鍋爐混合智能故障診斷技術的探析

陳 錕

（國家知識產權局專利局 專利審查協作廣東中心，廣東 廣州 510000）

針對鍋爐混合智能故障診斷技術來講，其主要是圍繞鍋爐設備特點，提出的一種具有清晰的層次，且理解起來比較容易，可以取得理想應用效果的一種技術手段。在具體引用中，能夠對人類專家的邏輯思維，以及形象思維能力做出較好的模擬，從而實現對鍋爐故障的及時、準確診斷。[1]除了在鍋爐設備故障診斷中的科學引用，這一技術方法還能夠通過進一步的優化，向其他特種設備的故障診斷研究工作應用推廣，應給予足夠重視。

1 加強故障診斷技術應用研究的意義

一直以來，鍋爐設備的故障識別、排除工作都是結合工作人員在以往積累的經驗來開展的，但針對系統較為復雜的大型鍋爐設備來講，工作人員很難通過現有經驗技術來全面理解、準確把握其運行過程，也難以準確判斷故障類型。但也正是因為這方面的欠缺，才會導致誤操作的產生，運行可靠性、效率才無法得到有力保障。因此，為了有效解決以往故障診斷工作中的各類問題，從整體上提升鍋爐設備故障診斷工作質量與效率，應充分重視起基于專家系統的檢測、故障診斷系統的建立。[2]具體來講，就是要結合實際需求，將多個專家理論知識、實踐經驗有機整合，開發出一個更新穎，結合信號采集、數據分析來構建的計算機故障診斷專家系統，以此來幫助相關工作人員從不同層面，對鍋爐設備作出實時檢測。這樣既可以聯系實際及時的提供科學的運行指導，還能夠高效、準確的完成故障診斷工作，以此來為鍋爐設備的安全、穩定運行提供有力保障，也能夠有效突破以往鍋爐設備故障診斷中存在的不足之處。

2 單一智能故障診斷方法

1.專家系統和故障診斷。專家系統著重強調的是引用專家知識經驗，以及推理方法的一種計算機模型系統。專家系統的進一步發展給智能化診斷技術的應用推廣提供了有力支持，且在故障診斷、系統恢復，以及報警處理和檢修計劃安排等問題的處理上具有的優勢是不容忽視的。[3]就目前來看，專家系統雖然可以使得一些專門領域的問題得到有效解決，但基于以往實踐來看，其與專家水平還存在一定的距離，在具體引用中還存在一些局限，如知識獲取后存在“瓶頸”問題，模擬專家思維過的單一推理機制也受到了諸多局限。系統自學習能力也不是很理想。因此，在之后的應用發展中，固有缺陷的彌補應給予足夠重視。

2.神經網絡和故障診斷。對于神經網絡技術來講，其產生、應用之后，給傳統的人工智能技術帶來了一定的沖擊，其在自組織、自學習能力以及信號處理和圖像識別等諸多領域具有的優勢，應用前景都是不容忽視的。但就目前來看，基于神經網絡的故障診斷還存在一定的缺陷，未做到對諸多特定領域中專家積累的寶貴經驗的充分利用，只有獲得充足的學習樣本，以及明確的故障診斷事例才可以為診斷可靠性提供保障。[4]另外，診斷推理過程也無法解釋，缺少透明度。現階段，為了現有智能診斷方法存在的局限性可以得到有效克服，人們也在積極研究更加強大的混合智能診斷系統。如有機整合人工神經網絡、專家系統，這樣專家系統的知識獲取困難，以及推理能力較差的問題得到妥善解決，同時神經網絡訓練樣本獲取難度較大，以及推理過程透明性方面存在的不足也可以得到有效彌補。

3.模糊技術與故障診斷。在鍋爐實際運行過程中，經常會出現一些狀況存在很大的不確定性，或者是不分明的情況，如在征兆的描述上，溫度“偏高”以及壓力“偏大”等都具有很高的模糊性，進而導致系統中的一些故障狀態也存在很大的模糊性。而針對模糊邏輯來講，其具有的結構性知識表達能力較高，在模糊或者是定性知識的表達上具有顯著優勢，推理過程也和人的思維模式非常相似。且模糊分類還可以對關聯的關系，以及專家語言描述的事件進行直接編碼，人們理解起來也更加容易。同時，也便于啟發性知識的引入，從而實現對推理過程的追蹤。因此，針對故障診斷領域中，模糊理論的科學引入應給予足夠重視。

