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)雜性帶來的嚴峻挑戰(zhàn),研究復(fù)雜過程的故障診斷技術(shù),對于保證大型流程工業(yè)生產(chǎn)的安全穩(wěn)定運行,從而切實提高企業(yè)的經(jīng)濟效益具有重要的現(xiàn)實意義.因此,論文以大型工業(yè)窯爐作為應(yīng)用對象,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獲取問題,利用專家系統(tǒng)的優(yōu)勢根據(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),重點研究了知識庫的建立和維護:(1)提出并建立了深層淺層知識集成表示模型,將基于診斷對象機理知識表示的深層知識與基于產(chǎn)生式規(guī)則表示的淺層知識結(jié)合,解決了淺層知識集不完備和深層知識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)集知識獲取方法,避免了

3、獲取的知識存在的不完全、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)集知識獲取方法,解決了知識獲取中無法估計故障狀態(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算法,解決了新知識是新模式無法歸入

4、已有模式的知識更新問題.根據(jù)給定的控制過程,將該類知識更新問題歸結(jié)為一類標準形式,并給出問題的形式化描述,然后利用提出的維護算法對問題求解以完成知識庫的規(guī)則更新.在對推理機制的研究中,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和證實目標的盲目性,提高了推理效率.以密閉鼓風爐的工藝和故障機理分析為基礎(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