油田注汽锅炉过热爆管故障智能诊断方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
刻画。
基 于 神 经 网 络 和 专 家 系 统 集 成 的故 障 诊 断 技 术 ， 神 经 网络 的联 想 记忆 功 能 、 将 自学 习 功 能等 “ 低 层智 能 ” 专 家 系 统 的 推 理 逻 辑 为 主 的 “ 层 智 与 高 能 ” 有 机结 合 ， 以做 到优 势 互 补 ， 保 故 障诊 断 ， 可 确 的准确性 和 可靠 性 。
∞ （ ＋１ ： ∞ （） ［ 一ｙ （） ￡ ） ＋卢 ｙ （） ＾ ｆ］
“ Ｌ ，
为隐层 和输 出层
结合现场调研 ， 注汽锅炉运行 中影响蒸汽干度
变化 的主要 因素是蒸 汽压力 、 给水 流量 、 燃料 量 和 Ｖ 锥压 差 ， 其作 为 神 经 网络 的输 出 。用小 波 变 换 提 将 取蒸 汽干度 的特 征参 数 如 Ｌｐｃｉ ｔ最 大 振 幅 、 ｉｓｈｔ Ｏ ｚ 、 平 均振 幅 、 频 、 幅谱 能量 、 时频率 、 时相 位 、 主 振 瞬 瞬 自 相关 最 大值 ， 提取 到 的 各故 障参 数 进行 模 糊 化 处 将 理 ， 为 Ｒ Ｆ神 经 网络 的 输入 。经 过分 析 ， 隐 层 作 Ｂ 则 节 点数取 ８ 。取学 习率 ＝０５ ８ ： ．０ ， Ｒ Ｆ ．， ００ ５ 对 Ｂ
张莉莉 ， 陈保 东 ， 晏永飞 ， 罗 （ 宁石 油化 工大 学 ， 宁 辽 辽 凯 。 宪航 孙 １３０ ） １ ０ １ 抚顺
摘 要 ： 文分析 了国 内注汽锅 炉故 障诊 断方 法 ， 本 在利 用 小波 变换 分析 注汽锅 炉 蒸汽干度 的基
础上 ， 将径向基神经网络专家系统应 用于注汽锅 炉过热爆管的故障诊断。文章介绍 了诊 断系统的 结构、 学习算法和诊断步骤 ， 出了一种油田注汽锅炉的智能故障诊断方法。仿真结果证 明了该方 提 法 的准确 率与 可靠性 。
在逼近能力 、 分类能力和学习速度等方面均优于 Ｂ Ｐ
神 经 网络 。
对学习示例的分析 ， 确定训练样本 ， 对神经网络进行 训练 ， 将训练后的神经 网络作为专家系统的知识库 ，
在此 基 础上 建立 故 障诊 断 神经 网络 专家 系统 。
输入层
隐层
输 出层
图 ２ Ｒ Ｆ神 经 网络 的模 型 Ｂ
学 习算法 ， 隐层节点数的确定 ， 输入 ， 出径 向 输 基 函数神经 网络 （ Ｂ Ｎ 的构成包 括 ３层： Ｒ Ｆ Ｎ） 输入
层、 隐层 和输 出层 。输入 层 是蒸 汽干度 的特 征参数 ， 输 出层 是 目标 参 数 （ 即故 障类 型 ） 隐层 节点 数 的确 ， 定 方法 很多 ， 在文 章 中采用 的是 Ｌ ＝ Ⅳ ＋ ＋ａ，
１ 注汽锅炉 故障诊 断 系统结构 Ｊ
