摘要：隨著社會(huì)的發(fā)展與進(jìn)步，我們?cè)絹?lái)越重視鍋爐故障的預(yù)測(cè)方法，鍋爐故障的預(yù)測(cè)方法的掌握對(duì)于現(xiàn)實(shí)生活中具有重要的意義。本文主要介紹鍋爐故障的預(yù)測(cè)方法的有關(guān)內(nèi)容。

關(guān)鍵詞鍋爐；預(yù)測(cè)；精度；分析；故障；abstract:withthesocialdevelopmentandprogress,moreandmoreattentiontoboilerfailurepredictionmethods,tomasterboilerfailurepredictionmethodsforthereallifeofgreatsignificance.thispaperdescribestheboilerfailurepredictionmethods.keywordsboiler;forecasts;accuracy;analysis;fault;中圖分類號(hào)：tk223文獻(xiàn)標(biāo)識(shí)碼：a文章編號(hào)：引言鍋爐房是生產(chǎn)重地，同時(shí)也因?yàn)槠涫褂玫念l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預(yù)測(cè)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、鍋爐故障預(yù)測(cè)相關(guān)知識(shí)人工智能故障診斷與預(yù)測(cè)技術(shù)是隨著現(xiàn)代化技術(shù)、經(jīng)濟(jì)高速發(fā)展而出現(xiàn)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)現(xiàn)和確定故障的部位和性質(zhì)并提出相應(yīng)的對(duì)策，以提高設(shè)備運(yùn)行的可靠性，延長(zhǎng)其使用壽命，降低設(shè)備全壽命周期費(fèi)用。采用故障預(yù)測(cè)技術(shù)可以實(shí)現(xiàn)對(duì)故障的早期發(fā)現(xiàn)并預(yù)測(cè)其未來(lái)的發(fā)展趨勢(shì)，便于對(duì)火電機(jī)組及時(shí)調(diào)整以避免惡性事故的發(fā)生，使機(jī)組能安全可靠的運(yùn)行，同時(shí)提高機(jī)組的經(jīng)濟(jì)性。根據(jù)預(yù)測(cè)期限長(zhǎng)短的不同可將故障預(yù)測(cè)分為三種。長(zhǎng)期預(yù)測(cè)，為了制定鍋爐機(jī)組的長(zhǎng)遠(yuǎn)維修計(jì)劃和維修決策而進(jìn)行的預(yù)測(cè)，時(shí)間一般為一個(gè)月以上，預(yù)測(cè)精度要求低。中期預(yù)測(cè)，對(duì)鍋爐機(jī)組在未來(lái)比較長(zhǎng)的時(shí)間內(nèi)的狀態(tài)進(jìn)行預(yù)測(cè)，為機(jī)組的中期維修計(jì)劃和維修決策服務(wù)，時(shí)間一般為一周左右，預(yù)測(cè)精度要求較低。短期預(yù)測(cè)，對(duì)鍋爐機(jī)組的近期發(fā)展情況進(jìn)行預(yù)測(cè)，時(shí)間為一天左右，對(duì)預(yù)測(cè)精度要求高。對(duì)于中、長(zhǎng)期預(yù)測(cè)，由于精度要求不高，可考慮采取簡(jiǎn)單的預(yù)測(cè)模型，建立單變量時(shí)間序列模型進(jìn)行預(yù)測(cè)。而對(duì)于短期預(yù)測(cè)，對(duì)精度要求較高，同時(shí)由于各相關(guān)因素對(duì)當(dāng)時(shí)的狀態(tài)值影響較大，因此在進(jìn)行短期預(yù)測(cè)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)行預(yù)測(cè)，以滿足短期預(yù)測(cè)對(duì)精度的要求。2、故障預(yù)測(cè)精度要求當(dāng)今人上智能故障診斷與預(yù)測(cè)技術(shù)是隨著現(xiàn)代化技術(shù)、經(jīng)濟(jì)高速發(fā)展而出現(xiàn)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)現(xiàn)和確定故障的部位、性質(zhì)，并提出相應(yīng)的對(duì)策，以提高設(shè)備運(yùn)行的可靠性，延長(zhǎng)其使用壽命，降低設(shè)備全壽命周期費(fèi)用。