用單片機系統(tǒng)實現(xiàn)故障診斷

0．引言

現(xiàn)代工礦企業(yè)設(shè)備日益朝向大型化、復雜化、智能化發(fā)展，迫切要求對其運行狀態(tài)進行多參數(shù)監(jiān)測和故障診斷。隨著芯片技術(shù)的發(fā)展及智能技術(shù)的應用，診斷技術(shù)已開始進入一個新階段，即智能化階段，這是一種基于人工智能技術(shù)的診斷方法。該方法對復雜大系統(tǒng)的診斷尤其有效，可充分利用現(xiàn)有的經(jīng)驗知識，構(gòu)造智能模型，進行快速診斷。智能診斷系統(tǒng)的性能取決于所采用的智能模型。

本文用人工神經(jīng)網(wǎng)絡(luò)綜合實現(xiàn)凝汽器運行狀態(tài)的診斷判斷。其原理是：設(shè)備的各種運行狀態(tài)與其各種物理參數(shù)如溫度、壓力、振動頻率等有一定關(guān)聯(lián)。這種關(guān)聯(lián)難以用確定的數(shù)學表達式來表達，但可以用神經(jīng)網(wǎng)絡(luò)來逼近該模型。

1．基于神經(jīng)網(wǎng)絡(luò)的故障診斷

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks 簡稱ANN）[1]是由大量簡單處理單元廣泛連接而成的復雜的非線性系統(tǒng)，具有學習能力、自適應能力、非線性逼近能力等。實際應用研究中，大多使用的是 BP網(wǎng)絡(luò)（Back-Propagation network）即反向傳播網(wǎng)絡(luò)。BP網(wǎng)絡(luò)因具有較強的非線性逼近能力，能進行故障模式識別，還能進行故障嚴重程度評估和故障預測，因此，應用最廣。但是，由于BP算法在迭代時采用梯度下降法，存在著收斂緩慢、振蕩和局部極小等問題，一些改進的BP算法在這些方面有些改善。BP網(wǎng)絡(luò)屬于多層結(jié)構(gòu)，前饋式，它是繼Hopfield 網(wǎng)絡(luò)之后，Rumelhart提出的又一重實用網(wǎng)絡(luò)模型，其學習算法采用的是反向傳播算法，基本思想是構(gòu)造一個類似于感知機的非線性系統(tǒng)，并讓該系統(tǒng)的決策能力與最小誤差函數(shù)和梯度下降聯(lián)系起來，從而解決了普遍存在的多層神經(jīng)網(wǎng)絡(luò)的學習不易收斂問題。

1989年Robert Hesht Nielson證明了對于任何在閉區(qū)間內(nèi)的一個連續(xù)函數(shù)，都可以用一個隱含層的BP網(wǎng)絡(luò)來逼近，因而一個3層BP網(wǎng)絡(luò)可以完成任意的n維空間到m維的映射，故本文采用的網(wǎng)絡(luò)是3層網(wǎng)絡(luò)，中間只有一層隱含層，網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示。

2．系統(tǒng)總體方案介紹

表1為該系統(tǒng)使用的凝汽器11種典型故障的征兆集[2][3]。在征兆集中，“1”表示征兆存在，“0”表示征兆不存在。BP網(wǎng)絡(luò)的目標輸出對應各故障的隸屬函數(shù)，即為：
q, l-1, 2, …， 11

為了說明起見，仍采用文獻[2]中給出的故障征兆來對網(wǎng)絡(luò)進行訓練。

該系統(tǒng)實現(xiàn)的功能有上述17種信號的采集與放大濾波、壓力溫度信號的補償、鍵盤輸入、LCD顯示輸出、與上位機的通信。

注：故障征兆序號的含義為：1.真空急劇下降；2.真空緩慢下降；3.循環(huán)水泵電動機電流降至零；4.循環(huán)水泵出口壓力降至零；5.汽輪機低壓脹差為負值；6.凝結(jié)水泵出口壓力增加；7.凝結(jié)水泵出口壓力下降；8.凝結(jié)水泵電動機電流增加；9.凝結(jié)水泵電動機電流減小; 10 .凝結(jié)水導電度增加; 11 .低壓加熱器水位升高; 12 .循環(huán)水溫升增加; 13 .循環(huán)水溫升減小; 14.凝汽器端差增加；15.凝結(jié)水過冷度增加；16 .抽氣器抽出的空氣溫度與冷卻水入口溫度之差增加;17.凝汽器抽氣口至抽氣器入口之間的壓差減小。

3．硬件實現(xiàn)

為了硬件系統(tǒng)的小型化，這里選用帶有A/D轉(zhuǎn)換、4K ROM和256字節(jié)RAM的83C552 CPU。可編程放大器同時具有采樣保持的功能。