油 田注 汽锅 炉 的智能 故 障诊 断 系统 结 构 如 图 １
所示 。利用 神经 网络 系统 的学 习功 能 、 想 记 忆 功 联
能 、 布式处 理 信息 功 能 可 以 很好 地 解 决 专 家 系 统 分 中的知 识表 示 、 取 和并 行 推 理 等 问题 。根 据 专 家 获
Ｏｉ ｅ ｔａ —ｉｊｃｉｎＢ ｉ ｒ ｌ ｌ Ｓｅｍ －ｎｅｔ ｏｌ ｉ ｆ ｄ ｏ ｅ
ＺＨＡＮＧ Ｌｉ—ｌ ， ｉ ＣＨＥＮ ｏ—ｄ ｎｇ， Ｂａ ｏ ＹＡＮ ｎ Ｙｏ ｇ—ｆ ｉ Ｌ ｅ ， ＵＯ ｉ Ｓ Ｋａ ， ＵＮ ａ —ｈａ ｇ Ｘｉｎ ｎ
（ ｉ ｎｎ ｅ ｏｉｍ ｃ ｅ ｅｌ ｎｖｒ ｔ，ｉ ｎｎ １０ Ｃ ｉ ） Ｌａ ｉｇＰ ｔ ｌ ＆ ｈｍｉ ｉ ｓ ｙ Ｌａ ｉｇ１ ０ ， ｈｎ ｏ ｒｕ ａＵ ｅ ｉ ｏ １ ３ ａ Ａ ｓｒｃ ：ｈｓａｔ ｌ ａ ａ ｓｓｔ ｕ ｉ ｎｓ ｔｏ ｆ ｉ ｅ ｔ ｍ—ｉ ｅｔ ｎｂ ｉ ｒＵ ｉｇｗ ｖ． ｂｔａ ｔＴ ｉ ｒ ｃ ｎｌ ｅ ｈ ｆ ｈｄａ ｏｉ ｍｅ ｄｏ ｌ ｌ ｓ ａ ｉｅ ｙ ｅａ ｇ ｓ ｈ ｏｆ ｄ ｅ ｉ ｎ ｃｉ ｏ ｅ． ｓ ａｅ ｊ ｏ ｌ ｎ
第３ ０卷 ， 第 １１ 总 ７ 期 ２１ ０２年 １月 ， １期 第
《节 能 技 术 》
ＥＮＥＲＧＹ ＣＯＮＳ ＥＲＶＡＴＩ ＯＮ ＴＥＣＨＮＯＬＯＧＹ
Ｖｏ ． ０， ｕｍ． ． ７１ １３ Ｓ Ｎｏ １
Ｊ ｎ ２ １ Ｎｏ １ ａ ． ０ ２， ．
油 田注 汽锅炉过热爆 管故障智能诊断方法
１ｔｔ ｎ ｆ ｒ ｔ ｎ ｌｓ ｈ ｒ ｎ ｓ ｒ ｃｉｎ，ｈ ｒ ｃ ｅａ ｐ ｉｓ ｔ ｅ Ｒ ＮＮＥ ｏ ｔ ｅ ｆｕ ｔ ｉｇ ｏ ｉ ｏ Ｕ ｅ ｒ ｓ ｍ ｏ ａ ａｙ ｅ ｔ ｅ ｄ ｙ ｅ ｓｆ ｔ ａ ｏ ａ ｏ ｔ ｅ ａ ｔ ｌ ｐ ｌ ＢＦ ｉ ｅ ｈ Ｓ ｔ ｈ ａ ｌ ｄ ａ ｎ ｓｓ ｆＳ —
其 中， 为隐层节点数 ， Ⅳ为输入层节点数 ， 为输 出层节点数 ， ［ ， ］ ａ为 １ｌ 之间的常数。输入层节点 ０ 传递输人信号到 隐层 ， 隐层节点 由高斯核 函数 （ 径
图 １ 故 障 诊 断 系 统 节 点 通 常 由简 单 的 线性 函数
宁 等从故障树理论 、 模糊专家系统 、 神经网络 、 证
据论 信 息 融 合 等 方 面 对 锅 炉 的 故 障 诊 断 进 行 了
研 究
作者简介 ： 张莉莉 （ ９６～） 女 ， １８ ， 硕士研 究生 ， 主要研究 方向 为
油 田注汽锅炉 的故障诊断。
・
４８ ・
因此 ， 文 从 蒸 汽 干度 测 量仪 测 得 的 蒸 汽干 度 本
不 断 出现 以及计 算 机 技术 的发 展 ， 号处 理 技 术 和 信
率…。注汽锅炉 的正 常稳定地运 行是提高稠油采 收率 、 降低安全事故发生率和减少经济损失的重要 保证。因此对注汽锅炉运行 中 出现 的故障进行快
