柴油机智能故障诊断技术及其发展趋势论文_刘隽,黄海铭

柴油机智能故障诊断技术及其发展趋势论文_刘隽,黄海铭

福建福清核电有限公司 350318

摘要:众所周知,柴油机的稳定运行需要综合多方面影响因素。而导致故障问题也并非单一的,将降低使用年限与生产效率。通常情况下,柴油机故障分为:压气机密封环漏油、涡轮端密封环渗油、发动机功率降低等。因此,在其故障维修过程中,还应综合多方面因素,提升工作稳定性与机组安全。对此,笔者结合实践研究,就柴油机智能故障诊断技术与发展趋势进行简要分析。

关键词:柴油机;智能故障诊断技术;发展趋势

如今,自动化水平得到了推升,柴油机从故障事后维修至定期检测,避免发生安全隐患;从以往故障诊断技术到智能故障诊断技术。从中不难看出:柴油机故障诊断技术的发展变化。怎样在实际工作中利用柴油机智能故障诊断技术,成为核对发电厂重要研究课题。而其今后发展导向也是我们所关注与关心的。

一、柴油机故障诊断技术分析

较早以前,柴油机故障诊断技术一般选择热力参数监控、磨粒监控、声振监控等多种技术方法。其中,热力参数监控原理是通过柴油机工作过程中的热力参数,分析工作状态。柴油机运行波动,考虑到由于曲轴扭转波动造成,其波动和柴油机各缸起火有着直接联系。因此,分析转速波动能够推算出缸内做功压力,进而判断出故障问题。磨粒监控则是经过润滑油油样进行产品检验,铁谱、光谱、含铁量分析等,判断柴油机摩擦副构件有无磨损,分析柴油机磨损故障问题。声振监控则是经过柴油机运行声音与振动监控,分析柴油机有无故障。但是,以往柴油机故障分析方法存在诸多不足。而伴随着科学技术的发展,智能诊断技术的基础,完全弥补了这一不足,得到了广泛关注。

二、智能故障诊断技术分析

(一)神经网络故障分析

首先,经过监测得出具体状况设计故障与正常状态下过程参数。通过预处理寻找故障征兆集数据,集中转化成网络输入形式。其次,构建人工神经网络系统。通过故障隐患信息,让其处于设定故障精度,判断标准故障形式。最后,输入故障征兆向量检测,在得到其状态下网络输出。随后,网络输出展开后处理且按照标准故障形式比较,得出判断结构即为故障类型。

BP神经网络因为有强大的非线性映射效果,得到了推广与应用。其经过实际故障分析,通过神经网络中的接入权值展现实践的故障诊断知识,能够进行故障联想以及、模式匹配、相似归纳水平,能够达到故障与征兆间复杂的非线性映射关系。应用BP方法也存在诸多问题与不足,例如:涵盖局部极值与收敛速度慢不足。而通过神经网络内的模拟退火法与遗传算法,能够避免这一问题,提升算法收敛速度。

现阶段,想要避免神经网络中的问题,通常将神经网络与其他方法融合展开故障分析。例如:模糊逻辑、专家系统、模式判断、自适应融合等。这样一来,能够有效解决神经网络问题,效果显著。

期刊文章分类查询,尽在期刊图书馆

(二)专家系统故障诊断

专家系统中的柴油机故障诊断属于智能计算机系统,涵盖了较多柴油机范围专家水平的诊断故障经验。将其应用在柴油机故障分析中,可以通过专家知识处理相关问题,模拟专家思维形式达到故障的准确判断。专家系统包含:知识搜集、推理机、知识库等多结构。把相关行业专家经验输入在知识库内,成为柴油机故障诊断专家系统的核心。在专业知识展现上,通过产生式结构与要求进行说明;在推理机中,展现于分析逻辑与推理模型。模糊逻辑较为简便,将复杂的方法变得简单化进而被广泛应用。