3 鍋爐混合智能故障診斷技術

3.1 混合智能故障診斷方法

就目前來看，混合智能診斷技術主要包括：基于模型的推理與案例的推理，基于模糊邏輯和神經網絡的專家系統，以及基于案例的推理和人工神經網絡與模糊邏輯等諸多方法。本文則著重針對模糊邏輯、專家系統，以及神經網絡有機整合的智能診斷方法應用做出了深入探究：

第一，模糊神經網絡。模糊技術和神經網絡存在很多的相似之處，重點都是對人思維的模擬處理，在形式上也非常相似，這也為之后的整合應用創造了有利條件。同時，神經網絡技術、模糊技術也具有自己的優勢特點，能夠做到分布式貯存信息，大規模模擬并行處理，還有高度的容錯性、魯棒性以及實時處理能力等都是不容忽視的。邏輯推理能力是模糊邏輯的優勢所在，可以有效處理高階信息，通過進一步優化模糊技術和神經網絡的有機整合，能夠使得神經網絡處理信息的范圍、能力得到進一步加強。這樣在精確處理相關信息的同時，也能夠做好對模糊信息以及其他不精確信息的有效處理。[5]另外，在學習、自動模式識別上具有的優勢特點也是不容忽視的，在引用神經網絡技術來處理模糊信息過程中，能夠促使模糊系統逐漸發展成為一種自適應模糊紅系統，從而有效解決模糊規則自動提取以及模糊隸屬度函數的自動生成。

第二，模糊神經網絡和專家系統。模糊神經網絡能夠整合模糊邏輯、神經網絡的優勢特點。其不僅能夠對人腦的邏輯思維進行模糊，還可以對人腦的神經元功能進行模擬。在對模擬概念問題進行描述的同時，發揮的學習、數據直接處理能力也是較為強大的。總之，與傳統專家系統相比，模糊神經網絡具有的優勢特點是不容忽視的，尤其是在知識獲取、自適應學習，以及容錯能力等方面的優勢，能夠有效模擬傳統診斷系統存在的不足之處。

3.2 鍋爐混合智能故障診斷方法

針對有層次、存在不確定性、延時性等故障特點的鍋爐來講，通過引用混合智能故障診斷方法，能夠有效彌補以往單一診斷方法存在的諸多局限，與現代故障診斷發展趨勢相符合。

首先，針對提取參數以及神經網絡輸入數據預處理這一環節，對模糊數學處理方法的應用來講，在具體引用中，需要結合經驗來明確鍋爐故障隸屬函數，具有較強的主觀性，且存在的局限也較多。人工神經網絡具有較強的自學能力，可以發揮出模式分類以及函數模擬等功能。對此，可以通過有機整合模糊系統、人工神經網絡的方式來突破以往存在的局限。在此背景下，模糊神經網絡能夠繼承人工神經網絡的學習能力，通過學習數據樣本來實現對模糊規則的自動總結以及隸屬度函數的自動調整。

其次，在故障診斷處理過程中，可以引用將模塊化模糊神經網絡來作為推理機制的診斷方法。且在進行學習樣本的選擇過程中，對于實際、典型樣本的使用應給予足夠重視。前者可以將鍋爐設備的個性充分反映出來，且基于攜帶的相關工況信息，能夠促進系統容錯性的顯著提升。而后者則能夠促使網絡更快的圍繞將要研究的對象形成概念，同時進行特征的抽取。[6]但要注意，若單純的選用典型樣本，在具體診斷過程中，便難以發揮出理想的抵御干擾的能力，難以為診斷精度提供有力保障。但若只是選用實際樣本，系統則難以快速認識故障，難以做到快速、準確的診斷。另外，還需要注意，雖然可以從原始材料中獲得樣本，但選擇的樣本要避免存在較高的相關性，以免最后網絡數據流方向發生改變而導致系統無法實現在一個方向上收斂，進而影響系統性能的發揮。

最后，在故障驗證階段，可以引用基于規則的推理方法，簡單來講，就是引用規則知識來將科學有效的處理對策以及診斷過程解釋推理出來，之后再引用模型知識進行推理驗證。

4 結語

綜上所述，隨著各類新穎技術手段的不斷涌現和應用推廣，對鍋爐設備故障診斷工作也提出了新的要求。同時，也圍繞鍋爐設備的實際運行特征，還有故障特點以及以往引用的故障診斷技術應用情況的綜合分析，提出了一種基于混合技術的、智能化的故障診斷方法。而通過這一智能化診斷技術的科學引用，不僅能夠為鍋爐設備的安全、穩定運行提供有力保障，也能夠促使鍋爐設備故障診斷工作質量、效率的顯著提升。