基于CAN的燃氣輪機遠程監測與診斷系統

　　1.2 監測診斷系統功能

　　現場(chǎng)采集處理與監測子系統模塊：完成該系統的初始化，現場(chǎng)數據的采集和預處理，與CAN總線(xiàn)數據通信。

　　1.2.1 網(wǎng)絡(luò )通信模塊

　　通訊任務(wù)包括現場(chǎng)采集站定時(shí)將機組當前運行參數發(fā)送到工程師站。工程師站將控制、采集等運行參數設置命令發(fā)送至數據采集站。

　工程師站與MIS系統的通訊采用服務(wù)器把MIS、工程師連接起來(lái)，可用Windows NT命名管道傳送實(shí)時(shí)數據，使MIS站上的工程師可以監視燃氣輪機的各種狀態(tài)。遠程網(wǎng)絡(luò )連接將MIS通過(guò)Web服務(wù)器建立Intemet連接，可以使現場(chǎng)工程師和診斷中心專(zhuān)家進(jìn)行在線(xiàn)交流，及時(shí)掌握更多的信息，由專(zhuān)家提供診斷結論和治理措施，再將這些結論通過(guò)對話(huà)服務(wù)發(fā)送給現場(chǎng)工程師。

　　1.2.2 數據庫模塊

　　數據庫模塊的設計應采用分散和集中相結合的原則，可以將數據庫模塊分成兩部分：

　　數據采集站的數據庫和診斷中心數據庫。數據采集站的數據庫設計原則是設計實(shí)時(shí)數據庫，包括振動(dòng)的各種特征參數、波形數據、頻譜數據、溫度、壓力、轉速等。實(shí)時(shí)數據庫采用單鏈表數據結構設計。診斷中心的數據庫按照不同的診斷建立相應的實(shí)時(shí)、歷史數據庫，歷史數據庫采用大型數據庫管理系統。

　　實(shí)時(shí)數據庫接收客戶(hù)端實(shí)時(shí)發(fā)送的數據，實(shí)現遠程監測。而歷史數據庫則主要收集一些與故障相關(guān)的特征數據，主要包括：機組啟停、升降速、增減負荷時(shí)的狀態(tài)參數，異常工況下的狀態(tài)參數、部分正常工況下的狀態(tài)參數、機組其他重要的狀態(tài)參數和運行參數。

　　1.2.3 服務(wù)程序模塊

　　它是遠程診斷中心的重要組成部分?，F場(chǎng)工程師和遠端專(zhuān)家通過(guò)它對狀態(tài)數據進(jìn)行分析處理，從而進(jìn)行故障診斷和制定故障治理策略。實(shí)時(shí)數據顯示分析包括參數設置、穩態(tài)和瞬態(tài)監測。系統參數對在線(xiàn)監測診斷系統的精度有著(zhù)重要的影響，不能隨意修改，為此給不同級別的用戶(hù)設定了不同的權限。穩態(tài)監測主要是在機組不間斷運行時(shí)使用，可采用列表的方式顯示各種狀態(tài)參數，并且可以繪制各種圖形，有多種反映振動(dòng)征兆的圖形化方法，從實(shí)時(shí)數據庫讀出數據然后繪制對應的圖形，如振動(dòng)波形圖、振動(dòng)頻譜、升降速波德圖、振型圖、軸心軌跡圖等，專(zhuān)家能夠選擇其想查看的圖形，從而進(jìn)行經(jīng)驗上的判斷。瞬態(tài)監測主要實(shí)現隨機監測和啟停機監測，可根據需要設置采樣頻率、采樣長(cháng)度、數據的存盤(pán)方式等，可供分析診斷軟件包等檢索調用。故障診斷服務(wù)主要包括方法、模糊理論、神經(jīng)網(wǎng)絡(luò )、遺傳算法與概率因果網(wǎng)絡(luò )相結合理論等建立的各種診斷程序。

　　2 GTD一350燃機智能故障診斷方法

　　2.1 基于規則的專(zhuān)家系統診斷方法

　　基于規則的方法又稱(chēng)產(chǎn)生式方法，早期的故障診斷專(zhuān)家系統都是基于規則的，這些規則是從專(zhuān)家的經(jīng)驗中總結出來(lái)，用來(lái)描述故障和征兆的關(guān)系。

