基于案例推理与模糊粗糙集理论的汽轮机故障

引言

汽轮发电机组是火力发电厂中的重要设备,其能否安全可靠运行对电厂及电力系统都有影响。而在实际运行中由于受到各种不确定性因素的影响,设备的运行工况在不断发生改变,导致机组会出现多种多样的故障,轻则停机影响正常生产,重则会对电厂甚至电网产生严重的后果。目前,火电厂汽轮机组都具有比较完善监测和保护的手段,可以实时监控主辅机的运行状态。机组正常运行中的一些参数如振动、温度、压力等数值的大小可以反映机组各设备当前的运行状态。

故障诊断技术发展的初期主要依靠维护人员凭借感官和简单仪表进行诊断,诊断结果往往缺乏准确性和可移植性。随着技术的进步,电站设备自动化水平的提高,故障诊断通过信号处理、可视化监控和人工智能技术的广泛应用,在监视参数发生异常时即可通过计算机对设备故障进行诊断,进而得出建议和处理措施。

故障诊断技术的发展可以为机组的日常运行和参数监控提供强有力的技术支撑,在设备出现异常时可以做出及时准确的判断,对故障信息进行收集整理和完善也可以为设备的管理和后期维护提供科学的依据。

1基于案例推理系统的原理与机制

基于案例的推理是用历史案例的信息或知识进行相似案例问题求解的一种推理方法,它可以让人们通过对历史案例的研究来获取知识,以便从数据库中匹配到类似的历史案例,并相应地对这些历史案例进行修正和完善,从而就当前的问题得出结论。基于案例推理系统还可以将问题分析与学习结合起来,在新的问题解决后积累关于新问题的经验和知识,用于扩充案例库。基于案例推理反映了人类的思想模式,按照其思想习惯,从已有的记忆和经验中学习解决问题的思路和方法。在故障诊断的过程中,有些专家解决问题的方法也以这种思考模式为基础。首先,由专业技术人员识别出当前问题包含的故障特征:然后据此获得信息在案例库中进行匹配,匹配到具有相类似故障特征的案例:再将当前的故障问题与过去的故障问题进行比较,看是否具有相类似的故障特征,如果匹配量高,则重复使用故障监测,如果匹配量低,则进行调整以找到解决方案:最后记录整个案例匹配、特征比对的过程和结果,此次经验也可用来解决以后发生的类似故障[3]。

基于案例推理的步骤可分为:案例表示、案例检索、匹配故障特征得出结论、案例修正、核对诊断结果并更新案例库。流程图如图1所示。

案例表示:分析问题案例和历史案例,提取问题案例和历史案例的重要特征变量,并根据一定的表示方法将其表示为案例形式。

案例检索:从系统案例库中查询一个或多个与问题案例相似的历史案例,根据一定的算法匹配和计算相似度,得出问题案例和历史案例对应的特征属性,选择出最相似的案例供用户参考。

匹配故障特征得出结论:将问题案例与类似的历史案例进行比较,选择合适的部分作为问题案例的诊断结论,并在类似历史案例的基础上给出问题案例的维护建议。

案例修正:当前问题案例与历史案例有一定的相似性,但考虑到其所处的特定环境,对问题案例进行相应的修正,以获得问题的有效解决。

核对诊断结果并更新案例库:将问题解决过程中获得的知识存储在系统案例数据库中,并对最终方案的应用结果进行评估,进一步完善案例数据库,为下一步的检索提供参考数据。

2故障特征提取

2.1模糊粗糙集理论

在经典粗糙集理论中,一个信息系统中的各属性只能是离散型或符号型的。然而在实际情况中,出现在信息系统中的各属性经常是分明的或实值的。虽然连续的属性值可以通过属性离散化方法离散,但势必会丢失一些重要信息,从而对分类结果产生不良影响。近些年来,许多研究者通过用模糊集来代替精确集、在论域上引入模糊相似关系代替等价关系,扩展经典粗糙集理论得到模糊粗糙集。

模糊粗糙集中对知识简约做出了如下的相关定义:模糊关系RB定义为:

其中,RBeF(U×U),μRB(x,y)e[0,1]。

μRB(x,y)的大小反映了(x,y)隶属于RB的程度。如果满足:(1)对称性:μRB(x,y)=μRB(y,x),Vx,yeU:(2)自反性:μRB(x,y)=1,VxeU:则称RB是U上的模糊相似关系。