采用故障預(yù)測(cè)技術(shù)，還可以實(shí)現(xiàn)對(duì)故障的早期發(fā)現(xiàn)并預(yù)測(cè)其未來(lái)的發(fā)展趨勢(shì)，便j二對(duì)機(jī)組及相關(guān)設(shè)備的及時(shí)調(diào)整，避免惡性事故的發(fā)生與擴(kuò)展，保障安全可靠的運(yùn)行，并提高機(jī)組的運(yùn)行經(jīng)濟(jì)性。在預(yù)測(cè)期限上，根據(jù)預(yù)測(cè)期限長(zhǎng)短的不同，一般可將故障預(yù)測(cè)分為：長(zhǎng)期預(yù)測(cè)、中期預(yù)測(cè)和短期預(yù)測(cè)。2．1長(zhǎng)期預(yù)測(cè)它是為了制定鍋爐機(jī)組的長(zhǎng)遠(yuǎn)維修計(jì)劃和維修決策而進(jìn)行的預(yù)測(cè)，在時(shí)間上一般為一個(gè)月以上，其預(yù)測(cè)的精度要求低。2．2中期預(yù)測(cè)它對(duì)鍋爐機(jī)組在未來(lái)比較長(zhǎng)的時(shí)間內(nèi)的狀態(tài)進(jìn)行預(yù)測(cè)，為機(jī)組的中期維修計(jì)劃和維修決策服務(wù)，在時(shí)間上一般為一周左右，其預(yù)測(cè)精度也要求較低。2．3短期預(yù)測(cè)它對(duì)鍋爐機(jī)組的近期發(fā)展情況進(jìn)行預(yù)測(cè)，在時(shí)間上一般為一天左右，其預(yù)測(cè)精度要求較高。對(duì)于精度要求不高的中、長(zhǎng)期預(yù)測(cè)，可考慮采取簡(jiǎn)單的預(yù)測(cè)模型，建立單變量時(shí)間序列模型進(jìn)行預(yù)測(cè)。對(duì)于精度要求較高的短期預(yù)測(cè)，由于各相關(guān)因素對(duì)當(dāng)時(shí)的狀態(tài)值影響較大。在進(jìn)行短期預(yù)測(cè)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)行預(yù)測(cè)，以滿足短期預(yù)測(cè)的精度要求．3、常用的鍋爐故障預(yù)測(cè)方法近年來(lái)不少研究者采用線性回歸分析法、時(shí)間序列分析法、灰色模型預(yù)測(cè)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)備故障診斷研究，以探索快速有效的故障診斷與預(yù)測(cè)方法。常用的預(yù)測(cè)方法有：3.1線性回歸分析法回歸分析是尋找?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(jiǎn)單的是線性回歸分析。3.2時(shí)間序列分析法時(shí)間序列是指按時(shí)間順序排列的一組數(shù)據(jù)，時(shí)間序列分析法是指采用參數(shù)模型對(duì)所觀測(cè)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)行單因素預(yù)測(cè)，而對(duì)鍋爐故障預(yù)測(cè)這種既有確定性趨勢(shì)，又有一定的隨機(jī)性的多因素預(yù)測(cè)時(shí)，需要進(jìn)行確定性趨勢(shì)的分離，計(jì)算比較復(fù)雜，同時(shí)還需對(duì)分離殘差的零均值及平穩(wěn)性進(jìn)行假定，且其預(yù)測(cè)的精度不高。3.3灰色模型預(yù)測(cè)法灰色模型預(yù)測(cè)法是按灰色系統(tǒng)理論建立預(yù)測(cè)模型，它是根據(jù)系統(tǒng)的普遍發(fā)展規(guī)律，建立一般性的灰色微分方程，然后通過(guò)對(duì)數(shù)據(jù)序列的擬合，求得微分方程的系數(shù)，從而獲得灰色預(yù)測(cè)模型方程。應(yīng)用灰色系統(tǒng)理論作故障預(yù)測(cè)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)的灰色預(yù)測(cè)模型，二是基于殘差信息數(shù)據(jù)列的殘差辨識(shí)預(yù)測(cè)模型。其中,gm預(yù)測(cè)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。