故 障诊 断技术 的不 断完善 ， 此外 ， 计算 机应用 和人 工
ｐｒｅｔ ｑ ｉ ｏ ｅｓ ａ —ｉ ｅｔ ｎｂ ｉ ｒＴ ｉ ａ ｉ ｅｉｔ ｄ ｃｄｔｅｄａｎ ｓ ｙｔ ｓｓ ｕｔｒ ， ｅ ｅｈ ａ ｓｕ ｆｈ ｔ ｍ ｎ ｃｉ ｏ ｅ． ｈｓ ｒｃ ｎｒ ｕ ｅ ｉｇｏｉ ｓｓ ｍ＇ ｔ ｃ ｅ ｔ ｂ ｔ ｅ ｊ ｏ ｌ ｔｌ ｏ ｈ ｓ ｅ ｒ ｕ ｈ ｌ ｒｉｇａｇｒｈ ｎ ｅｄａｎ ｓ ｔ ，ｎ ｒ ｏｅ ｅｓ ａ ｅ ｎｎ ｌ ｉ ｍ ａ ｄｔ ｉｇｏｉ ｓ ｐ ａｄｐｏ ｓｄｔ ｔ ｍ—ｉ ｅｔ ｎｂ ｉｒ ｔｌｇｎ ｕｔ ｉ — ａ ｏｔ ｈ ｓ ｅ ｐ ｈ ｅ ｎ ｃ ｏ ｏ ｅｇｉ ｅ ｉ ｔａ ｌｄａ ｊ ｉ ｌ ｎ ｌｅ ｆ ｇ
得 ， 为标 准参数 。 输 出层 第 ｋ 结点 的输 出为 个
（） ６ 将诊 断 结 果 输 出给 用 户 ， 对 神 经 网络 进 并
行训 练 ， 更新 神经 网络 。
３ 故障诊 断仿真
３ １ 神经 网络 的训练 ．
Ｙ ＝∑ＯＯ ＋ ）ｌ ） ０ ｉ ｋ（
其中， ０ 为输 出层 的 阈值 ， 的连 接权 系数 ， 习算 法为 学
行 工况 进行 状态 检测 和故 障诊 断 。本文 首先 介绍 了 基 于神 经 网络和 专家 系统 集成 的注 汽锅 炉故 障诊 断 系 统 ， 着 阐述 了神经 网络 的学 习算 法 和诊 断策 略 ， 接 最后 实 验仿 真结 果证 明 了该故 障诊 断 系统 的准确性
和 可靠 性 。
关 键词 ： 注汽锅 炉 ； 障诊 断 ； 故 蒸汽 干度 ； 向基神 经 网络专 家系统 ； 径 小波分析
中 图分 类号 ： Ｋ ２ ．２ Ｔ ２９９ 文献标 识 码 ： Ａ 文章 编号 ：０ ２— ３ ９（ ０ ２ １— ０ ８— ４ １０ ６ ３ ２ １ ）０ ０ ４ ０
Ａｎ Ｉ ｔ ｌ ｇ ｎ ｕ ｔＤｉ ｇ ｏ ｉ ｅｈｏ ｆＳｕ ｅ ｈｅ ｔＳｑ ｂ ｏ ｎ ｅｌ ｅ ｔＦａ ｌ ａ ｎ ｓｓＭ ｔ ｄ ｏ ｐ ｒ ａ ｕｉ ｆ ｉ
ｎ ｓｓ ｍｅ ｈ ｄ． ｈｅ ｓｍｕ ａｉｎ ｒ ｓ ｌｓｐ ｏ ｅ ｔ ｅ ｍｅｈ ｄｇ ｒｔ ｆａ ｃ ｒ ｃ ｎ ｅｉｂｉ ｔ ． ｏ ｉ ｔ ｏ Ｔ ｉ ｌｔｏ ｅ ｕ ｔ ｒ ｖ ｈ ｔ ｏ ａｅ ｏ ｃ ｕ ａ ｙ ａ ｄ ｒ ｌａ ｌ ｙ ｉ
Ｋｅ ｒ ｓｓ ａ ｙｗｏｄ ：ｔ ｍ—ｉ ｅｔ ｎｂｉ ｒｆｕ ｉ ｎ ｓ ；ｒｎｓ ｆ ｃｉ ； Ｂ Ｎ Ｅ ； ａｅ ｔ ｎｌｓ ｅ ｎ ｃ ｏ ｏ ｅ； ｌｄａ ｏｉ ｄｙ ｅｓ ｒ ｔ ｎ Ｒ Ｆ Ｎ Ｓ ｗ ｖｌ ａ ｉ ｊ ｉ ｌ ａｔ ｇ ｓ ａ ｏ ｅａ ｙｓ
２ １ 知 识库 的 建立 ．
学习的目的是使 ． 占， 中 占 ， 其 为给定误差
