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(xué)院：機(jī)械工程學(xué)院專業(yè)：機(jī)械設(shè)計(jì)制造及其自動(dòng)化姓名：班級(jí)：機(jī)械卓越141班學(xué)號(hào)目錄課題背景及意義12人工神經(jīng)網(wǎng)絡(luò)BP診斷機(jī)理3硬件部分及解決方案4軟件部分及關(guān)鍵技術(shù)難點(diǎn)5結(jié)論6國(guó)內(nèi)外研究現(xiàn)狀課題背景及意義凝汽設(shè)備主要有凝汽器、循環(huán)水泵、凝結(jié)水泵、抽氣設(shè)備以及它們之間的連接管道和附件組成,右圖為最簡(jiǎn)單的凝汽設(shè)備原則性系統(tǒng)圖。凝汽設(shè)備的工作過程是汽輪機(jī)做完工的排氣進(jìn)入凝汽器并在其中凝結(jié)成水,排氣凝結(jié)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(jìn)入冷卻設(shè)備,凝結(jié)水通過凝結(jié)水泵從凝汽器底部的集水箱中抽出,升壓后送入主凝結(jié)水系統(tǒng)。當(dāng)比體積很大的排氣在密閉的凝汽其中凝結(jié)成水時(shí),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(huì)通過處于真空狀態(tài)下的不嚴(yán)密處漏人凝汽器的汽側(cè)空間,為了防止這些不凝結(jié)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(shè)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(jī)組安全經(jīng)濟(jì)運(yùn)行。綜上所述,凝汽設(shè)備的主要任務(wù)是(1)在汽輪機(jī)排氣口建立并維持高度真空度；(2)將汽輪機(jī)排氣凝結(jié)成潔凈的凝結(jié)水作為鍋爐給水重復(fù)利用。原理圖課題背景及意義研究意義課題背景

凝汽設(shè)備是汽輪發(fā)電機(jī)組的重要輔機(jī)之一，其主要功能是保證汽輪機(jī)排汽在凝汽器中不斷地凝結(jié)，并使凝汽器達(dá)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(duì)于整個(gè)火電廠的安全經(jīng)濟(jì)運(yùn)行都有重要影響。

凝汽器的故障包括低真空、凝結(jié)水過冷、冷卻管泄露、冷卻管振動(dòng)等，其中，最常見的故障是低真空，這是本課題研究的重點(diǎn)。引起凝汽器低真空的原因很多，有時(shí)幾種因素同時(shí)出現(xiàn)，這給故障診斷帶來了困難。本課題就是想在詳細(xì)分析影響凝汽器真空的各種因素及征兆的基礎(chǔ)上，借助于計(jì)算機(jī)，利用模糊神經(jīng)網(wǎng)絡(luò)的診斷方法，能使一般的運(yùn)行人員也可以準(zhǔn)確快速地找出故障原因，并采取正確的措施進(jìn)行處理。國(guó)內(nèi)外研究狀況美國(guó)已發(fā)展成為網(wǎng)絡(luò)化的汽輪發(fā)電機(jī)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(jī)TurbineAID，發(fā)電機(jī)GenAID，水化學(xué)ChemAID)共有近萬(wàn)條診斷規(guī)則；日本在火電廠故障診斷技術(shù)研究方面亦處于世界領(lǐng)先水平，日本的日立公司研制出了指導(dǎo)火電廠運(yùn)行和維護(hù)的專家系統(tǒng)；國(guó)內(nèi)在智能診斷方面的研究已蓬勃展開，國(guó)內(nèi)多所大學(xué)、研究所、電廠和有關(guān)生產(chǎn)廠家紛紛投入人力、物力進(jìn)行這方面的研究，并取得了一定的研究成果。有關(guān)大型旋轉(zhuǎn)機(jī)械故障診斷技術(shù)，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(jī)組和石化企業(yè)壓縮機(jī)組的狀態(tài)監(jiān)測(cè)和故障診斷。人工神經(jīng)網(wǎng)絡(luò)BP診斷機(jī)理BP網(wǎng)絡(luò)是一種多層前饋性神經(jīng)網(wǎng)絡(luò),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(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其可靠性強(qiáng)，故在函數(shù)逼近，模式識(shí)別，信息分類及數(shù)據(jù)壓縮等領(lǐng)域得到了廣泛的應(yīng)用。。由于它的數(shù)學(xué)意義明確，學(xué)習(xí)算法步驟分明，使得應(yīng)用背景更加廣泛，可以實(shí)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(luò)的實(shí)際應(yīng)用中,絕大部分的神經(jīng)網(wǎng)絡(luò)模型都采用BP網(wǎng)絡(luò)及其變化形勢(shì)，它也是前向網(wǎng)絡(luò)網(wǎng)絡(luò)的核心部分,體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)的精華。BP網(wǎng)絡(luò)主要用于以下四個(gè)方面(1)函數(shù)逼近用輸入向量和相應(yīng)的輸出向量訓(xùn)練一個(gè)網(wǎng)絡(luò)逼近一個(gè)函數(shù)；(2)模式識(shí)別用一個(gè)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(jìn)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(chǔ)。

