功能說明與康明斯知識

柴油發(fā)電機故障智能化診斷的仿真建模

 

摘要：柴發(fā)電站是整個后備電源系統(tǒng)的動力心臟，隨著現代電力系統(tǒng)的日趨高性能化和結構復雜化，構成柴油發(fā)電機組也日益朝著大型化、高速化、精密化方向發(fā)展，工作性能不斷改善，自動化程度越來越高。一方面它將大大提高勞動生產率，提高電能質量，降低柴油發(fā)電機維護成本和能耗；但另一方面，帶來的問題是，一旦其中某一部分或某一環(huán)節(jié)發(fā)生故障，往往會使整個應急用電系統(tǒng)處于癱瘓狀態(tài)。因此，如何迅速判斷故障發(fā)生的原因，進而有效地排除故障，保證柴油發(fā)電機組運行具有特別重要的意義。 在此背景下，本文中主要介紹基于神經網絡的柴油發(fā)電機組的故障診斷，首先，確定了神經網絡故障診斷方法對柴油機和發(fā)電機進行故障診斷的研究。

 

一、故障智能診斷技術概述

 

1、故障智能診斷的功能

      發(fā)電機故障只能診斷系統(tǒng)能夠對發(fā)電機各個部位產生的故障及時的發(fā)現，減少了由人工——排查故障部位的時間，在減少故障時間的同時，也能夠阻止故障的進一步惡化。智能診斷系統(tǒng)在發(fā)現故障部位時，能夠對故障部位產生的可能原因進行分析，進而對維護人員的檢修程序給予最佳方案，幫助技術人員以效率最高的故障排除方法對發(fā)電機電氣系統(tǒng)的各種常見故障及疑難故障進行修理，極大的提高了發(fā)電機故障排除的效率，從根本上維護了我國電力系統(tǒng)的安全性和穩(wěn)定性。發(fā)電機智能診斷系統(tǒng)是集合了故障診斷專家的實戰(zhàn)經驗和豐富的診斷知識，對發(fā)電機的故障診斷具有極高的診斷效率，在實際操作中發(fā)揮著重要的作用，能夠快速的找到故障部位并且提供有效的檢修方法，還可以對發(fā)電機的故障進行模擬訓練，對技術人員的故障檢修流程進行指導，幫助技術人員對維修技術和工藝進行掌握，以便于在真正發(fā)生故障時，工作人員能夠高效的進行故障排除，減少發(fā)電機故障造成的經濟損失。

      發(fā)電機的運作設計圖和運作方式都各有不同，不同的發(fā)電機組在發(fā)生故障時的故障排查方式和解決方案都會有所更改，這對于技術人員的發(fā)電機故障修理具有極高的技術性要求，為了減輕檢修人員的工作強度，智能診斷系統(tǒng)可以收集各種類型的發(fā)電機組運作原理、易發(fā)故障部位、使用維護說明書等資料，有利于工作人員在故障排除時，及時的查閱到相關基礎資料，提高技術人員對發(fā)電機組的了解程度，提高故障排除效率。

2、智能診斷系統(tǒng)的組成

      發(fā)電機電氣故障智能診斷系統(tǒng)是與計算機技術相結合，將高新技術運用到故障診斷中，有效的提高了故障診斷效率。系統(tǒng)是以計算機C語言為核心，與相關的測控專業(yè)工具相結合，實現對發(fā)電機組工作性能進行檢測，由相關的診斷模塊測試發(fā)電機工作狀態(tài)是否正常，一旦發(fā)現問題，通過C語言編程的診斷程序，快速判斷故障部位，并且找到可能導致故障的原因，指導技術工人正確的對發(fā)電機組進行維修工作。

      智能診斷系統(tǒng)中，全面覆蓋了發(fā)電機容易發(fā)生的各種故障和導致故障的原因，對發(fā)電機組的正常開關機等操作都有詳細的記錄，在工作人員進行相關的操作時，方便其進行快速的查詢，保證維修時操作的規(guī)范性，能夠有效的避免由于人工失誤引起的二次事故。智能檢y系統(tǒng)不僅限于對發(fā)電機組是否故障進行檢測，還可以按照技術要求測定發(fā)電機組的相關數據的測量，方便技術人員及時掌握發(fā)電機的工作狀態(tài)。

3、智能診斷系統(tǒng)的特點

      智能診斷系統(tǒng)具有很高的智能性，是將計算機技術、人工智能技術、電子技術等高新技術有機結合形成的智能系統(tǒng)，將大部分的發(fā)電機組型號、運行特點、操作規(guī)范等都涵蓋在內，能夠對發(fā)電機組各電器總成的電流、電壓等參數實時檢測，預防發(fā)電機發(fā)生故障，并且能夠提供一套正確高效的解決方法。

      智能系統(tǒng)知識庫收集了電氣故障診斷專家的診斷經驗和專業(yè)知識，將其運用到實際的故障診斷和排除上，實現理論知識與實踐相結合，通過與技術工人之間的配合，來時刻保證發(fā)電組正常的工作。智能診斷系統(tǒng)的功能強大，對發(fā)電機的正常運轉發(fā)揮著不可替代的作用，操作簡便易上手，對于操作方法還不夠嫻熟的技術工人，操作界面有詳細的提示信息，通過文字、圖片、聲音等傳播載體，將發(fā)電機組的相關信息詳盡的進行顯示，方便技術工人的查詢、操作、學習。

