淺析鍋爐故障的預(yù)測方法鍋爐房是生產(chǎn)重地，同時(shí)也由于其使用的頻繁而導(dǎo)致故障頻發(fā)，常見的有鍋垢導(dǎo)致的，腐蝕引起的，移出引起的，軸承漏油燒毀引發(fā)的等故障，鍋爐故障往往是極大的安全隱患，因此探究鍋爐常見故障的猜測方法是必要的，也是保障人民群眾生產(chǎn)，生活安全的重要組成部分。

1、鍋爐故障猜測相關(guān)學(xué)問

人工智能故障診斷與猜測技術(shù)是隨著現(xiàn)代化技術(shù)、經(jīng)濟(jì)高速進(jìn)展而消失的一門新型技術(shù)，它能鑒別設(shè)備的狀態(tài)是否正常，發(fā)覺和確定故障的部位和性質(zhì)并提出相應(yīng)的對策，以提高設(shè)備運(yùn)行的牢靠性，延長其使用壽命，降低設(shè)備全壽命周期費(fèi)用。采納故障猜測技術(shù)可以實(shí)現(xiàn)對故障的早期發(fā)覺并猜測其將來的進(jìn)展趨勢，便于對火電機(jī)組準(zhǔn)時(shí)調(diào)整以避開惡性事故的發(fā)生，使機(jī)組能安全牢靠的運(yùn)行，同時(shí)提高機(jī)組的經(jīng)濟(jì)性。

依據(jù)猜測期限長短的不同可將故障猜測分為三種。長期猜測，為了制定鍋爐機(jī)組的長遠(yuǎn)修理方案和修理決策而進(jìn)行的猜測，時(shí)間一般為一個(gè)月以上，猜測精度要求低。中期猜測，對鍋爐機(jī)組在將來比較長的時(shí)間內(nèi)的狀態(tài)進(jìn)行猜測，為機(jī)組的中期修理方案和修理決策服務(wù)，時(shí)間一般為一周左右，猜測精度要求較低。短期猜測，對鍋爐機(jī)組的近期進(jìn)展?fàn)顩r進(jìn)行猜測，時(shí)間為一天左右，對猜測精度要求高。對于中、長期猜測，由于精度要求不高，可考慮實(shí)行簡潔的猜測模型，建立單變量時(shí)間序列模型進(jìn)行猜測。而對于短期猜測，對精度要求較高，同時(shí)由于各相關(guān)因素對當(dāng)時(shí)的狀態(tài)值影響較大，因此在進(jìn)行短期猜測時(shí)，除了要考慮時(shí)間序列本身外，還應(yīng)適當(dāng)將其他相關(guān)因素考慮進(jìn)去，這就需要建立多變量時(shí)間序列模型進(jìn)行猜測，以滿意短期猜測對精度的要求。

2、故障猜測精度要求

當(dāng)今人上智能故障診斷與猜測技術(shù)是隨著現(xiàn)代化技術(shù)、經(jīng)濟(jì)高速進(jìn)展而消失的一門新型技術(shù)，由于它能鑒別設(shè)備的狀態(tài)是否j下常，發(fā)覺和確定故障的部位、性質(zhì)，并提出相應(yīng)的對策，以提高設(shè)備運(yùn)行的牢靠性，延長其使用壽命，降低設(shè)備全壽命周期費(fèi)用。采納故障猜測技術(shù)，還可以實(shí)現(xiàn)對故障的早期發(fā)覺并猜測其將來的進(jìn)展趨勢，便j二對機(jī)組及相關(guān)設(shè)備的準(zhǔn)時(shí)調(diào)整，避開惡性事故的發(fā)生與擴(kuò)展，保障安全牢靠的運(yùn)行，并提高機(jī)組的運(yùn)行經(jīng)濟(jì)性。在猜測期限上，依據(jù)猜測期限長短的不同，一般可將故障猜測分為：長期猜測、中期猜測和短期猜測。

2．1長期猜測

它是為了制定鍋爐機(jī)組的長遠(yuǎn)修理方案和修理決策而進(jìn)行的猜測，在時(shí)間上一般為一個(gè)月以上，其猜測的精度要求低。

2．2中期猜測

它對鍋爐機(jī)組在將來比較長的時(shí)間內(nèi)的狀態(tài)進(jìn)行猜測，為機(jī)組的中期修理方案和修理決策服務(wù)，在時(shí)間上一般為一周左右，其猜測精度也要求較低。

2．3短期猜測

它對鍋爐機(jī)組的近期進(jìn)展?fàn)顩r進(jìn)行猜測，在時(shí)間上一般為一天左右，其猜測精度要求較高。對于精度要求不高的中、長期猜測，可考慮實(shí)行簡潔的猜測模型，建立單變量時(shí)間序列模型進(jìn)行猜測。對于精度要求較高的短期猜測，由于各相關(guān)因素對當(dāng)時(shí)的狀態(tài)值影響較大。在進(jìn)行短期猜測時(shí)除了要考慮時(shí)間序列本身外，還應(yīng)適當(dāng)將其他相關(guān)因素考慮進(jìn)去。為此就需要建立多變量時(shí)間序列模犁進(jìn)行猜測，以滿意短期猜測的精度要求．

3、常用的鍋爐故障猜測方法

近年來不少討論者采納線性回歸分析法、時(shí)間序列分析法、灰色模型猜測法、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行鍋爐設(shè)備故障診斷討論，以探究快速有效的故障診斷與猜測方法。常用的猜測方法有：