BP診斷流程圖硬件部分及解決方案

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

本文在熟悉和掌握火電廠凝汽器運(yùn)行機(jī)理特點(diǎn)、了解其故障過程本質(zhì)的基礎(chǔ)上，搜集凝汽器常見故障參數(shù)數(shù)據(jù)，設(shè)置人工神經(jīng)網(wǎng)絡(luò)凝汽器故障診斷，本文采用BP診斷進(jìn)行故障類型識(shí)別。利用MATLAB數(shù)學(xué)建模軟件，并對(duì)其進(jìn)行二次開發(fā)，對(duì)上述模型進(jìn)行人工智能培訓(xùn)，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(jié)水泵出口壓力、凝結(jié)水泵電動(dòng)機(jī)電流、循環(huán)水溫，循環(huán)水泵電動(dòng)機(jī)電流、循環(huán)水泵出口壓力、凝結(jié)水電導(dǎo)率、凝結(jié)水過冷度等8個(gè)主要參數(shù)分析，對(duì)常見的循環(huán)水泵嚴(yán)重事故、凝汽水管臟污、凝汽器滿水、真空系統(tǒng)不嚴(yán)密、凝汽器銅管破裂5種故障類型進(jìn)行準(zhǔn)確的識(shí)別。學(xué)會(huì)MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的應(yīng)用設(shè)計(jì)；特征數(shù)據(jù)的篩選，模擬故障信號(hào)，實(shí)現(xiàn)系統(tǒng)的故障識(shí)別功能；學(xué)習(xí)調(diào)用函數(shù)與創(chuàng)建診斷GUI界面；對(duì)最終的故障診斷系統(tǒng)進(jìn)行準(zhǔn)確率的提高。BP網(wǎng)絡(luò)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(luò)創(chuàng)建函數(shù)pn為歸一化處理后的訓(xùn)練集向量空間

%%net建立的BP神經(jīng)網(wǎng)絡(luò)

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

fprintf('開始構(gòu)建BP神經(jīng)網(wǎng)絡(luò)');

%%輸入隱含層單元數(shù)，num_hidden儲(chǔ)存該值的變量

num_hidden=input('輸入隱含層神經(jīng)元個(gè)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(chǔ)存該字符串的變量，func_hidden=input('請(qǐng)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(chǔ)存該字符串的變量，func_out=input('請(qǐng)輸入隱含層與輸出層之間的傳遞函數(shù)；

%%輸入BP訓(xùn)練函數(shù)，trainfunc儲(chǔ)存該字符串的變量，trainfunc=input('請(qǐng)輸入BP網(wǎng)絡(luò)訓(xùn)練函數(shù):(trainrp)','s')；

%%輸入訓(xùn)練目標(biāo)，goal儲(chǔ)存該值的變量，goal=input('請(qǐng)輸入訓(xùn)練目標(biāo)（<0.01）(1e－5):');

%%輸入訓(xùn)練次數(shù)，epochs儲(chǔ)存該值的變量，epochs=input('請(qǐng)輸入訓(xùn)練次數(shù):(8000)');

%%輸入學(xué)習(xí)速率，learn_rate儲(chǔ)存該值的變量，learn_rate=input('請(qǐng)輸入學(xué)習(xí)速率(<0.1):(0.005)');

fprintf(開始構(gòu)建BP神經(jīng)網(wǎng)絡(luò),請(qǐng)等待.);

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

%%調(diào)用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)

net.trainParam.goal=goal;%%設(shè)置訓(xùn)練目標(biāo)

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

net.trainParam.lr=learn_rate;%%設(shè)置學(xué)習(xí)速率

fprintf(BP神經(jīng)網(wǎng)絡(luò)搭建結(jié)束！);

BP網(wǎng)絡(luò)訓(xùn)練函數(shù)%netBP神經(jīng)網(wǎng)絡(luò)%pn為歸一化處理后的訓(xùn)練集%t訓(xùn)練集對(duì)應(yīng)的目標(biāo)集%返回參數(shù)%net訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)%tr訓(xùn)練過程記錄function[net,tr]=trainBP(net,pn,t)disp('開始訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，這個(gè)過程比較長(zhǎng)，需耐心等待..........');[net,tr]=train(net,pn,t);disp('神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束！');