隐层第 个结点的输出为
神经 网络专家系统（ Ｎ Ｓ 设计 的重点是其知 Ｎ Ｅ）
ｃ＝ｘ ｅ［ ， ｐ
・
４ ・ ９
其 中 ，ｌ —ｃＩ为 欧式范 数 ， 为输入 样本 ， Ｊ Ｉ Ｃ 为 Ｒ Ｆ Ｎ隐结 点 的 中心 ， 用 梯 度 下 降 法 迭 代 求 ＢＮ 利
果 的重要指 标 。蒸 汽 干度 过 高 ， 使锅 炉 过 热 而 产 会
生 爆管现 象 。
层 中 ， 油层 中 的原 油进 行 加 热 ， 低 稠油 的粘 度 ， 对 降 增 加原 油 的 流 动 性 和 渗 透 性 ， 幅 提 高 原 油 采 收 大
随着 现 代 传感 技术 的发 展 ， 高性 能 的采 集 器 的
识库 ， 知识库 的设 计 是 建立 专家 系 统 最重 要 和 最艰
巨的任 务 。
信号出发 ， 在利用小波变换提取蒸汽干度 的特征的
基 础上 ， 人工 智 能理 论 和 技 术 与 故 障诊 断 的理 论 将
和 技术 有机 结合 起 来 ， 以有 效 地对 注 汽 锅 炉 的运 可
２ １１ 人 工神 经 网络模 型及 其 学 习算法 ．． 神 经 网络是 用大量 神经 元 的互连及 对各 连接权 值 的分 布来 表示特 定 的概念 或知 识 。在 进行 知识获 取时， 它要求 领域 专家提 供 实例及 相应 的解 ， 过特 通 定 的学 习算法 对样 本 进 行 学 习 ， 过 网络 内部 的 自 通 适应 算 法不 断修 改权 值 分 布 以达 到要 求 ， 领域 专 把 家求 解 实际 问题 的启发 式知 识经 验分布 到 网络 的互 连 和权 值分 布上 。 径 向基 函数 神经 网络 （ Ｂ Ｎ 是具 有 单 隐层 Ｒ Ｆ Ｎ） 的三层前 馈 网络 ， 可 以 以任 意 精 度逼 近 任 一连 续 它 函数 。Ｒ Ｆ神 经 网络 克 服 了 Ｂ Ｂ Ｐ神 经 网络 的缺 陷 ，
智能技术获得重大发展 ， 锅炉故 障诊断趋 向智能化
发展 。为 了更好地 对 注 汽锅 炉 进 行 故 障诊 断 ， 十 近
年来 ， 王希光 、 阮曙东 、 玉 荣 、 李 马华 杰 、 石
收 稿 日期
２１ Ｏ ０ １一 ７—１ １
修 订 稿 日期
２ １ —０ ０ ０ １ ９— ６
在 学 习过程 中 ， 设有 Ｐ组输 入／ 出样 本 ／ 输 ｄ， ，是 在 Ｘ输入 下 网络 的输 出 ， 义 目标 函数 ， ｐ 定
ｌ ＝ 寺∑ ｌｐ ＹＩ ＝ ÷∑∑ ， Ｊ —ｐ ｄ ｌ
－ Ｐ ｔ
（ ｄｂ — Ｙ ） ｋ
ｐ
２ 故障诊 断专家系统 的原 理与诊断策略
０ 前 言
油 田注汽 锅 炉是 稠 油开 发 的重 要 设备 ， 产 生 它
蒸 汽千 度为 ８ ％ 的高 温高压 的湿饱 和蒸 汽 ， ０ 注入 油
