文摘

经济约束是推动电力行业寻求改善的方法监测、控制和诊断。提高设备利用率,实现了各种技术在工业评估设备条件,防止系统inoperability。大量的可用性测量信号和附加组件信息和信号处理越来越多的选项分析采样数据激励等不同信息的同化成一个plantwide状况监控。所述使用模糊逻辑执行决策为目的的有关系统状态和可能需要组件维护。Fuzzy-logic-based诊断监测应用于从仪器获得的数据在操作设备。

1。介绍

竞争由于放松管制的电力行业提供了额外的动机电厂业主实现预测维修(PM)项目。设备健康监测的各种相关的努力包括状态和可靠性为中心的维护。完成点而不中断设备操作需要使用在线监测特征分析的工具。反过来,这些签名必须审查确定该系统或组件是趋势走向失败的情况。原始信号通常是随机(随机)流程的结果。

图1说明了设备维护三个基本方法。采取纠正(或反应)维修后的组件已经失败了。避免崩溃,预防方法涉及先行行为基于一个时间表或预测。定期维护,这可能包括检查和/或先发制人的替代品,可以执行日历或设备使用基地。预见性维护发起是因为发现设备故障或失败。可靠性为中心的维护包含所有三种方法同时考虑设备设施的任务的重要性,通常是基于失效模式和效果分析。

检测故障的能力和替换组件失败之前所期望的行业。通过这样做,可以避免意想不到的设备故障的后果。在线组件监控可以产生更高的可用性,延长生命,降低成本。早期故障检测服务不仅要避免灾难性的失败,也协助计划纠正措施(即。预防性维护)。早期故障检测有能力协助实现状态维修的目标。

许多故障检测和隔离(FDI)技术已经开发多年。本文试图建立的方法证明FDI传感器验证的方法。而绝大多数的研究侧重于一个特定的诊断方法,这项工作寻求一种手段的多样化的多种技术可能提供的诊断信息integrated-fuzzy逻辑是选为代理实现这一数据融合。

本文首先简要的调查的应用模糊逻辑诊断和发电厂。然后下一节描述了模糊逻辑诊断监测背后的哲学(FLDM)。这是紧随其后的是一个描述如何FLDM可以实现状态监测。应用模糊逻辑分析结果从健康监测数据获得来自核反应堆系统提出了结合的方法描述。

2。应用模糊逻辑

一个受欢迎的应用模糊逻辑(FL)领域的控制。实现模糊控制的电气电站包括太阳能热发电厂(1,2),核蒸汽发生器液位控制单元(3- - - - - -5),和地下水抽水火力单元(6]。例如连接控制和诊断,福尔摩斯和射线研究控制系统开发化石电厂fuzzy-logic-based控制器的任务是判断系统动态性能与结构耐久性的关键组件之间(7]。

本文重点是电厂诊断,这一节的其余部分简要调查的一些模糊逻辑应用在这些领域。蔡等人开发了一个在线模糊专家系统为操作者提供整洁的报警显示和系统故障信息在异常条件下和预后进行报警提醒过程异常在核电站的运营商9]。Holbert等人模糊逻辑应用于入侵检测的监控和数据采集(SCADA)系统(10]。Pareek和冰斗了一个成功的演示应用程序的二型模糊逻辑系统来预测电厂燃气轮机的压气机出口压力(11]。Koppen-Seliger等人使用模糊逻辑规则库由任何可用来评估获得的残差分析知识从几个子系统执行故障诊断高压预热器的发电厂(12]。工作的Na et al .,智能软件传感器使用模糊模型开发执行准确的在线估计的给水流量和监控现有硬件传感器的状态为压水反应堆(13]。Fuzzy-logic-based诊断方法已经应用于各种发电站包括一个混合燃料cell-gas涡轮设备(14和联合循环电厂15]。