灰色預(yù)測(cè)的解從數(shù)學(xué)的角度看，相當(dāng)于冪級(jí)數(shù)的疊加，它包含了一般線性回歸和冪級(jí)數(shù)回歸的內(nèi)容，故灰色預(yù)測(cè)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)能成功地解決某些專門領(lǐng)域的問(wèn)題，也有很多優(yōu)點(diǎn)，但經(jīng)過(guò)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(wèn)題上還不如一個(gè)初學(xué)者。分析其原因，主要有以下幾方面:知識(shí)獲取的瓶頸問(wèn)題；模擬專家思維過(guò)程的單一推理機(jī)制的局限性；系統(tǒng)缺乏自學(xué)習(xí)能力。3.5人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法神經(jīng)網(wǎng)絡(luò)的故障診斷存在很多問(wèn)題，它不能很好的利用領(lǐng)域?qū)＜曳e累的經(jīng)驗(yàn)知識(shí)，只利用一些明確的故障診斷實(shí)例，而且需要一定數(shù)量的樣本學(xué)習(xí)，通過(guò)訓(xùn)練最后得到的是一些闌值矩陣和權(quán)值矩陣，而不是像專家經(jīng)驗(yàn)知識(shí)那樣的邏輯推理產(chǎn)生式，所以缺乏對(duì)診斷結(jié)果的解釋能力，無(wú)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)合的方法是目前研究的熱點(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)模并行分布處理和知識(shí)獲取自動(dòng)化等特點(diǎn)，解決專家系統(tǒng)存在的知識(shí)獲取的瓶頸、推理能力弱、容錯(cuò)能力差、處理大型問(wèn)題較為困難等問(wèn)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)處理能力和較高的穩(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)部知識(shí)表示形式，任何知識(shí)規(guī)則都可通過(guò)對(duì)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，便于知識(shí)庫(kù)的組織和管理，通用性強(qiáng)；知識(shí)容量大，可把大量知識(shí)存儲(chǔ)于一個(gè)相對(duì)小得多的神經(jīng)網(wǎng)絡(luò)中；便于知識(shí)的自動(dòng)獲取，能夠自適應(yīng)環(huán)境的變化；推理過(guò)程為并行的數(shù)值計(jì)算過(guò)程，避免了推理速度慢效率低等問(wèn)題；具有聯(lián)想、記憶、類比等形象思維能力，可工作于所學(xué)習(xí)過(guò)的知識(shí)以外的范圍；實(shí)現(xiàn)了知識(shí)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(lái)實(shí)現(xiàn)。結(jié)束語(yǔ)總而言之，由于大部分職工長(zhǎng)期從事在礦井下作業(yè)，必須要洗澡，加上冬季取暖，除了有能利用電廠余熱的之外，一般都離不開蒸汽鍋爐，取暖有的用水暖鍋爐。況且數(shù)量還為之較多，不少中型煤礦都擁有鍋爐七八臺(tái)之多。因此，維護(hù)好鍋爐的正常運(yùn)行，確保正常生產(chǎn)很重要。對(duì)于鍋爐故障預(yù)測(cè)這項(xiàng)工作而言，就有必要進(jìn)行。參考文獻(xiàn)[1]張家昌.電廠鍋爐原理[m].北京:北京水利電力出版社,2011．[2]錢俊.現(xiàn)代機(jī)械故障診斷學(xué)[m].北京:工業(yè)出版社,2010.[3]孫永志.新編機(jī)械設(shè)計(jì)師手冊(cè)[m].北京:機(jī)械工業(yè)出版社,2008.[4]黃文虎等.故障診斷技術(shù)的現(xiàn)狀與展望及其在汽輪發(fā)電機(jī)組中的應(yīng)用[n].汽輪機(jī)技術(shù)，1999年第一期.[5]蔣東翔等.大型汽輪發(fā)電機(jī)組混合智能診斷方法的研究[n].清華大學(xué)學(xué)報(bào),2010年第三期.注：文章內(nèi)所有公式及圖表請(qǐng)用pdf形式查看。