对于VxeU,定义:

式中,入为设定的阈值:REQ \* jc3 \* hps10 \o\al(\s\up 3((x)表示与x的相似度超过入的对象集合。

则基于模糊相似关系的入的REQ \* jc3 \* hps10 \o\al(\s\up 3(下近似被定义为:

X的REQ \* jc3 \* hps10 \o\al(\s\up 3(正域被定义为:

两个属性集c与D之间的依赖程度yC(D)定义为:

2.2模糊相似矩阵

信息系统s=<U,cUD,v,f>,U是包含n个案例的对象集合,up和uq是U中的任意两个对象,.i(up)是条件属性集c中对象up的条件属性值,up和uq的相似度被定义为:

RB=sB(up,uq)(p=1~n,g=1~n),可以表示为一个模糊相似矩阵RB,RB被定义为:

设定阈值入e[0,1],如果rpq≥入,则uq与up相似类。如果rpq<入,则up与uq不相似,uq不属于up的相似类。根据相似程度,RB被转化为:

2.3对于条件属性的重要度计算

以表1中的汽轮机3瓦振动故障相关特征为例,使用模糊粗糙集对特征的重要度进行计算。表1中所包含的数据,"机组容量"特征是序数型数据,"压力等级"特征是名词型数据,其余特征是实值型数据。序数型数据和名词型数据都将被转换为符号型数据,例如:

机组容量:{600,330,300}→{1,2,3}:

压力等级:{亚临界,超临界}→{1,2}。

为了消除各种量纲之间的差异,对实值型数据使用极差标准化公式(9)进行标准化:

式中,v.pi是案例cp的属性.i的属性值:v.pi'为标准化后的案例cp的属性.i的属性值:max(v.pi)是属性.i在所有案例中的最大值:min(v.pi)是属性.i在所有案例中的最小值。

按式(6)、式(7)计算表中所有对象在全部条件属性.1~.6下的模糊相似矩阵RC,RC被表示为:

对表1中的三种类型数据进行转化,转化后的特征值如表2所示。

设定阈值入=0.9,按式(8)重新计算模糊相似矩阵,重新计算得到的模糊相似矩阵为:

根据式(11),把所有对象进行分类:

由式(3)~(5),所以yC(D)=P0sC(D)=1.0。

按式(3)~(5),依次计算每个条件属性关于D的重要程度,得到:

经过计算,性能特征"低压轴封供汽温度""低压胀差"从C中去除后对分类决策的影响程度a=0,所以这两个特征可以忽略,"负荷""润滑油温""瓦温""真空"这4个特征保留下来用于识别故障。

3案例检索与案例归集

案例检索是案例推理的核心部分,也是案例推理故障诊断系统的核心。案例检索的可靠性在很大程度上决定了故障诊断系统的可靠性,其任务是在问题案例做出案例表示后,从历史案例库中找出最近的历史案例。

在进行历史案例检索时采用最近邻检索策略,这种方法利用相似度理论来计算案例与案例间的关系然后加以评估,在与案例间的关系中找到一个最接近或多个比较接近的案例,把这些相似的案例作为案例检索的结果。

在故障诊断中案例的归集是在案例特征匹配中得不到高相似度的历史案例最优方案下,将当前故障解决后按照案例表示的形式把当前的故障案例直接添加到案例库中。

案例的新增需要按照标准来进行。如果不严格控制新案例的添加和学习,则案例库中同一类别的错误将以多个不同案例的形式呈现,从而产生冗余的历史案例,造成案例库的冗余。这样在案例调用、特征匹配的过程中,会使匹配次数增加,匹配时间延长,严重影响案例检索的效率。

4结语

在汽轮机故障诊断系统的研究中,设备的性能和故障特征复杂且多样,不易获取。在故障特征提取中本文应用了模糊粗糙集理论,选取汽轮机3瓦振动故障相关特征作为案例,利用粗糙集相对约简的不唯一性,对故障特征进行提取,建立对不同故障特征可以独立诊断的故障诊断规则库。应用了基于案例推理的方法,将案例以性能特征的方式进行表示,将冗余的设备性能特征去掉后,采用最近邻检索策略对保留下来的故障特征在案例库中进行检索,将问题解决过程中获得的知识存储在系统案例数据库中,并对最终方案的应用结果进行评估,进一步完善案例数据库,为下一步的检索提供参考数据。