模糊逻辑也被应用于组件和流程诊断问题的一般性(16]。例如,Mendonca等人采用模糊模型进行外国直接投资的工业servoactuated气动阀(17]。Yui和李利用模糊集合理论定量信息整合到一个定性的基于模型的诊断系统(18]。Aubrun等人FL-based评估测试和重构方法执行机构故障从热植物(使用模拟数据19]。在他们的工作,FL用于残留评价和重新配置控制系统使用模糊规则。关于故障隔离,他们得出的结论是,FL提供了更好的结果的鲁棒性的模型与经典方法相比19]。阿明等人应用模糊推理系统,知识融合和特征提取来创建一个健壮的健康监测系统测定和分类泵的退化(20.]。创建故障检测系统等复杂的过程注定一个化工厂,Vaija等人提出使用多级模糊系统(21]。Mechefske应用模糊逻辑技术分类频率谱表示滚动轴承各种故障(22]。Uriu等人成功地表达了淬火的超导磁体系统的“危险因素”,是由结合从众多的传感器收集的数据23]。

一些研究者也促进了FL在仪表故障检测。FL信号验证的应用似乎是Heger(等人于1993年首次提出(24]。正如他们所说,模糊逻辑对仪表故障检测很有用,因为它拥有的优势语言信息转换为数值进行处理,然后回到语言域(25,26]。Mourot等人建议使用模糊模式识别过失误差检测问题[27可能遇到]利用奇偶方程生成残差。萨德等人研究了用FL诊断传感器和执行器故障模拟的机械系统。特别是,他们以自适应的方式评估剩余工资,他们使用了一种FL技术诊断故障从专用观测器方法签名28]。此外,海恩斯等人用FL模型和估计过程状态的自适应模糊推理系统旨在执行仪器通道校准验证(29日]。其他混合实现的FL传感器验证包括FL的耦合与状态估计技术(30.]。

是运营商提供的传感器和控制系统调节系统,仪器仪表领域的故障检测和隔离这些年来见过许多研究。对于那些读者试图审查科学文学领域的外国直接投资,看到最近的文章(31日,32]报告[33),和书籍(34,35]。

3所示。模糊逻辑诊断监测

预见性维护计划通常采用信号处理技术对特定的工厂设备和系统进行状态监测。这样的努力有可能利用大量的数字信号处理方法已被开发,可以针对具体故障签名。这些方法面临的挑战是执行FDI和异常特征,在这两个任务的顺序列出增加困难。此外,一些外国直接投资算法为简单的诊断提供适用于各种异常而其他外国直接投资方法是复杂的计算工具致力于特定失效模式的分析。作为一个例子,一些方法更有用的评估突然故障而另一些则用于初期的失败。这种情况导致状态监视器通常专注于一个有限的设备,将软件适用性的组件可能会遇到的潜在失效模式。小型电力公司和个人不能指望机组采用一个专门的员工认识到,熟悉所有可用的外国直接投资的方法。因此,一个操作援助的形式一个智能监控系统是必要的。这种状况是一个动力的发展基于规则的模糊逻辑诊断监测(FLDM)这里描述。

3.1。哲学的方法

哲学方法的一个方面在发展FLDM考虑方法经常被当一个人病了。通常,医生首先采用各种简单的措施(如体温),然后可能订购额外的诊断测试(例如,x射线)执行基于病人的初步评估。这种思维过程导致额外FLDM属性进一步努力提供一个有效的健康状况监控器,专门知识(数据)基地的公司关于设备操作历史包括制造商的信息可靠性数据和其他维修记录。类似于病人记录,基线签名(当设备运转正常,无故障的方式)获取和存储以供将来参考和比较。

当执行外国直接投资时,四个阶段,为了增加难度,列出如下(见方案1)(1)检测一个实际的故障发生,(2)隔离故障的组件/设备,(3)故障类型的识别和/或原因,和(4)缓解故障(例如,修复)。

plantwide模糊逻辑健康监测采用多个信号处理模块进行故障检测、隔离和表征。操作数据从现有的和改进的传感器信号采样整个电厂。然后FLDM的模块化体系结构允许并行信号分析,即给定组件或系统的健康可以评估使用多个独立的信号处理技术。如图2FLDM使用两阶段方法,第一阶段使用更常见的鲁棒故障检测的技术。随后,第二阶段算法,它在本质上是复杂的,旨在描述异常。描述工作是确定适当的维护响应的关键。

