畢業(yè)答辯-火電廠凝汽器系統(tǒng)故障診斷系統(tǒng)研究

2018畢業(yè)論文答辯Loremipsumdolorsitamet,consecteturadipisicingelit.題目：火電廠凝汽器系統(tǒng)故障診斷系統(tǒng)研究學院：機械工程學院專業(yè)：機械設計制造及其自動化姓名：班級：機械卓越141班學號目錄課題背景及意義12人工神經(jīng)網(wǎng)絡BP診斷機理3硬件部分及解決方案4軟件部分及關鍵技術難點5結論6國內(nèi)外研究現(xiàn)狀課題背景及意義凝汽設備主要有凝汽器、循環(huán)水泵、凝結水泵、抽氣設備以及它們之間的連接管道和附件組成,右圖為最簡單的凝汽設備原則性系統(tǒng)圖。凝汽設備的工作過程是汽輪機做完工的排氣進入凝汽器并在其中凝結成水,排氣凝結出釋放出的熱量被循環(huán)水泵送入凝汽器冷卻管中被冷卻水帶出進入冷卻設備,凝結水通過凝結水泵從凝汽器底部的集水箱中抽出,升壓后送入主凝結水系統(tǒng)。當比體積很大的排氣在密閉的凝汽其中凝結成水時,其體積驟然縮小,使凝汽器形成高度真空。凝汽器內(nèi)形成高度的真空,外界空氣就會通過處于真空狀態(tài)下的不嚴密處漏人凝汽器的汽側空間,為了防止這些不凝結氣體在凝汽器中逐漸積累,使凝汽器的真空下降,需要采用抽氣設備將空氣不斷地從凝汽器中抽出,從而維持凝汽器的真空,保證機組安全經(jīng)濟運行。綜上所述,凝汽設備的主要任務是(1)在汽輪機排氣口建立并維持高度真空度；(2)將汽輪機排氣凝結成潔凈的凝結水作為鍋爐給水重復利用。原理圖課題背景及意義研究意義課題背景

凝汽設備是汽輪發(fā)電機組的重要輔機之一，其主要功能是保證汽輪機排汽在凝汽器中不斷地凝結，并使凝汽器達到所要求的真空值，是火電廠熱力循環(huán)中的重要一環(huán)，對于整個火電廠的安全經(jīng)濟運行都有重要影響。

凝汽器的故障包括低真空、凝結水過冷、冷卻管泄露、冷卻管振動等，其中，最常見的故障是低真空，這是本課題研究的重點。引起凝汽器低真空的原因很多，有時幾種因素同時出現(xiàn)，這給故障診斷帶來了困難。本課題就是想在詳細分析影響凝汽器真空的各種因素及征兆的基礎上，借助于計算機，利用模糊神經(jīng)網(wǎng)絡的診斷方法，能使一般的運行人員也可以準確快速地找出故障原因，并采取正確的措施進行處理。國內(nèi)外研究狀況美國已發(fā)展成為網(wǎng)絡化的汽輪發(fā)電機組智能化故障診斷專家系統(tǒng)，其三套人工智能診斷軟件（汽輪機TurbineAID，發(fā)電機GenAID，水化學ChemAID)共有近萬條診斷規(guī)則；日本在火電廠故障診斷技術研究方面亦處于世界領先水平，日本的日立公司研制出了指導火電廠運行和維護的專家系統(tǒng)；國內(nèi)在智能診斷方面的研究已蓬勃展開，國內(nèi)多所大學、研究所、電廠和有關生產(chǎn)廠家紛紛投入人力、物力進行這方面的研究，并取得了一定的研究成果。有關大型旋轉機械故障診斷技術，已開發(fā)出近20套多種類型的故障診斷裝置，并用于電廠各大型汽輪發(fā)電機組和石化企業(yè)壓縮機組的狀態(tài)監(jiān)測和故障診斷。人工神經(jīng)網(wǎng)絡BP診斷機理BP網(wǎng)絡是一種多層前饋性神經(jīng)網(wǎng)絡,其神經(jīng)元的傳遞函數(shù)S型函數(shù),輸出量位0到1之間的連續(xù)量,它利用誤差反向傳播算法對網(wǎng)絡進行訓練，其可靠性強，故在函數(shù)逼近，模式識別，信息分類及數(shù)據(jù)壓縮等領域得到了廣泛的應用。。由于它的數(shù)學意義明確，學習算法步驟分明，使得應用背景更加廣泛，可以實現(xiàn)輸入到輸出的任意非線性映射。目前,在人工神經(jīng)網(wǎng)絡的實際應用中,絕大部分的神經(jīng)網(wǎng)絡模型都采用BP網(wǎng)絡及其變化形勢，它也是前向網(wǎng)絡網(wǎng)絡的核心部分,體現(xiàn)了人工神經(jīng)網(wǎng)絡的精華。BP網(wǎng)絡主要用于以下四個方面(1)函數(shù)逼近用輸入向量和相應的輸出向量訓練一個網(wǎng)絡逼近一個函數(shù)；(2)模式識別用一個待定的輸出向量將它與輸入向量聯(lián)系；(3)分類把輸入向量所定義的合適方式進行分類；(4)數(shù)據(jù)壓縮減少輸出向量為數(shù)以便于傳輸或存儲。