BP網(wǎng)絡(luò)準(zhǔn)確率統(tǒng)計(jì)函數(shù)%net已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)%pnewn歸一化處理后的測(cè)試集向量空間%pn歸一化處理后的訓(xùn)練集向量空間%num_train每個(gè)用于訓(xùn)練的圖片數(shù)目%num_test每個(gè)用于測(cè)試的圖片數(shù)目%返回參數(shù)%result_test測(cè)試的輸出結(jié)果向量空間%result_train訓(xùn)練的輸出結(jié)果向量空間%count_test分類正確的測(cè)試集數(shù)目整型%count_train分類正確的訓(xùn)練集數(shù)目整型%Test_reg測(cè)試集識(shí)別率%Train_reg訓(xùn)練集識(shí)別率%Total_reg總識(shí)別率functionTest_reg=result(net,pnewn,pn,num_train,num_test)fprintf('測(cè)試神經(jīng)網(wǎng)絡(luò),統(tǒng)計(jì)識(shí)別正確的圖片數(shù)\n\n');%測(cè)試模擬結(jié)果%計(jì)算在得出的結(jié)果中，被正確識(shí)別出來的測(cè)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(jì)算在得出的結(jié)果中，被正確識(shí)別出來的訓(xùn)練集圖片數(shù)目if(B(1,(f-1)*num_train+h)==f)count_train=count_train+1;endendend%計(jì)算出所有測(cè)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(duì)8個(gè)數(shù)據(jù)參數(shù)的文本框及內(nèi)容字符串?dāng)?shù)字高度等進(jìn)行編程；button_recg=uicontrol(h_f,'style','push','string','訓(xùn)練','position',[205015050],'callback','train');%訓(xùn)練按鈕調(diào)用程序?yàn)镚UIrecg里面的函數(shù)button_match=uicontrol(h_f,'style','push','string','bp識(shí)別','position',[4005018050],'callback','GUIrecg');%bp識(shí)別按鈕調(diào)用程序?yàn)镚UIrecg里面的函數(shù)；

最終GUI界面效果

實(shí)驗(yàn)證明為驗(yàn)證前文設(shè)立的故障診斷學(xué)習(xí)狀態(tài)模型是否可靠以及最終編程模擬是否準(zhǔn)確，故在本課題進(jìn)行試驗(yàn)來對(duì)前文進(jìn)行的模擬結(jié)果進(jìn)行驗(yàn)證，通過檢測(cè)各故障的分析數(shù)據(jù)狀態(tài)，來與模擬結(jié)果進(jìn)行對(duì)比來確定模型的可靠性和準(zhǔn)確性。本章將分具體故障類型將試驗(yàn)過程進(jìn)行完整分析。試驗(yàn)步驟為依次進(jìn)行真空系統(tǒng)不嚴(yán)密、凝汽管臟污、循環(huán)水泵嚴(yán)重事故、凝汽器滿水、凝汽管破裂五種故障進(jìn)行數(shù)據(jù)模擬分析，每種故障隨機(jī)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(jìn)行訓(xùn)練和BP診斷，在訓(xùn)練完成后觀察器圖象的重合性是否達(dá)到要求，如果達(dá)到要求則進(jìn)行BP診斷；否則，進(jìn)行再次訓(xùn)練學(xué)習(xí)，直到達(dá)到標(biāo)準(zhǔn)進(jìn)行BP診斷。真空系統(tǒng)不嚴(yán)密故障數(shù)據(jù)驗(yàn)證以下數(shù)據(jù)依次帶入測(cè)試數(shù)據(jù)框內(nèi)，點(diǎn)擊bp識(shí)別，判斷出結(jié)果，結(jié)果若為均為真空系統(tǒng)不嚴(yán)密，驗(yàn)證此類故障診斷準(zhǔn)確性可靠。凝汽管銅管臟污故障數(shù)據(jù)驗(yàn)證以上數(shù)據(jù)依次帶入測(cè)試數(shù)據(jù)框內(nèi)，點(diǎn)擊bp識(shí)別，判斷出結(jié)果，結(jié)果為均為凝汽管銅管臟污，驗(yàn)證此類故障診斷準(zhǔn)確性可靠。

結(jié)論本文根據(jù)基本神經(jīng)網(wǎng)絡(luò)的原理，對(duì)火電廠凝汽器系統(tǒng)各具體特征參數(shù)進(jìn)行了分析，探究了凝汽器系統(tǒng)工作原理，對(duì)各故障參數(shù)影響進(jìn)行了分析，對(duì)故障類型判別進(jìn)行了研究。在研究過后，文章根據(jù)故障診斷機(jī)理，建立了