创建FLDM然后需要选择合适的信号处理模块。必须认识到,每种方法都有其优点和缺点。Carnero指出,上下文中的螺杆压缩机预见性维护计划,必须选择最合适的诊断技术或者PM计划可能会失败36]。此外,工艺条件(例如,瞬态变化和特定的稳态运行点)的能力产生不利影响的一些信号处理技术可以准确地分析数据。当然,可靠的商业实现支持这些方法low-missed和假警报率。瞬时故障检测使用观察结论只适用在那些情况下,总失败是有经验的。另外,需要长期监测识别慢慢发展中故障如预期预见性维护应用程序。为了提高整体健康监测的可靠性,我们推广使用多种方法来解决不同的故障机制(类别)和多种技术的实现在提高故障检测故障类别。

的显著特征,本文给出的方法是建立在可靠的故障检测和隔离技术。挑战一个集成的状态监测系统的同化不同的信号处理模块的结果为最终地位的决定。随着时间的推移,经验可以证明需要删除一个模块由于表现不佳,或者如果一个新的先进的技术可用,那么它可以插入到现有的综合健康监控。为此,我们使用一个基于规则的模糊逻辑决策者。

许多方法都是针对单个失效模式的检测,因此,缺乏任何实际应用所需的鲁棒性。此外,各种设备和组件失效模式存在。两个额外的失败情况下,必须考虑多个失败的可能性(通过相同或不同的失效模式)和共模故障。检测多个失效模式有明显的优势;然而,失效模式越复杂,越难检测和进一步的故障检测方案往往为故障诊断领域的过程。

3.2。第一阶段信号处理模块

在整个工厂实现广泛的适用性,如核能发电站,通用信号处理技术是必要的。这些信号处理模块提供的初始分析植物数据来确定是否存在异常。更深入的分析可以执行,如果需要,更加明确地描述问题。

为了说明使用通用的特征分析方法,考虑四个温度信号如图3。这些信号得到的上层充气实验增殖堆二世在全功率启动从0%到100%。第一个信号(图3(一个))直观地显示了一个统一的声音无论功率;然而,其他三个信号表现出增加的噪声水平的反应堆功率上升,最后温度读数(图3 (d))尤其是吵了。信号的噪声可能是由于传感器误操作或一个不规则的过程。或者增加噪音是很正常的,实际上是不正常的信号没有增加噪音。FL决策者必须把信号分析结果与专家派生规则来确定正确的诊断。

考虑一个模糊噪声检测器,利用只有两个输入:rms和零点交叉率的信号。rms和讨论二阶导数过零率是首先测量和单独fuzzified。的rms值可能fuzzified到零,低,普通和高值。零值必须占信号饱和和信号损失等情况。过零率(ZCR)同样fuzzified罕见,定期和频繁。对于我们的第一个例子,一个简单的规则集生产和描述表1。规则3和4占信号饱和和信号损失等情况。

在第二个温度传感器(图3 (b)),rms值被计算为0.80°F ZCR是每分钟2.75左右分钟。的rms值是fuzzified,发现有一个1.0低组的成员。同样,ZCR fuzzified,决心团结成员(注意:读取眉题不是罕见的)类。应用规则和执行重心去模糊化后,整体信号噪声状态是正常的,只有规则1被激活,即使人类感知基于图3 (b)可能是认为它吵了。

第三和第四信号的结果是相似的,除了第四信号分为非常嘈杂的第三信号被认为是简单地吵了。的°F(第三温度产生低0.39和1.0的会员和普通组,分别;的/分钟频繁和激活一定程度的统一见图4。诊断结果第三信号噪声虽然规则1和2都是触发。

本例的分析上执行一个信号,rms和ZCR fuzzified根据基线信号存储在植物数据库的特性,描述。尽管这个示例展示了分析基于检查单个传感器不考虑其它类似行为的信号,从冗余的特性和相关信号相比,还可以进一步增强结果的信心。此外,这样的比较有助于解决噪音是否设备异常或过程的结果异常。

例如过程之间的相互依存和设备诊断,研究反应堆堆芯出口温度信号如图5。出现这种情况,需要评估是否这个冲动是一个实际的改变或者一个错误的阅读过程。变化率限制检查可以确定在这种情况下,事实上,这样的一个物理变化是不可能的,但并非不可能。然而,这种可能性的基础几个规则取决于感兴趣的变量和变化率的大小定义的模糊隶属度函数。此外,额外的信息可以被纳入到决策过程通过观察其他相关流程变量。例如,如此大的温升要求显著增加力量和/或排热能力的丧失可能会经历失去冷却剂流。这种情况表明模糊规则知识库需要区分设备故障过程异常。

