基于信息融合技术的烟气轮机故障诊断系统研究.pdfVIP

学兔兔 第6期 (总第1 51期) 机 械 工 程 与 自动 化 No．6 2008年12月 MECHANICAL ENGINEERING AUT0MAT10N Dec． 文章编号：1672—6413(2008)06—0092—03 基于信息融合技术的烟气轮机故障诊断系统研究 张唐瑭，王少红，徐小力 (北京信息科技大学机电系统测控北京市重点实验室，北京 1001 92) 摘要：为保障烟气轮机的安全可靠运行．实现科学维护，采用了多传感器信息融合技术的故障诊断方法。通过 提取烟气轮机上携带故障特征的多类信息，并在决策层上采用神经网络与D—S证据理论相结合的方法对这 些信息进行有效的融合。 关键词：多传感器；信息融合；烟气轮机；故障诊断 中图分类号：TP306 ．3：TE96 文献标识码：A 0 引言 它的基本思想是把证据集合划分为若干个不相关 烟气轮机是炼油厂催化裂化装置中的大型旋转机 的部分，并分别利用它们对识别框架进行判断，然后 械，烟气轮机运行状况的好坏，将影响整个机组的运 利用组合规则把它们组合起来。首先，根据诊断对象 行，因此对其进行状态监测和故障诊断意义重大。利 本身的结构建立相应的识别框架护一{ ， 。，A。，…， 用多传感器信息融合技术，从不同的角度获得有关系 ， }，利用一定的判别方法，得到各类传感器X 对各 统运行状态的特征参量，将这些信息进行有效的融合， 个故障类 ，和不确定性 的置信度函数，将各置信度 能够比较准确地完成烟气轮机的故障分类与识别。 函数按照D—S融合规则进行融合，确定新的置信度 1 多传感器信息融合技术 函数，再计算信任测度Bel( ，)和似然测度Pts( )， 多传感器信息融合是指将来自多传感器或多源的 从而产生对各故障类的信任区间EBel( ，)，Pls( )]， 信息进行综合处理，从而得出更为准确、可靠的结论。 依照一定的决策规则进行诊断决策。下面给出D—S 信息融合的目标是基于各传感器分离观测信息或同一 证据理论的组合规则。 传感器获得的不同特征信息，通过对多维信息的优化 隐层 组合导出更多的有效信息。 按融合顺序和融合层次的高低可将信息融合分为 数据层融合、特征层融合和决策层融合。目前常用的 输 算法有经典推理法、Bayes推理法、Dempster--Shafer 入 输 出 节 证据理论(D—S证据理论)法、人工智能神经网络法 占 和模糊集理论法等。 2 基于D—S证据理论与BP神经网络的信息融合方 法 2．1 BP神经网络 计算单兀 BP神经网络的主要思想是从后向前(反向)逐层 图l 3层BP网络示意图 传播输出层的误差，以间接计算出隐层误差。算法分为 以二元情况为例，假设Bel 和Bel 是同一识别框 两个阶段：第一阶段