速、 准确地 判断 是 十分 必 要 的 。蒸 汽 干度 是 油 田注 汽锅 炉安全 运行 的重要 参 数 ， 是 影 响稠 油 热 采效 也
基 于 神 经 网 络 和 专 家 系 统 集 成 的故 障 诊 断 技 术 ， 神 经 网络 的联 想 记忆 功 能 、 将 自学 习 功 能等 “ 低 层智 能 ” 专 家 系 统 的 推 理 逻 辑 为 主 的 “ 层 智 与 高 能 ” 有 机结 合 ， 以做 到优 势 互 补 ， 保 故 障诊 断 ， 可 确 的准确性 和 可靠 性 。
∞ （ ＋１ ： ∞ （） ［ 一ｙ （） ￡ ） ＋卢 ｙ （） ＾ ｆ］
“ Ｌ ，
为隐层 和输 出层
结合现场调研 ， 注汽锅炉运行 中影响蒸汽干度
变化 的主要 因素是蒸 汽压力 、 给水 流量 、 燃料 量 和 Ｖ 锥压 差 ， 其作 为 神 经 网络 的输 出 。用小 波 变 换 提 将 取蒸 汽干度 的特 征参 数 如 Ｌｐｃｉ ｔ最 大 振 幅 、 ｉｓｈｔ Ｏ ｚ 、 平 均振 幅 、 频 、 幅谱 能量 、 时频率 、 时相 位 、 主 振 瞬 瞬 自 相关 最 大值 ， 提取 到 的 各故 障参 数 进行 模 糊 化 处 将 理 ， 为 Ｒ Ｆ神 经 网络 的 输入 。经 过分 析 ， 隐 层 作 Ｂ 则 节 点数取 ８ 。取学 习率 ＝０５ ８ ： ．０ ， Ｒ Ｆ ．， ００ ５ 对 Ｂ
张莉莉 ， 陈保 东 ， 晏永飞 ， 罗 （ 宁石 油化 工大 学 ， 宁 辽 辽 凯 。 宪航 孙 １３０ ） １ ０ １ 抚顺
摘 要 ： 文分析 了国 内注汽锅 炉故 障诊 断方 法 ， 本 在利 用 小波 变换 分析 注汽锅 炉 蒸汽干度 的基
础上 ， 将径向基神经网络专家系统应 用于注汽锅 炉过热爆管的故障诊断。文章介绍 了诊 断系统的 结构、 学习算法和诊断步骤 ， 出了一种油田注汽锅炉的智能故障诊断方法。仿真结果证 明了该方 提 法 的准确 率与 可靠性 。
在逼近能力 、 分类能力和学习速度等方面均优于 Ｂ Ｐ
神 经 网络 。
对学习示例的分析 ， 确定训练样本 ， 对神经网络进行 训练 ， 将训练后的神经 网络作为专家系统的知识库 ，
在此 基 础上 建立 故 障诊 断 神经 网络 专家 系统 。
输入层
隐层
输 出层
图 ２ Ｒ Ｆ神 经 网络 的模 型 Ｂ
学 习算法 ， 隐层节点数的确定 ， 输入 ， 出径 向 输 基 函数神经 网络 （ Ｂ Ｎ 的构成包 括 ３层： Ｒ Ｆ Ｎ） 输入
层、 隐层 和输 出层 。输入 层 是蒸 汽干度 的特 征参数 ， 输 出层 是 目标 参 数 （ 即故 障类 型 ） 隐层 节点 数 的确 ， 定 方法 很多 ， 在文 章 中采用 的是 Ｌ ＝ Ⅳ ＋ ＋ａ，
１ 注汽锅炉 故障诊 断 系统结构 Ｊ
油 田注 汽锅 炉 的智能 故 障诊 断 系统 结 构 如 图 １