这些基本的签名跨工厂系统有广泛的适用性。失效模式可寻址的基本信号描述符包括峰值、漂移,偏见,噪音,卡住了。模式识别和额外的数字信号处理模块采用先进的时间和频域技术也可以包括在诊断专家,但这些通常会描述阶段的长处。除了随机信号分析,确定的测试结果也可以作为监控的输入条件,例如,机器润滑油和磨损颗粒分析,但是这些代表深入、系统特定的方法。努力实现一个有效的诊断监测成为获得数据的分析以确定特定的系统或组件是否表现出特征早期失败的警告。

3.3。诊断监测

过程数据融合、分析和解释代表获取更好的设备健康监测的关键障碍。结果表明,故障检测必须通过使用不同的信号处理技术来执行可靠的信号分析;然而,这些方法应该被融合成一个有凝聚力的故障检测方案,而不是结合在一个平行的方案,允许没有之间的串扰信号处理技术。基于规则的模糊逻辑方法允许从多个域的组合信息。

通用信号处理技术是有用的但深入设备状态监测需要各类设备分析算法。作为一个例子,考虑作者的健康诊断的压力传感线在核电站37,38]。等仪器诊断,压力波动的功率谱密度(噪音),基于传递函数的模型相比,正常和异常条件如线堵塞,气体截留,泄漏39]。最后,然而,所有的这些结果必须通过高级决策相结合module-this FLDM的角色。

采用模糊逻辑的决策能力(见图6系统诊断使用信号处理模块。通过保持诊断监控灵活适用的类型的设备和系统,可以应用在plantwide FLDM基础。该系统还可以通过添加扩展其他外国直接投资方法(如卡尔曼滤波)处理收集到的数据和信息。

在FLDM编码,我们认识到,工厂人员比外国直接投资方法有优势的个人经验和人类能力吸收广泛的信息和新的数据。相比之下,计算机有优势能够处理这些信息的速度比人类同行。模糊逻辑,作为人工智能工具,可以利用核电站运营商的经验和计算机的快速数据处理能力。数值结果的各种信号处理模块由FLDM fuzzified进行处理,其中包含的智慧engineer-analyst模糊规则。这里创建的基于规则的模糊系统使用Mamdani模糊推理过程。模糊规则和加权因素是根据特定的设备和信号处理技术。例如,零权重因子可用于禁止特定的模块分析数据从一个给定的组件,同时使系统模块可用于检查其他工厂。权重选择的信心,以反映一个给定的信号处理模块可以正确识别给定失效模式在特定的设备/系统。模糊系统的计算开销是信号分析可以实时完成。模块化的体系结构允许插入新的先进技术发电站时被认为是有用的。

创建一个规则库允许人类感知的数学表示。规则库的模糊逻辑方法是通用的,规则是对特定状态变量被测量。应用模糊集合操作与规则。最后,去模糊化方案用于确定质心位置,因此,信号状态。虽然信号处理模块可以应用于所有收集到的数据,这并不是说所有植物的权重因素是相同的组件和系统。而各种技术通常利用严格的数值边界在故障检测,这里描述的监控放松硬边界利用模糊集理论。这样,这个方法桥梁所采用的统计方法假设检验技术与启发式方法应用系统运营商。

除了实时数据分析、数据库的组件可靠性可以利用更精确的决策可以对设备卫生。列表的一些信息可能包含在数据库表中给出了2。用于第二阶段系统的信息来源于通用数据库,其中还包括一个树形结构数据库如图7。树形结构的数据库是一个链表,便于动态创建系统特定的规则从一般的关系。它提供了一个物理描述感兴趣的基础设施和知识的仪器网络,包括传感器类型、位置、制造商、型号、和附近的传感器。树形结构构造数据库,以确保不同电厂之间的模糊系统是便携式和适应性,当感觉网络或修改的基础设施。减少误报的可能性由于常见原因仪器异常,树结构可以用来寻找类似的异常的发生。