现阶段,专家系统的应用不足:理论分析较多又缺少实用性。针对专家系统,知识搜集要综合多个专家经验与知识,需要消耗一定时间。世界范围内在柴油机故障诊断专家系统研究依靠于数字信号处理的深层诊断知识分析。伴随着现代化科学技术的进步,我国在柴油机故障诊断专家系统研究中取得了丰硕成果。例如:MANB&WMC系列专家系统、状态监测、故障诊断仪等。

(三)支持向量机故障诊断

柴油机具有一定复杂性、系统性特征,故障问题无法通过单一的数学模型分析。虽然神经网络得到了推广与运用,不过由于其在线学习效率低、网络结构复杂等问题而影响其发展。现阶段,支持向量机得到了重视,构件于系统学习理论的VC维理论与结构风险最低属性中,让样本的分类间隔最大化。支持向量机故障真毒能够处理非线性、小样本不足,相对于神经网络有着较强的类别划分水平,学习效率高。

故障样本集成为支持向量机故障判断的核心。结合柴油机工作状态分析,处于不同温度环境与柴油机荷载撞他下,搜集拟定柴油机故障状态运行数据进行测量,将正常运行状态下的数据作为标准参数。实际测得参数和标准参数通过偏差处理得到诊断用的征兆集,构建柴油机故障样本。如果学习样本较少,支持向量机相对于神经网络方法,有着较强的分类能力,在小样本故障诊断范围应用广泛。

三、柴油机智能故障诊断技术发展趋势

(一)智能化趋势

专家系统、人工神经网络、模糊逻辑等作为一种智能化技术,也进一步衍生了新的方法体系,为未来故障诊断技术创造了条件。特别是柴油机构成具有复杂性、系统性特点,造成故障类型众多难以判断。伴随着科学技术的提升,人工智能诊断背景下也是今后发展趋势之一。另一方面,诊断系统也将走向分布模式。系统硬件生产规范化、软件设计更为标准,节省较多时间提升系统稳定性。

(二)网络化

现阶段,网络化也是今后柴油机故障诊断技术的主导方向。伴随着信息网络、计算机技术的出现,通过网络技术把故障诊断和数据搜集融合构成网络,便于机组管理,节省较多设备经济投入。同时,也能够提升设备使用率,与MIS系统融合能够推动现代化进程。

(三)仿真化

因为柴油机故障样本的搜集有着较强的损坏性、突发性,所需经济投入较大。目前,故障仿真技术处于研究阶段,是重要研究课题。通过MATLAB仿真软件,构建故障诊断的仿真系统展开故障诊断,能够节省较多时间与经济投入,为柴油机故障诊断创造了条件。不过,仿真技术也要与故障样本共同展开,构建模型具有复杂性特点、精准度有待提升。

结语

针对柴油机故障诊断问题,还应立足于多影响因素、应用先进技术。笔者综合分析了:柴油机故障诊断技术分析、智能故障诊断技术、发展趋势三方面间分析,这对柴油机故障诊断维修具有重要作用。同时,能够节省较多经济投入、节省维修成本。

参考文献

[1]张世鸿.船舶柴油机智能远程故障诊断系统研究[J].南方农机,2017(11).

[2]王忠巍,袁志国,马修真,刘龙,王金鑫.一种不依赖特征样本的柴油机故障诊断方法研究[J].哈尔滨工程大学学报,2017(06).

[3]冯长宝,韩忠伟,孙沫莉.遗传算法和神经网络在船舶柴油机故障诊断中的应用[J].舰船科学技术,2016(06).

论文作者:刘隽,黄海铭

论文发表刊物:《建筑学研究前沿》2017年第24期

论文发表时间:2018/1/26

标签:;  ;  ;  ;  ;  ;  ;  ;  

柴油机智能故障诊断技术及其发展趋势论文_刘隽,黄海铭
下载Doc文档

猜你喜欢