 

二、什么是概率神經網絡（PNN）

 

       概率神經網絡是由Specht博士在1989年首先提出，  是一種與統(tǒng)計信號處理的許多概念有著緊密聯(lián)系的并行算法。它實質上是一個分類器，根據概率密度函數的無參估計進行貝葉斯決策而得到分來結果。整個網絡屬于徑向型網絡，不需要進行反向誤差傳遞，具備學習速度快、具有很強的容錯性、可以完成任意非線性變換的優(yōu)點，同時由于各層神經元的數目比較固定，因此易于硬件實現。在實際應用中，尤其在解決分類問題中，PNN不僅能用線性學習算法來完成非線性學習算法的工作，用時也能保證非線性算法的高精度等特征，所以被廣泛應用于故障檢測和目標分類識別領域。

      概率神經網絡通常由4層組成，其結構圖如圖1所示：

圖1 柴油發(fā)電機故障診斷神經網絡結構圖

 

 

○ 第1層為輸入層，這一層負責將特征向量輸入到神經網絡中去，輸入層神經元的個數就是樣本特征值的個數，這一層的作用只是將輸入信號用分步的方式來表示。

○ 第2層為模式層，它與輸入層之間通過連接權值相連接。模式層神經元的傳遞函數為

上式中，為平滑因子，決定了樣本分類的準確度，這也是PNN網絡關心的核心量。

○ 第3層為累加求和層，它具有線性求和功能。這一層的神經元數目與欲分的模式數目相同。

○ 第4層為累輸出層，具有判決功能，輸出為離散值1和0，分別代表著輸入模式的類別。

      為了讓智能診斷系統(tǒng)在發(fā)現發(fā)電機組發(fā)生故障，能夠盡快的找到故障原因，并且對故障部位進行提示，提出有效的故障檢修方法，要正確的處理故障部位與故障原因之間的關系。因為發(fā)電機的某一故障可能是由于多方面的因素導致，也就是說，會有多種原因造成這一故障，而且隨著發(fā)電機組的規(guī)模越來越大，結構更加復雜，故障部位與故障原因之間的關系縱橫交錯，這是實現智能診斷系統(tǒng)正確診斷應該解決的難點之一。因此，要利用故障部位與故障原因之間的關系，結合故障診斷專家的專業(yè)技能，使用模糊理論的手段，實現智能診斷系統(tǒng)對故障原因的判斷。模糊理論是用來表達發(fā)電機組內故障部位與故障原因之間相互交叉的關系，建立模糊關系方程式，就可以幫助診斷系統(tǒng)做出正確的診斷。

 

三、建立基于PNN的故障診斷模型

 

     當發(fā)電機在發(fā)生故障時，具有多種故障運行形態(tài)。因此，能夠及早的發(fā)現并處置故障，防止造成重大人員傷亡和經濟損失顯得十分重要。本實驗采用發(fā)電機4個典型故障特征作為分類對象，在采集到的狀態(tài)數據基礎上，訓練得出合適的故障診斷模型來對其進行分類。

 

圖2 柴油發(fā)電機故障神經網絡訓練效果圖

 

    首先在采集到的200組故障樣本數據中，隨機選取80%的數據做訓練樣本數據集，輸入數據為描述故障狀態(tài)的特征向量，輸出類型為故障的分類結果。同時，為了分析該概率神經網絡分類的準確度，將剩余的20%的數據作為測試樣本進行仿真測試。

 

圖3 柴油發(fā)電機故障神經網絡預測效果圖

 

    在本次實驗中，描述故障狀態(tài)的特征向量主要有發(fā)電機的有功功率P、無功功率Q、發(fā)電機的輸出電壓U、發(fā)電機的三相電流輸出I、發(fā)電機的功率因數pf、發(fā)電機定子電壓U1、定子電流I1。輸出狀態(tài)為電子調速器失靈（ f1）、發(fā)電機失磁（ f2）、勵磁模塊故障（f3）、噴油嘴故障（ f4）四種故障類型。

 

總結：

       本文中分別對柴油機和發(fā)電機及發(fā)電機勵磁系統(tǒng)進行數學建模，并對所建立的數學模型用SIMULINK對柴油機的熱力學工作過程和同步發(fā)電機的正常工作過程和故障工作過程進行仿真，獲取柴油機和發(fā)電機在正常工作及故障狀態(tài)下的特征值。然后對獲取的特征值進行歸一化處理，把經過處理的特征值作為神經網絡的輸入樣本集，設計輸出樣本集，建立BP神經網絡和ELMAN神經網絡，用整理后的數據訓練神經網絡，使神經網絡具有故障診斷功能，并對神經網絡模型進行測試。實現了對柴油發(fā)電機的故障診斷，保證柴油發(fā)電機組的安全運行。

 

----------------
以上信息來源于互聯(lián)網行業(yè)新聞，特此聲明！
若有違反相關法律或者侵犯版權，請通知我們！
溫馨提示：未經我方許可，請勿隨意轉載信息！
如果希望了解更多有關柴油發(fā)電機組技術數據與產品資料，請電話聯(lián)系銷售宣傳部門或訪問我們官網：http://