BP診斷流程圖硬件部分及解決方案

本課題通過檢測凝汽器真空度、凝結水泵出口壓力、凝結水泵電動機電流、循環(huán)水溫、循環(huán)水泵電動機電流、循環(huán)水泵出口壓力、凝結水電導率、凝結水過冷度此8方面來檢測凝汽器故障,此8方面可用壓力傳感器、電流表、凝結水電導儀、溫度傳感器、智能傳感器來監(jiān)測。具體故障診斷參數(shù)采集整理過程如右圖所示。BP網(wǎng)絡診斷以及難點內(nèi)容

本文在熟悉和掌握火電廠凝汽器運行機理特點、了解其故障過程本質的基礎上，搜集凝汽器常見故障參數(shù)數(shù)據(jù)，設置人工神經(jīng)網(wǎng)絡凝汽器故障診斷，本文采用BP診斷進行故障類型識別。利用MATLAB數(shù)學建模軟件，并對其進行二次開發(fā)，對上述模型進行人工智能培訓，記憶各故障數(shù)據(jù)，并著重分析凝汽器故障產(chǎn)生的可能參數(shù)，從真空度、凝結水泵出口壓力、凝結水泵電動機電流、循環(huán)水溫，循環(huán)水泵電動機電流、循環(huán)水泵出口壓力、凝結水電導率、凝結水過冷度等8個主要參數(shù)分析，對常見的循環(huán)水泵嚴重事故、凝汽水管臟污、凝汽器滿水、真空系統(tǒng)不嚴密、凝汽器銅管破裂5種故障類型進行準確的識別。學會MATLAB神經(jīng)網(wǎng)絡工具箱的應用設計；特征數(shù)據(jù)的篩選，模擬故障信號，實現(xiàn)系統(tǒng)的故障識別功能；學習調用函數(shù)與創(chuàng)建診斷GUI界面；對最終的故障診斷系統(tǒng)進行準確率的提高。BP網(wǎng)絡數(shù)據(jù)采集函數(shù)function[train_data,test_data]=ReadData()data=load('data.txt');data1=data(find(data(:,9)==1),:);data2=data(find(data(:,10)==1),:);data3=data(find(data(:,11)==1),:);data4=data(find(data(:,12)==1),:);data5=data(find(data(:,13)==1),:);train=[data1(1:12,:);data2(1:12,:);data3(1:12,:);data4(1:12,:);data5(1:12,:)];train_data=train(:,1:8);test=[data1(13:16,:);data2(13:16,:);data3(13:16,:);data4(13:16,:);data5(13:16,:)];test_data=test(:,1:8);End數(shù)據(jù)表格BP網(wǎng)絡創(chuàng)建函數(shù)pn為歸一化處理后的訓練集向量空間

%%net建立的BP神經(jīng)網(wǎng)絡

function[net]=createBP(pn,num_hidden,func_hidden,func_out,trainfunc,goal,epochs,learn_rate)

fprintf('開始構建BP神經(jīng)網(wǎng)絡');

%%輸入隱含層單元數(shù)，num_hidden儲存該值的變量

num_hidden=input('輸入隱含層神經(jīng)元個數(shù):(40:20:100)');

%%輸入輸入層與隱含層之間的傳遞函數(shù)，func_hidden儲存該字符串的變量，func_hidden=input('請輸入輸入層與隱含層之間的傳遞函數(shù)；

%%(tansig,purelin)','s')，輸入隱含層與輸出層之間的傳遞函數(shù)；

%%func_out儲存該字符串的變量，func_out=input('請輸入隱含層與輸出層之間的傳遞函數(shù)；

%%輸入BP訓練函數(shù)，trainfunc儲存該字符串的變量，trainfunc=input('請輸入BP網(wǎng)絡訓練函數(shù):(trainrp)','s')；

%%輸入訓練目標，goal儲存該值的變量，goal=input('請輸入訓練目標（<0.01）(1e－5):');

%%輸入訓練次數(shù)，epochs儲存該值的變量，epochs=input('請輸入訓練次數(shù):(8000)');

%%輸入學習速率，learn_rate儲存該值的變量，learn_rate=input('請輸入學習速率(<0.1):(0.005)');

fprintf(開始構建BP神經(jīng)網(wǎng)絡,請等待.);

net=newff(minmax(pn),[num_hidden,5],{func_hidden,func_out},trainfunc);

