技術(shù)人員及時(shí)掌握發(fā)電機的工作狀態(tài)。

3、智能診斷系統的特點(diǎn)

      智能診斷系統具有很高的智能性，是將計算機技術(shù)、人工智能技術(shù)、電子技術(shù)等高新技術(shù)有機結合形成的智能系統，將大部分的發(fā)電機組型號、運行特點(diǎn)、操作規范等都涵蓋在內，能夠對發(fā)電機組各電器總成的電流、電壓等參數實(shí)時(shí)檢測，預防發(fā)電機發(fā)生故障，并且能夠提供一套正確高效的解決方法。

      智能系統知識庫收集了電氣故障診斷專(zhuān)家的診斷經(jīng)驗和專(zhuān)業(yè)知識，將其運用到實(shí)際的故障診斷和排除上，實(shí)現理論知識與實(shí)踐相結合，通過(guò)與技術(shù)工人之間的配合，來(lái)時(shí)刻保證發(fā)電組正常的工作。智能診斷系統的功能強大，對發(fā)電機的正常運轉發(fā)揮著(zhù)不可替代的作用，操作簡(jiǎn)便易上手，對于操作方法還不夠嫻熟的技術(shù)工人，操作界面有詳細的提示信息，通過(guò)文字、圖片、聲音等傳播載體，將發(fā)電機組的相關(guān)信息詳盡的進(jìn)行顯示，方便技術(shù)工人的查詢(xún)、操作、學(xué)習。

 

二、什么是概率神經(jīng)網(wǎng)絡(luò )（PNN）

 

       概率神經(jīng)網(wǎng)絡(luò )是由Specht博士在1989年首先提出，  是一種與統計信號處理的許多概念有著(zhù)緊密聯(lián)系的并行算法。它實(shí)質(zhì)上是一個(gè)分類(lèi)器，根據概率密度函數的無(wú)參估計進(jìn)行貝葉斯決策而得到分來(lái)結果。整個(gè)網(wǎng)絡(luò )屬于徑向型網(wǎng)絡(luò )，不需要進(jìn)行反向誤差傳遞，具備學(xué)習速度快、具有很強的容錯性、可以完成任意非線(xiàn)性變換的優(yōu)點(diǎn)，同時(shí)由于各層神經(jīng)元的數目比較固定，因此易于硬件實(shí)現。在實(shí)際應用中，尤其在解決分類(lèi)問(wèn)題中，PNN不僅能用線(xiàn)性學(xué)習算法來(lái)完成非線(xiàn)性學(xué)習算法的工作，用時(shí)也能保證非線(xiàn)性算法的高精度等特征，所以被廣泛應用于故障檢測和目標分類(lèi)識別領(lǐng)域。

      概率神經(jīng)網(wǎng)絡(luò )通常由4層組成，其結構圖如圖1所示：

圖1 柴油發(fā)電機故障診斷神經(jīng)網(wǎng)絡(luò )結構圖

 

 

○ 第1層為輸入層，這一層負責將特征向量輸入到神經(jīng)網(wǎng)絡(luò )中去，輸入層神經(jīng)元的個(gè)數就是樣本特征值的個(gè)數，這一層的作用只是將輸入信號用分步的方式來(lái)表示。