3.1線性回歸分析法

回歸分析是查找?guī)讉€(gè)不完全確定的變量間的數(shù)學(xué)關(guān)系式之間進(jìn)行統(tǒng)計(jì)推斷的一種方法。在這種關(guān)系式中最簡潔的是線性回歸分析。

3.2時(shí)間序列分析法

時(shí)間序列是指按時(shí)間挨次排列的一組數(shù)據(jù)，時(shí)間序列分析法是指采納參數(shù)模型對所觀測到的有序的隨機(jī)數(shù)據(jù)進(jìn)行分析與處理的一種數(shù)據(jù)處理方法。時(shí)間序列分析法主要有曲線擬合、指數(shù)平滑、季節(jié)模型、線性隨機(jī)模型等四種，主要適用于進(jìn)行單因素猜測，而對鍋爐故障猜測這種既有確定性趨勢，又有肯定的隨機(jī)性的多因素猜測時(shí)，需要進(jìn)行確定性趨勢的分別，計(jì)算比較簡單，同時(shí)還需對分別殘差的零均值及平穩(wěn)性進(jìn)行假定，且其猜測的精度不高。

3.3灰色模型猜測法

灰色模型猜測法是按灰色系統(tǒng)理論建立猜測模型，它是依據(jù)系統(tǒng)的普遍進(jìn)展規(guī)律，建立一般性的灰色微分方程，然后通過對數(shù)據(jù)序列的擬合，求得微分方程的系數(shù)，從而獲得灰色猜測模型方程。應(yīng)用灰色系統(tǒng)理論作故障猜測主要有兩種方法，一是基于灰色系統(tǒng)動(dòng)態(tài)方程gm(或dm)的灰色猜測模型，二是基于殘差信息數(shù)據(jù)列的殘差辨識猜測模型。其中,gm猜測模型即1階1個(gè)變量的微分方程，描述的灰色模型比較常用?；疑聹y的解從數(shù)學(xué)的角度看，相當(dāng)于冪級數(shù)的疊加，它包含了一般線性回歸和冪級數(shù)回歸的內(nèi)容，故灰色猜測模型優(yōu)于一般的線性回歸或指數(shù)曲線擬合，也好于確定性時(shí)間序列分析法。

3.4專家系統(tǒng)

專家系統(tǒng)能勝利地解決某些特地領(lǐng)域的問題，也有許多優(yōu)點(diǎn)，但經(jīng)過多年的實(shí)踐表明，它離專家的水平總是相差一段距離，有時(shí)在某些問題上還不如一個(gè)初學(xué)者。分析其緣由，主要有以下幾方面:學(xué)問獵取的“瓶頸”問題；模擬專家思維過程的單一推理機(jī)制的局限性；系統(tǒng)缺乏自學(xué)習(xí)力量。

3.5人工神經(jīng)網(wǎng)絡(luò)猜測法

神經(jīng)網(wǎng)絡(luò)的故障診斷存在許多問題，它不能很好的利用領(lǐng)域?qū)＜曳e累的閱歷學(xué)問，只利用一些明確的故障診斷實(shí)例，而且需要肯定數(shù)量的樣本學(xué)習(xí)，通過訓(xùn)練最終得到的是一些闌值矩陣和權(quán)值矩陣，而不是像專家閱歷學(xué)問那樣的規(guī)律推理產(chǎn)生式，所以缺乏對診斷結(jié)果的解釋力量，無法應(yīng)用于實(shí)時(shí)診斷，只能處理歷史記錄數(shù)據(jù)。

3.6專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合

專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)的相結(jié)合的方法是目前討論的熱點(diǎn)。由神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)構(gòu)成的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，可以利用神經(jīng)網(wǎng)絡(luò)的大規(guī)模并行分布處理和學(xué)問獵取自動(dòng)化等特點(diǎn)，解決專家系統(tǒng)存在的學(xué)問獵取的“瓶頸”、推理力量弱、容錯(cuò)力量差、處理大型問題較為困難等問題，實(shí)現(xiàn)并行聯(lián)想和自適應(yīng)推理，提高系統(tǒng)的智能水平，使系統(tǒng)具有實(shí)時(shí)處理力量和較高的穩(wěn)定性。同傳統(tǒng)的專家系統(tǒng)相比，基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)具有以下幾種優(yōu)點(diǎn)，具有統(tǒng)一的內(nèi)部學(xué)問表示形式，任何學(xué)問規(guī)章都可通過對范例的學(xué)習(xí)存儲(chǔ)于同一個(gè)神經(jīng)網(wǎng)絡(luò)的各連接權(quán)中，便于學(xué)問庫的組織和管理，通用性強(qiáng)；學(xué)問容量大，可把大量學(xué)問存儲(chǔ)于一個(gè)相對小得多的神經(jīng)網(wǎng)絡(luò)中；便于學(xué)問的自動(dòng)獵取，能夠自適應(yīng)環(huán)境的變化；推理過程為并行的數(shù)值計(jì)算過程，避開了推理速度慢效率低等問題；具有聯(lián)想、記憶、類比等形象思維力量，可工作于所學(xué)習(xí)過的學(xué)問以外的范圍；實(shí)現(xiàn)了學(xué)問表示、存儲(chǔ)和推理三者融為一體，即都由一個(gè)神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)。

結(jié)束語