　　該方法的優(yōu)點(diǎn)是知識表示簡(jiǎn)單、直觀(guān)、形象、方便，使用直接的知識表示和相對簡(jiǎn)單的啟發(fā)式知識，診斷推理速度快；要求數據的存儲空間相對較??；易于編程和開(kāi)發(fā)出快速原型系統。缺點(diǎn)是知識庫覆蓋的故障模式有限，對未出現過(guò)的和經(jīng)驗不足的故障診斷就顯得無(wú)能為力；當知識庫中沒(méi)有相應的與征兆匹配的規則時(shí)，易造成誤診或診斷失敗。

　　2.2 基于神經(jīng)網(wǎng)絡(luò )的診斷方法

　　從映射的角度分析，故障診斷的實(shí)質(zhì)是建立從征兆到故障源的映射過(guò)程。人工神經(jīng)網(wǎng)絡(luò )的優(yōu)點(diǎn)是高度非線(xiàn)性、高度容錯和聯(lián)想記憶等。但是，人工神經(jīng)網(wǎng)絡(luò )應用于故障診斷也存在許多不足，診斷方法屬“黑箱”方法，不能揭示出系統內部的一些潛在關(guān)系，無(wú)法對診斷過(guò)程給予明確解釋。網(wǎng)絡(luò )訓練時(shí)間較長(cháng)，并且對未在訓練樣本中出現的故障無(wú)診斷能力，甚至得出錯誤診斷結論，這些都增加了神經(jīng)網(wǎng)絡(luò )在實(shí)際應用中的困難。

　　2.3 基于遺傳算法與概率因果網(wǎng)絡(luò )結合的故障診斷方法

　　概率因果模型用于汽輪發(fā)電機組故障診斷時(shí)，具有最大似然值的故障集一定是最可能發(fā)生的故障，通過(guò)尋找使似然值函數最大的故障集合就可將故障診斷問(wèn)題轉化為非線(xiàn)性全局最優(yōu)化問(wèn)題。但各種故障的組合是一個(gè)相當大的搜索空間，用數學(xué)解析或實(shí)驗的方法幾乎不能求解。而遺傳算法具有高度并行性和求解非線(xiàn)性問(wèn)題的能力，可把遺傳算法與概率因果模型相結合，將由概率因果模型得到的似然值函數作為遺傳算法的適應值函數，在全局范圍內搜索最有可能發(fā)生的故障集合。概率因果模型與遣傳算法相結合時(shí)，染色體串采用二進(jìn)制編碼形式，故障出現為1，未出現為0。適應值函數由下式表示：

　　式中：D表示可能的故障組合，也就是染色體串中為1所對應的故障；M 表示已知存在的征兆；M代表所有的征兆集；P代表第i種故障所對應的先驗概率；c代表第i種故障與第，種征兆之間的因果強度，亦即第i種故障引起第7種征兆發(fā)生的可能性大小。

　　2.4 混合智能故障診斷方法

　　根據不同的發(fā)動(dòng)機系統參數，結合智能故障診斷方法的特點(diǎn)采用多種方法的診斷系統稱(chēng)為混合診斷方法。具體智能診斷方法的選用原則根據發(fā)動(dòng)機各系統故障的征兆以及故障狀態(tài)下的歷史數據來(lái)決定。本研究中GTD一350燃機油路系統故障采用專(zhuān)家系統，根據系統振動(dòng)檢測參數采用神經(jīng)網(wǎng)絡(luò )。

　　3 結語(yǔ)

　　本文對GTD一350型燃氣輪機建立了地面遠程監測與診斷系統。此系統的研究是集數據采集、性能分析、故障診斷、人工智能等技術(shù)于一體的綜合信息處理系統，實(shí)現了對GTD一350燃氣輪機運行狀態(tài)的監測和故障診斷。通過(guò)與Intemet的連接，實(shí)現了遠程監測和診斷。非現場(chǎng)運行人員可以直接登陸相關(guān)的遠程診斷中心的網(wǎng)站進(jìn)行分析診斷，可提高實(shí)時(shí)處理效率和分析診斷的準確性，為運行人員和設備管理工程師提供了設備運行狀況的科學(xué)依據，以便及時(shí)發(fā)現異常情況，保證設備安全可靠經(jīng)濟運行。