另一个问题是工厂是否在稳态操作条件或是否正在经历一场短暂的,例如,在启动或负载变化。一些信号处理技术更适合静态条件而其他方法可能擅长动态条件。实际上,核电站基本负荷的数据通常更容易从峰值分析比单位。

4所示。仪器校准监控

本节提供了一个更详细的例子,应用模糊逻辑过程仪表的健康监测。这里我们详细的使用模糊逻辑为一个特定的应用程序,特别是通过展示代表规则、模糊隶属函数,和实际结果的应用数据FLDM操作核电站。

4.1。减少校准

在任何过程中,必须测量系统条件以达到所需的操作配置。努力改善过程的一部分监测、控制、安全、和维护使用自动化的计算机系统必须致力于确保指定的工艺条件的准确性和可靠性得到从仪表系统(40]。诊断功能和状态监测必须基于执行验证过程的信号。传感器验证(或仪器故障检测)是决定是否提供一个可靠的阅读过程指标。表现激励传感器验证躺在安全担忧和经济回报。正确验证信号提高设备利用率和操作员操作的可靠性。

已有多种方法被开发来执行信号验证。许多方法来自航空航天和核能产业。大多数技术采用过程分为两个阶段:(1)代残差和(2)决策基于硬阈值。残余信号(名义上接近于零)偏离零发生某些故障时在特性方面。剩余的一代方法包括以下。(1)奇偶空间(参见评审巴顿和陈41]),(2)专用的观察员(42,43),而(3)卡尔曼滤波器(44,45]。

决策是基于各种测试,包括广义似然比(GLR) [46- - - - - -48],序贯概率比检验(SPRT)和创新属性(白度测试,的意思是,协方差、卡方检验等),应用于剩余工资。

两个主要类型的故障处理由传感器验证:(1)初期(灾难)故障检测和(2)检测仪器校准漂移。例如,如果仪器校准正在随着时间的推移,然后在仪器预防性维护通道之前可能会执行彻底失败。这种预见性维护方面的利益维护调度援助,包括预订组件的能力,以及在最严重的情况下可能防止核电站的旅行,这取决于被许可方事件的性质可能需要申请报告(l)与美国核管理委员会一项情况要避免。

减少校准是一个特定的传感器的应用验证。减少校准不消除需要进行仪器校准,但降低了努力。校准监控的一个明显的好处是减少人力需求由于减少了工作量。因为一些传感器通常无法访问,这次调整的努力可能会在一个已经忙了植物outage-when劳动已经溢价。减少核电站,校准也可以降低辐射地区的时间,从而减少人员接触。

4.2。模糊逻辑诊断方法

认为多阅读给定的过程变量可直接与物理冗余传感器和/或间接通过分析或经验关系。开始分析,绝对偏差之间的所有可能配对的计算方法是根据信号 在哪里冗余的传感器的数量和吗测量的吗传感器在给定的时间即时。可能值的范围,即宇宙的话语δ变化从零,当信号是完全同意,仪器范围,最大程度的偏差。这个宇宙的话语δ是量化成几个重叠模糊集值:

特别是,这偏差归一化是基于信号标准偏差,σ,使用三个区域:(1)小,(2)中,和(3)大偏差,如图8。

在执行仪器校准监控,重要的两个结果:(1)瞬时指示一个传感器是如何表现的相对于其冗余单元,和(2)的长期决心乐器通道是否正常运作。随机波动的存在需要显著数量的数据样本代表一段假警报概率降到最低。

因此,不仅必须传感器偏差被监控,但也的频率小,中型和大型偏差。因此,第二个模糊输入)频率,,偏差类型已经观察到的是。在实践中,的价值通过维护一个运行在一些连续的样本平均电流采样时间,当状态决定。为,宇宙的话语范围从0%到100%,并模糊集值(参见图9):