所示 。利用 神经 网络 系统 的学 习功 能 、 想 记 忆 功 联
能 、 布式处 理 信息 功 能 可 以 很好 地 解 决 专 家 系 统 分 中的知 识表 示 、 取 和并 行 推 理 等 问题 。根 据 专 家 获
Ｏｉ ｅ ｔａ —ｉｊｃｉｎＢ ｉ ｒ ｌ ｌ Ｓｅｍ －ｎｅｔ ｏｌ ｉ ｆ ｄ ｏ ｅ
ＺＨＡＮＧ Ｌｉ—ｌ ， ｉ ＣＨＥＮ ｏ—ｄ ｎｇ， Ｂａ ｏ ＹＡＮ ｎ Ｙｏ ｇ—ｆ ｉ Ｌ ｅ ， ＵＯ ｉ Ｓ Ｋａ ， ＵＮ ａ —ｈａ ｇ Ｘｉｎ ｎ
（ ｉ ｎｎ ｅ ｏｉｍ ｃ ｅ ｅｌ ｎｖｒ ｔ，ｉ ｎｎ １０ Ｃ ｉ ） Ｌａ ｉｇＰ ｔ ｌ ＆ ｈｍｉ ｉ ｓ ｙ Ｌａ ｉｇ１ ０ ， ｈｎ ｏ ｒｕ ａＵ ｅ ｉ ｏ １ ３ ａ Ａ ｓｒｃ ：ｈｓａｔ ｌ ａ ａ ｓｓｔ ｕ ｉ ｎｓ ｔｏ ｆ ｉ ｅ ｔ ｍ—ｉ ｅｔ ｎｂ ｉ ｒＵ ｉｇｗ ｖ． ｂｔａ ｔＴ ｉ ｒ ｃ ｎｌ ｅ ｈ ｆ ｈｄａ ｏｉ ｍｅ ｄｏ ｌ ｌ ｓ ａ ｉｅ ｙ ｅａ ｇ ｓ ｈ ｏｆ ｄ ｅ ｉ ｎ ｃｉ ｏ ｅ． ｓ ａｅ ｊ ｏ ｌ ｎ
第３ ０卷 ， 第 １１ 总 ７ 期 ２１ ０２年 １月 ， １期 第
《节 能 技 术 》
ＥＮＥＲＧＹ ＣＯＮＳ ＥＲＶＡＴＩ ＯＮ ＴＥＣＨＮＯＬＯＧＹ
Ｖｏ ． ０， ｕｍ． ． ７１ １３ Ｓ Ｎｏ １
Ｊ ｎ ２ １ Ｎｏ １ ａ ． ０ ２， ．
油 田注 汽锅炉过热爆 管故障智能诊断方法
１ｔｔ ｎ ｆ ｒ ｔ ｎ ｌｓ ｈ ｒ ｎ ｓ ｒ ｃｉｎ，ｈ ｒ ｃ ｅａ ｐ ｉｓ ｔ ｅ Ｒ ＮＮＥ ｏ ｔ ｅ ｆｕ ｔ ｉｇ ｏ ｉ ｏ Ｕ ｅ ｒ ｓ ｍ ｏ ａ ａｙ ｅ ｔ ｅ ｄ ｙ ｅ ｓｆ ｔ ａ ｏ ａ ｏ ｔ ｅ ａ ｔ ｌ ｐ ｌ ＢＦ ｉ ｅ ｈ Ｓ ｔ ｈ ａ ｌ ｄ ａ ｎ ｓｓ ｆＳ —
其 中， 为隐层节点数 ， Ⅳ为输入层节点数 ， 为输 出层节点数 ， ［ ， ］ ａ为 １ｌ 之间的常数。输入层节点 ０ 传递输人信号到 隐层 ， 隐层节点 由高斯核 函数 （ 径
图 １ 故 障 诊 断 系 统 节 点 通 常 由简 单 的 线性 函数
宁 等从故障树理论 、 模糊专家系统 、 神经网络 、 证
据论 信 息 融 合 等 方 面 对 锅 炉 的 故 障 诊 断 进 行 了
研 究
作者简介 ： 张莉莉 （ ９６～） 女 ， １８ ， 硕士研 究生 ， 主要研究 方向 为
油 田注汽锅炉 的故障诊断。
・
４８ ・
因此 ， 文 从 蒸 汽 干度 测 量仪 测 得 的 蒸 汽干 度 本
不 断 出现 以及计 算 机 技术 的发 展 ， 号处 理 技 术 和 信
率…。注汽锅炉 的正 常稳定地运 行是提高稠油采 收率 、 降低安全事故发生率和减少经济损失的重要 保证。因此对注汽锅炉运行 中 出现 的故障进行快