%%調用MATLAB神經(jīng)網(wǎng)絡工具箱，構建BP神經(jīng)網(wǎng)絡

net.trainParam.goal=goal;%%設置訓練目標

net.trainParam.epochs=epochs;%%訓練迭代數(shù)

net.trainParam.lr=learn_rate;%%設置學習速率

fprintf(BP神經(jīng)網(wǎng)絡搭建結束！);

BP網(wǎng)絡訓練函數(shù)%netBP神經(jīng)網(wǎng)絡%pn為歸一化處理后的訓練集%t訓練集對應的目標集%返回參數(shù)%net訓練后的神經(jīng)網(wǎng)絡%tr訓練過程記錄function[net,tr]=trainBP(net,pn,t)disp('開始訓練BP神經(jīng)網(wǎng)絡，這個過程比較長，需耐心等待..........');[net,tr]=train(net,pn,t);disp('神經(jīng)網(wǎng)絡訓練結束！');

BP網(wǎng)絡準確率統(tǒng)計函數(shù)%net已經(jīng)訓練好的神經(jīng)網(wǎng)絡%pnewn歸一化處理后的測試集向量空間%pn歸一化處理后的訓練集向量空間%num_train每個用于訓練的圖片數(shù)目%num_test每個用于測試的圖片數(shù)目%返回參數(shù)%result_test測試的輸出結果向量空間%result_train訓練的輸出結果向量空間%count_test分類正確的測試集數(shù)目整型%count_train分類正確的訓練集數(shù)目整型%Test_reg測試集識別率%Train_reg訓練集識別率%Total_reg總識別率functionTest_reg=result(net,pnewn,pn,num_train,num_test)fprintf('測試神經(jīng)網(wǎng)絡,統(tǒng)計識別正確的圖片數(shù)\n\n');%測試模擬結果%計算在得出的結果中，被正確識別出來的測試集圖片數(shù)目if(I(1,(f-1)*num_test+g)==f)count_test=count_test+1;endendforh=1:num_train%計算在得出的結果中，被正確識別出來的訓練集圖片數(shù)目if(B(1,(f-1)*num_train+h)==f)count_train=count_train+1;endendend%計算出所有測試集的圖片總數(shù)GUI界面創(chuàng)建函數(shù)edit4=uicontrol(h_f,'style','edit','position',[126,360,60,40],'string','','backgroundcolor','g');......edit11=uicontrol(h_f,'style','edit','position',[574,360,60,40],'string','','backgroundcolor','g');以上為對8個數(shù)據(jù)參數(shù)的文本框及內(nèi)容字符串數(shù)字高度等進行編程；button_recg=uicontrol(h_f,'style','push','string','訓練','position',[205015050],'callback','train');%訓練按鈕調用程序為GUIrecg里面的函數(shù)button_match=uicontrol(h_f,'style','push','string','bp識別','position',[4005018050],'callback','GUIrecg');%bp識別按鈕調用程序為GUIrecg里面的函數(shù)；

最終GUI界面效果

實驗證明為驗證前文設立的故障診斷學習狀態(tài)模型是否可靠以及最終編程模擬是否準確，故在本課題進行試驗來對前文進行的模擬結果進行驗證，通過檢測各故障的分析數(shù)據(jù)狀態(tài)，來與模擬結果進行對比來確定模型的可靠性和準確性。本章將分具體故障類型將試驗過程進行完整分析。試驗步驟為依次進行真空系統(tǒng)不嚴密、凝汽管臟污、循環(huán)水泵嚴重事故、凝汽器滿水、凝汽管破裂五種故障進行數(shù)據(jù)模擬分析，每種故障隨機選取5組故障數(shù)據(jù)參數(shù)，將其帶入故障診斷界面，并依次進行訓練和BP診斷，在訓練完成后觀察器圖象的重合性是否達到要求，如果達到要求則進行BP診斷；否則，進行再次訓練學習，直到達到標準進行BP診斷。真空系統(tǒng)不嚴密故障數(shù)據(jù)驗證以下數(shù)據(jù)依次帶入測試數(shù)據(jù)框內(nèi)，點擊bp識別，判斷出結果，結果若為均為真空系統(tǒng)不嚴密，驗證此類故障診斷準確性可靠。凝汽管銅管臟污故障數(shù)據(jù)驗證以上數(shù)據(jù)依次帶入測試數(shù)據(jù)框內(nèi)，點擊bp識別，判斷出結果，結果為均為凝汽管銅管臟污，驗證此類故障診斷準確性可靠。

結論本文根據(jù)基本神經(jīng)網(wǎng)絡的原理，對火電廠凝汽器系統(tǒng)各具體特征參數(shù)進行了分析，探究了凝汽器系統(tǒng)工作原理，對各故障參數(shù)影響進行了分析，對故障類型判別進行了研究。在研究過后，文章根據(jù)故障診斷機理，建立了