復(fù)雜過程的智能故障診斷技術(shù)及其在大型工業(yè)窯爐中的應(yīng)用研究.pdf

1、現(xiàn)有的故障診斷理論和技術(shù)正面臨著復(fù)雜過程的復(fù)雜性帶來的嚴(yán)峻挑戰(zhàn),研究復(fù)雜過程的故障診斷技術(shù),對(duì)于保證大型流程工業(yè)生產(chǎn)的安全穩(wěn)定運(yùn)行,從而切實(shí)提高企業(yè)的經(jīng)濟(jì)效益具有重要的現(xiàn)實(shí)意義.因此,論文以大型工業(yè)窯爐作為應(yīng)用對(duì)象,研究了復(fù)雜過程的智能故障診斷技術(shù).首先,提出并建立了基于模糊邏輯、神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的智能集成故障診斷模型框架:建立模糊神經(jīng)網(wǎng)絡(luò)診斷模型解決復(fù)雜過程的故障征兆自動(dòng)獲取問題,利用專家系統(tǒng)的優(yōu)勢(shì)根據(jù)模糊神經(jīng)網(wǎng)絡(luò)診斷模型輸出結(jié)果完

2、成復(fù)雜過程的故障診斷任務(wù).接著,在提出的智能集成故障診斷模型框架的指導(dǎo)下,以人工智能方法為基礎(chǔ),重點(diǎn)研究了知識(shí)庫的建立和維護(hù):(1)提出并建立了深層淺層知識(shí)集成表示模型,將基于診斷對(duì)象機(jī)理知識(shí)表示的深層知識(shí)與基于產(chǎn)生式規(guī)則表示的淺層知識(shí)結(jié)合,解決了淺層知識(shí)集不完備和深層知識(shí)搜索空間過大影響診斷性能的問題.(2)提出了將復(fù)雜過程的知識(shí)獲取分為基于完整數(shù)據(jù)集和不完整數(shù)據(jù)集兩方面來考慮:①提出了基于組合優(yōu)化算法的完整數(shù)據(jù)集知識(shí)獲取方法,避免了

3、獲取的知識(shí)存在的不完全、不一致等問題,構(gòu)成的基于GA和SA的組合優(yōu)化算法克服了單一優(yōu)化算法在知識(shí)獲取中存在的穩(wěn)定性差和搜索效率低的問題.②提出了基于粗糙集理論的不完整數(shù)據(jù)集知識(shí)獲取方法,解決了知識(shí)獲取中無法估計(jì)故障狀態(tài)屬性的未知特征值問題.利用粗糙集的不完整等價(jià)類概念將訓(xùn)練事例劃分為下近似和上近似兩類,通過事例與近似互相作用,推導(dǎo)出規(guī)則并估計(jì)出故障狀態(tài)屬性的未知特征值.(3)提出了基于理論修正方法的維護(hù)算法,解決了新知識(shí)是新模式無法歸入

4、已有模式的知識(shí)更新問題.根據(jù)給定的控制過程,將該類知識(shí)更新問題歸結(jié)為一類標(biāo)準(zhǔn)形式,并給出問題的形式化描述,然后利用提出的維護(hù)算法對(duì)問題求解以完成知識(shí)庫的規(guī)則更新.在對(duì)推理機(jī)制的研究中,采用模糊神經(jīng)網(wǎng)絡(luò)推理方法解決了模糊規(guī)則推理時(shí)存在的沖突和低效率問題.利用雙向交替控制策略減少選擇目標(biāo)和證實(shí)目標(biāo)的盲目性,提高了推理效率.以密閉鼓風(fēng)爐的工藝和故障機(jī)理分析為基礎(chǔ),依據(jù)智能集成故障診斷模型框架和智能故障診斷理論和方法的研究成果,結(jié)合提出的基于分