故 障诊 断技术 的不 断完善 ， 此外 ， 计算 机应用 和人 工
ｐｒｅｔ ｑ ｉ ｏ ｅｓ ａ —ｉ ｅｔ ｎｂ ｉ ｒＴ ｉ ａ ｉ ｅｉｔ ｄ ｃｄｔｅｄａｎ ｓ ｙｔ ｓｓ ｕｔｒ ， ｅ ｅｈ ａ ｓｕ ｆｈ ｔ ｍ ｎ ｃｉ ｏ ｅ． ｈｓ ｒｃ ｎｒ ｕ ｅ ｉｇｏｉ ｓｓ ｍ＇ ｔ ｃ ｅ ｔ ｂ ｔ ｅ ｊ ｏ ｌ ｔｌ ｏ ｈ ｓ ｅ ｒ ｕ ｈ ｌ ｒｉｇａｇｒｈ ｎ ｅｄａｎ ｓ ｔ ，ｎ ｒ ｏｅ ｅｓ ａ ｅ ｎｎ ｌ ｉ ｍ ａ ｄｔ ｉｇｏｉ ｓ ｐ ａｄｐｏ ｓｄｔ ｔ ｍ—ｉ ｅｔ ｎｂ ｉｒ ｔｌｇｎ ｕｔ ｉ — ａ ｏｔ ｈ ｓ ｅ ｐ ｈ ｅ ｎ ｃ ｏ ｏ ｅｇｉ ｅ ｉ ｔａ ｌｄａ ｊ ｉ ｌ ｎ ｌｅ ｆ ｇ
得 ， 为标 准参数 。 输 出层 第 ｋ 结点 的输 出为 个
（） ６ 将诊 断 结 果 输 出给 用 户 ， 对 神 经 网络 进 并
行训 练 ， 更新 神经 网络 。
３ 故障诊 断仿真
３ １ 神经 网络 的训练 ．
Ｙ ＝∑ＯＯ ＋ ）ｌ ） ０ ｉ ｋ（
其中， ０ 为输 出层 的 阈值 ， 的连 接权 系数 ， 习算 法为 学
行 工况 进行 状态 检测 和故 障诊 断 。本文 首先 介绍 了 基 于神 经 网络和 专家 系统 集成 的注 汽锅 炉故 障诊 断 系 统 ， 着 阐述 了神经 网络 的学 习算 法 和诊 断策 略 ， 接 最后 实 验仿 真结 果证 明 了该故 障诊 断 系统 的准确性
和 可靠 性 。
关 键词 ： 注汽锅 炉 ； 障诊 断 ； 故 蒸汽 干度 ； 向基神 经 网络专 家系统 ； 径 小波分析
中 图分 类号 ： Ｋ ２ ．２ Ｔ ２９９ 文献标 识 码 ： Ａ 文章 编号 ：０ ２— ３ ９（ ０ ２ １— ０ ８— ４ １０ ６ ３ ２ １ ）０ ０ ４ ０
Ａｎ Ｉ ｔ ｌ ｇ ｎ ｕ ｔＤｉ ｇ ｏ ｉ ｅｈｏ ｆＳｕ ｅ ｈｅ ｔＳｑ ｂ ｏ ｎ ｅｌ ｅ ｔＦａ ｌ ａ ｎ ｓｓＭ ｔ ｄ ｏ ｐ ｒ ａ ｕｉ ｆ ｉ
ｎ ｓｓ ｍｅ ｈ ｄ． ｈｅ ｓｍｕ ａｉｎ ｒ ｓ ｌｓｐ ｏ ｅ ｔ ｅ ｍｅｈ ｄｇ ｒｔ ｆａ ｃ ｒ ｃ ｎ ｅｉｂｉ ｔ ． ｏ ｉ ｔ ｏ Ｔ ｉ ｌｔｏ ｅ ｕ ｔ ｒ ｖ ｈ ｔ ｏ ａｅ ｏ ｃ ｕ ａ ｙ ａ ｄ ｒ ｌａ ｌ ｙ ｉ
Ｋｅ ｒ ｓｓ ａ ｙｗｏｄ ：ｔ ｍ—ｉ ｅｔ ｎｂｉ ｒｆｕ ｉ ｎ ｓ ；ｒｎｓ ｆ ｃｉ ； Ｂ Ｎ Ｅ ； ａｅ ｔ ｎｌｓ ｅ ｎ ｃ ｏ ｏ ｅ； ｌｄａ ｏｉ ｄｙ ｅｓ ｒ ｔ ｎ Ｒ Ｆ Ｎ Ｓ ｗ ｖｌ ａ ｉ ｊ ｉ ｌ ａｔ ｇ ｓ ａ ｏ ｅａ ｙｓ
２ １ 知 识库 的 建立 ．
学习的目的是使 ． 占， 中 占 ， 其 为给定误差
隐层第 个结点的输出为
神经 网络专家系统（ Ｎ Ｓ 设计 的重点是其知 Ｎ Ｅ）
