用單片機系統實(shí)現故障診斷

0．引言

現代工礦企業(yè)設備日益朝向大型化、復雜化、智能化發(fā)展，迫切要求對其運行狀態(tài)進(jìn)行多參數監測和故障診斷。隨著(zhù)芯片技術(shù)的發(fā)展及智能技術(shù)的應用，診斷技術(shù)已開(kāi)始進(jìn)入一個(gè)新階段，即智能化階段，這是一種基于人工智能技術(shù)的診斷方法。該方法對復雜大系統的診斷尤其有效，可充分利用現有的經(jīng)驗知識，構造智能模型，進(jìn)行快速診斷。智能診斷系統的性能取決于所采用的智能模型。

本文用人工神經(jīng)網(wǎng)絡(luò )綜合實(shí)現凝汽器運行狀態(tài)的診斷判斷。其原理是：設備的各種運行狀態(tài)與其各種物理參數如溫度、壓力、振動(dòng)頻率等有一定關(guān)聯(lián)。這種關(guān)聯(lián)難以用確定的數學(xué)表達式來(lái)表達，但可以用神經(jīng)網(wǎng)絡(luò )來(lái)逼近該模型。

1．基于神經(jīng)網(wǎng)絡(luò )的故障診斷

人工神經(jīng)網(wǎng)絡(luò )（Artificial Neural Networks 簡(jiǎn)稱(chēng)ANN）[1]是由大量簡(jiǎn)單處理單元廣泛連接而成的復雜的非線(xiàn)性系統，具有學(xué)習能力、自適應能力、非線(xiàn)性逼近能力等。實(shí)際應用研究中，大多使用的是 BP網(wǎng)絡(luò )（Back-Propagation network）即反向傳播網(wǎng)絡(luò )。BP網(wǎng)絡(luò )因具有較強的非線(xiàn)性逼近能力，能進(jìn)行故障模式識別，還能進(jìn)行故障嚴重程度評估和故障預測，因此，應用最廣。但是，由于BP算法在迭代時(shí)采用梯度下降法，存在著(zhù)收斂緩慢、振蕩和局部極小等問(wèn)題，一些改進(jìn)的BP算法在這些方面有些改善。BP網(wǎng)絡(luò )屬于多層結構，前饋式，它是繼Hopfield 網(wǎng)絡(luò )之后，Rumelhart提出的又一重實(shí)用網(wǎng)絡(luò )模型，其學(xué)習算法采用的是反向傳播算法，基本思想是構造一個(gè)類(lèi)似于感知機的非線(xiàn)性系統，并讓該系統的決策能力與最小誤差函數和梯度下降聯(lián)系起來(lái)，從而解決了普遍存在的多層神經(jīng)網(wǎng)絡(luò )的學(xué)習不易收斂問(wèn)題。

1989年Robert Hesht Nielson證明了對于任何在閉區間內的一個(gè)連續函數，都可以用一個(gè)隱含層的BP網(wǎng)絡(luò )來(lái)逼近，因而一個(gè)3層BP網(wǎng)絡(luò )可以完成任意的n維空間到m維的映射，故本文采用的網(wǎng)絡(luò )是3層網(wǎng)絡(luò )，中間只有一層隱含層，網(wǎng)絡(luò )結構如下圖所示。

2．系統總體方案介紹

表1為該系統使用的凝汽器11種典型故障的征兆集[2][3]。在征兆集中，“1”表示征兆存在，“0”表示征兆不存在。BP網(wǎng)絡(luò )的目標輸出對應各故障的隸屬函數，即為：
q, l-1, 2, …， 11

為了說(shuō)明起見(jiàn)，仍采用文獻[2]中給出的故障征兆來(lái)對網(wǎng)絡(luò )進(jìn)行訓練。

該系統實(shí)現的功能有上述17種信號的采集與放大濾波、壓力溫度信號的補償、鍵盤(pán)輸入、LCD顯示輸出、與上位機的通信。

注：故障征兆序號的含義為：1.真空急劇下降；2.真空緩慢下降；3.循環(huán)水泵電動(dòng)機電流降至零；4.循環(huán)水泵出口壓力降至零；5.汽輪機低壓脹差為負值；6.凝結水泵出口壓力增加；7.凝結水泵出口壓力下降；8.凝結水泵電動(dòng)機電流增加；9.凝結水泵電動(dòng)機電流減小; 10 .凝結水導電度增加; 11 .低壓加熱器水位升高; 12 .循環(huán)水溫升增加; 13 .循環(huán)水溫升減小; 14.凝汽器端差增加；15.凝結水過(guò)冷度增加；16 .抽氣器抽出的空氣溫度與冷卻水入口溫度之差增加;17.凝汽器抽氣口至抽氣器入口之間的壓差減小。

3．硬件實(shí)現

為了硬件系統的小型化，這里選用帶有A/D轉換、4K ROM和256字節RAM的83C552 CPU?？删幊谭糯笃魍瑫r(shí)具有采樣保持的功能。