厉恩启
（山东省特种设备检验研究院枣庄分院，山东枣庄 277800）
锅炉故障诊断技术研究
厉恩启
（山东省特种设备检验研究院枣庄分院，山东枣庄277800）
锅炉是重要的工业设备，锅炉故障诊断技术的研究可以有效保证锅炉的安全稳定运行。本文介绍了锅炉故障和诊断技术的发展，详细的介绍了锅炉故障诊断的三类方法，基于数学模型的诊断方法、基于输入输出信号处理的诊断方法和基于人工智能的诊断方法，并分析了三类方法的优缺点。对实际的运行情况，选择合理的故障诊断方法，从而及时的发现锅炉故障，可以保证工业生产安全和减少故障损失。
锅炉故障诊断研究
作为电力、化工等重工业的动力设备和印刷、纺织等轻工业的重要设备，锅炉利用能源燃料，加热容器内液体，并承担一定的压力，属于承压类特种设备。实际工程中，由于管道堵塞、漏风等原因，会导致锅炉故障的发生，并造成巨大的经济损失和影响人身、社会安全。为了保证锅炉运行的安全稳定，需要快速并准确的对故障进行判定，以便于故障的修复和排除。
目前，随着锅炉高参数、大容量的发展，传感器的信息数量庞杂，不能仅仅依赖现场工作人员的运行经验进行故障的判断，需要采用更加智能快速的方法进行故障的计算机分析。相关学者提出的诊断方法主要分为基于数学模型、基于输入输出信号处理和基于人工智能的三类方法。基于数学模型的方法主要分为参数估计诊断法和状态估计诊断法；基于输入输出信号的处理方法分为直接量测法、小波变换法、信息匹配法和信息融合法等；人工智能方法包络人工神经网络、专家数据库系统、模糊聚类、证据理论等。本文分别介绍了上述三类方法中的典型方法的基本原理和方法流程，分析其在锅炉故障诊断中的优缺点。
1 基于数学模型的诊断方法
参数估计诊断法和状态估计诊断法都需要精确的过程模型，参数估计方法还需要被控过程的充分激励、有效的参数估计方法和故障统计决策方法等，状态估计需要已知噪声统计特性和有效的方程解析程度等。基于参数估计的故障诊断方法框图如图1所示。
实际情况下锅炉系统是一种复杂的多输入多输出非线性系统，无法建立精确的锅炉数学模型，需要进行简化处理；此外该类方法还会受到噪声信号的影响，导致诊断失误。
2 基于输入输出信号处理的诊断方法
直接分析锅炉的输入输出信号，分析其是否满足正常范围或者其变化率是否满足正常范围，就可以实现对锅炉故障的有效判断，但直接利用输出输出信号进行故障诊断会受到噪声和不良数据的影响，结果失真。
对输入输出信号进行深入的处理或者挖掘，包括小波变换、信息融合等方法可以有效提高故障诊断的效果。对输入输出信号进行小波变换，获得信号的奇异点，进行故障诊断，该方法不需要系统数学模型，且能够有效克服噪声污染，有较高的引用价值。信息融合充分利用信息的冗余度，进行充分的数据挖掘，通过数据层融合、特征层融合和决策层融合，实现对锅炉故障更准确的诊断。
图1 基于模型参数的故障诊断流程图
3 基于人工智能的诊断方法
以神经网络和和专家系统的人工智能方法已成为当今故障诊断技术的重要研究方向。国内外专家对锅炉故障诊断的智能算法进行了广泛研究，取得了很多成果，其中部分已经获得了实际的运行。
故障诊断专家系统知识库中存储了锅炉故障模式、成因和处理方案，推理机构在推理机制的指导下，将输入信号和对照表进行对比，并进行故障的诊断，并对结果进行评价和决策。通过结合人工神经网络的学习和自适应功能，可以实现专家系统在非线性系统中有效应用。如图1所示。
神经网络具有非线性、联想学习和自适应性等特点，可以有效的适用于锅炉故障诊断。常用的神经网络模型包括B P网络、Hopfield网络、Kohlon网络和Hanmming网络等，按照学习和使用过程是否分开又分为有导师学习和无导师学习两种。以BP神经网络为例，包括输入层、隐层和输出层，由于锅炉故障因素间的耦合性，一般采取多维BP神经网络模型进行诊断。
4 结语
本文论述了三类锅炉故障诊断方法，分别以参数估计故障诊断、小波信号故障诊断和神经网络及专家系统为例详细论述了三类方法的具体故障诊断原理，和相互之间的优缺点。利用有效的锅炉故障诊断方法及时的发现锅炉故障并采取合理的措施可以有效的降低锅炉故障问题，降低锅炉故障对相关人员、工业生产的安全影响，提高工业生产的经济效益。
［1］王希光.故障树理论在火电厂锅炉故障诊断中的应用［D］.大庆石油学院，2004.
［2］熊浩.电站锅炉故障诊断与预测研究［D］.重庆大学，2003.
［3］花伟.锅炉混合智能故障诊断技术的研究［D］.南京工业大学，2006.
［4］石宁.基于模糊专家系统的锅炉故障诊断方法的研究［D］.沈阳理工大学，2009.
［5］王从陆，李树清.信息融合技术在锅炉故障诊断中的应用［J］.工业安全与环保，2005，31（6）：48-49.
［6］周学伟，于洋，陈亮，等.基于数据库技术的锅炉故障诊断专家系统研究［J］.自动化博览，2008（6）：40-42.
［7］高建强，陈鹏.多维BP神经网络在锅炉故障诊断中的应用［J］.热力发电，2011，40（4）：77-80.