ｃ＝ｘ ｅ［ ， ｐ
・
４ ・ ９
其 中 ，ｌ —ｃＩ为 欧式范 数 ， 为输入 样本 ， Ｊ Ｉ Ｃ 为 Ｒ Ｆ Ｎ隐结 点 的 中心 ， 用 梯 度 下 降 法 迭 代 求 ＢＮ 利
果 的重要指 标 。蒸 汽 干度 过 高 ， 使锅 炉 过 热 而 产 会
生 爆管现 象 。
层 中 ， 油层 中 的原 油进 行 加 热 ， 低 稠油 的粘 度 ， 对 降 增 加原 油 的 流 动 性 和 渗 透 性 ， 幅 提 高 原 油 采 收 大
随着 现 代 传感 技术 的发 展 ， 高性 能 的采 集 器 的
识库 ， 知识库 的设 计 是 建立 专家 系 统 最重 要 和 最艰
巨的任 务 。
信号出发 ， 在利用小波变换提取蒸汽干度 的特征的
基 础上 ， 人工 智 能理 论 和 技 术 与 故 障诊 断 的理 论 将
和 技术 有机 结合 起 来 ， 以有 效 地对 注 汽 锅 炉 的运 可
２ １１ 人 工神 经 网络模 型及 其 学 习算法 ．． 神 经 网络是 用大量 神经 元 的互连及 对各 连接权 值 的分 布来 表示特 定 的概念 或知 识 。在 进行 知识获 取时， 它要求 领域 专家提 供 实例及 相应 的解 ， 过特 通 定 的学 习算法 对样 本 进 行 学 习 ， 过 网络 内部 的 自 通 适应 算 法不 断修 改权 值 分 布 以达 到要 求 ， 领域 专 把 家求 解 实际 问题 的启发 式知 识经 验分布 到 网络 的互 连 和权 值分 布上 。 径 向基 函数 神经 网络 （ Ｂ Ｎ 是具 有 单 隐层 Ｒ Ｆ Ｎ） 的三层前 馈 网络 ， 可 以 以任 意 精 度逼 近 任 一连 续 它 函数 。Ｒ Ｆ神 经 网络 克 服 了 Ｂ Ｂ Ｐ神 经 网络 的缺 陷 ，
智能技术获得重大发展 ， 锅炉故 障诊断趋 向智能化
发展 。为 了更好地 对 注 汽锅 炉 进 行 故 障诊 断 ， 十 近
年来 ， 王希光 、 阮曙东 、 玉 荣 、 李 马华 杰 、 石
收 稿 日期
２１ Ｏ ０ １一 ７—１ １
修 订 稿 日期
２ １ —０ ０ ０ １ ９— ６
在 学 习过程 中 ， 设有 Ｐ组输 入／ 出样 本 ／ 输 ｄ， ，是 在 Ｘ输入 下 网络 的输 出 ， 义 目标 函数 ， ｐ 定
ｌ ＝ 寺∑ ｌｐ ＹＩ ＝ ÷∑∑ ， Ｊ —ｐ ｄ ｌ
－ Ｐ ｔ
（ ｄｂ — Ｙ ） ｋ
ｐ
２ 故障诊 断专家系统 的原 理与诊断策略
０ 前 言
油 田注汽 锅 炉是 稠 油开 发 的重 要 设备 ， 产 生 它
蒸 汽千 度为 ８ ％ 的高 温高压 的湿饱 和蒸 汽 ， ０ 注入 油
速、 准确地 判断 是 十分 必 要 的 。蒸 汽 干度 是 油 田注 汽锅 炉安全 运行 的重要 参 数 ， 是 影 响稠 油 热 采效 也