○ 第2層為模式層，它與輸入層之間通過(guò)連接權值相連接。模式層神經(jīng)元的傳遞函數為

上式中，為平滑因子，決定了樣本分類(lèi)的準確度，這也是PNN網(wǎng)絡(luò )關(guān)心的核心量。

○ 第3層為累加求和層，它具有線(xiàn)性求和功能。這一層的神經(jīng)元數目與欲分的模式數目相同。

○ 第4層為累輸出層，具有判決功能，輸出為離散值1和0，分別代表著(zhù)輸入模式的類(lèi)別。

      為了讓智能診斷系統在發(fā)現發(fā)電機組發(fā)生故障，能夠盡快的找到故障原因，并且對故障部位進(jìn)行提示，提出有效的故障檢修方法，要正確的處理故障部位與故障原因之間的關(guān)系。因為發(fā)電機的某一故障可能是由于多方面的因素導致，也就是說(shuō)，會(huì )有多種原因造成這一故障，而且隨著(zhù)發(fā)電機組的規模越來(lái)越大，結構更加復雜，故障部位與故障原因之間的關(guān)系縱橫交錯，這是實(shí)現智能診斷系統正確診斷應該解決的難點(diǎn)之一。因此，要利用故障部位與故障原因之間的關(guān)系，結合故障診斷專(zhuān)家的專(zhuān)業(yè)技能，使用模糊理論的手段，實(shí)現智能診斷系統對故障原因的判斷。模糊理論是用來(lái)表達發(fā)電機組內故障部位與故障原因之間相互交叉的關(guān)系，建立模糊關(guān)系方程式，就可以幫助診斷系統做出正確的診斷。

 

三、建立基于PNN的故障診斷模型

 

     當發(fā)電機在發(fā)生故障時(shí)，具有多種故障運行形態(tài)。因此，能夠及早的發(fā)現并處置故障，防止造成重大人員傷亡和經(jīng)濟損失顯得十分重要。本實(shí)驗采用發(fā)電機4個(gè)典型故障特征作為分類(lèi)對象，在采集到的狀態(tài)數據基礎上，訓練得出合適的故障診斷模型來(lái)對其進(jìn)行分類(lèi)。

 

圖2 柴油發(fā)電機故障神經(jīng)網(wǎng)絡(luò )訓練效果圖

 

    首先在采集到的200組故障樣本數據中，隨機選取80%的數據做訓練樣本數據集，輸入數據為描述故障狀態(tài)的特征向量，輸出類(lèi)型為故障的分類(lèi)結果。同時(shí)，為了分析該概率神經(jīng)網(wǎng)絡(luò )分類(lèi)的準確度，將剩余的20%的數據作為測試樣本進(jìn)行仿真測試。

 

圖3 柴油發(fā)電機故障神經(jīng)網(wǎng)絡(luò )預測效果圖

 

    在本次實(shí)驗中，描述故障狀態(tài)的特征向量主要有發(fā)電機的有功功率P、無(wú)功功率Q、發(fā)電機的輸出電壓U、發(fā)電機的三相電流輸出I、發(fā)電機的功率因數pf、發(fā)電機定子電壓U1、定子電流I1。輸出狀態(tài)為電子調速器失靈（ f1）、發(fā)電機失磁（ f2）、勵磁模塊故障（f3）、噴油嘴故障（ f4）四種故障類(lèi)型。

 

總結：

       本文中分別對柴油機和發(fā)電機及發(fā)電機勵磁系統進(jìn)行數學(xué)建模，并對所建立的數學(xué)模型用SIMULINK對柴油機的熱力學(xué)工作過(guò)程和同步發(fā)電機的正常工作過(guò)程和故障工作過(guò)程進(jìn)行仿真，獲取柴油機和發(fā)電機在正常工作及故障狀態(tài)下的特征值。然后對獲取的特征值進(jìn)行歸一化處理，把經(jīng)過(guò)處理的特征值作為神經(jīng)網(wǎng)絡(luò )的輸入樣本集，設計輸出樣本集，建立BP神經(jīng)網(wǎng)絡(luò )和ELMAN神經(jīng)網(wǎng)絡(luò )，用整理后的數據訓練神經(jīng)網(wǎng)絡(luò )，使神經(jīng)網(wǎng)絡(luò )具有故障診斷功能，并對神經(jīng)網(wǎng)絡(luò )模型進(jìn)行測試。實(shí)現了對柴油發(fā)電機的故障診斷，保證柴油發(fā)電機組的安全運行。

 

----------------
以上信息來(lái)源于互聯(lián)網(wǎng)行業(yè)新聞，特此聲明！
若有違反相關(guān)法律或者侵犯版權，請通知我們！
溫馨提示：未經(jīng)我方許可，請勿隨意轉載信息！
如果希望了解更多有關(guān)柴油發(fā)電機組技術(shù)數據與產(chǎn)品資料，請電話(huà)聯(lián)系銷(xiāo)售宣傳部門(mén)或訪(fǎng)問(wèn)我們官網(wǎng)：http://www.aticodonostia.com