因此,有三个模糊的频率为每个偏差值。

然后实现规则确定信号是否符合彼此尊重。一致性检查算法可能会发现几个可能的结果:(1)信号一致:当所有的信号都与另一个协议,然后要么(一个)所有的传感器是好的,或(b)所有的仪器校准(举例来说,由于信号漂移)。(2)信号部分一致:如果大部分传感器读数是一致的尊重,然后信号被怀疑的少数群体经历过一个校准的转变。事实上,据了解,至少有一个传感器可能需要更换或调整,因此维护相应的计划。(3)信号不一致:在这种情况下,多个传感器可能需要更换或调整。正是在这样的情况下(或在这些情况下,只有一个或两个冗余信号存在),一个独立的流程状态的估计是有用的,也就是说,一个分析或经验流程模型提供了一个虚拟测量和记录的值进行比较。

模糊验证器是一致的,因此分类信号部分一致或不一致。状态模糊变量的信号有效状态,用模糊集的值 画的图吗10。

规则将信号状态与传感器读数之间的偏差,这些偏差和频率在曾被观察到。规则集必须建立这样一个状态的结果为每个信号发出。此外,规则构造考虑的影响不一致的传感器已经出现的偏差和频率校准仪器。例如,在一个信号配对比较准确,不准确的阅读,同时传感器最初可能被认为对彼此不一致。

和一群三个或三个以上传感器测量相同的可变状态,传感器故障隔离是可能的。在四个冗余传感器的情况下,有十二状态模糊变量和四个模糊状态变量。有六个偏差计算(例如,和),和十八频率模糊变量(例如,,和)。的规则,如表所示3是更广泛的比部分的例子3.2。第一个规则表中可能被解读为一组水平暗示。

如果偏差,,是大和它的发生的频率,,不是,那么传感器# 1状态,,是不一致的# 2和传感器状态,,是不一致的。

不同的权重分配的规则。特别是,前六规则使用不利影响的权重因子为0.3,因为一个错误的传感器可以对一致性检查结果可靠的工具。单元权重应用于规则7到12因为这种情况的一致性有高度的信心。过去六规则以来体重0.6他们的发生是会考虑到统计波动出现在操作条件变化的过程和工厂。

规则库的密实度和偏差和频率模糊变量的简单应用的规则允许实时信号处理。模糊逻辑方法也能够评估的情况分析模型。之间的偏差分析模型估计和硬件测量可能发生由于(1)故障传感器测量感兴趣的状态变量或(2)异常的输入信号发送到分析模型。

校准的基础上减少(但不是消除)是相互比较的冗余测量过程。阅读过程被监控在连续基础来看周为例。在这个时期的信号会同意或不同意。如果(希望),冗余信号彼此同意,可以猜测两个结论之一:(1)的信号都是准确或(2)的信号都校准漂移等一些常见原因失败模式。验证的问题就会减少一个冗余传感器的校准(渠道)。测试仪器证明应该在校准规范,它可能会得出结论,剩下的(未测试)传感器是在校准规范,它们不需要校准。

4.3。减少校准的例子

图中所示的数据11增压器压力测量数据记录在一个商业压水反应堆(压水式反应堆)。使用第一个200天的数据,偏差和频率发生的这些压力读数是首先计算并给出了表4。fuzzified值然后使用Mamdani风格模糊评估系统,拥有最低的含义,总结聚合和重心去模糊化。在这些增压器的结果数据,只有六18规则被激活。模糊诊断监测准确标识,1是一个out-of-calibration压力传感器的信号。信号2被认为是一致的,和信号3和4部分被认为是一致的。仔细检查规则1 - 3和10 - 12表明,后一种状态并不完全是第一信号的不一致的结果,为2 - 4不像一群紧密耦合的信号。的效果不一致的传感器可以被重新使用只有2 - 4信号的模糊系统。偏差和出现的频率必须重新计算和小,three-sensor使用规则集。

在一天大约200年,错误的传感器重新调整,使其(视觉上发言时看的数据图11其他三个传感器)变得更加一致。发生的特定的偏差和频率表给出最后的50天4。模糊分析结果得出结论,2和3是一致的信号,信号1和4部分不一致。这些结果可以直观地验证了指出信号1和4是图的数据中的异常值11。

5。总结

可以实现预测维修没有令人不安的工厂操作。容错信号处理基于模糊逻辑可以帮助电厂运营商满足的目标有效,高效和复杂系统的安全运行。模糊描述基于逻辑的状态监测对提高先进的一般工业过程监控和诊断功能。通过对传感器数据的分析显示了其可行性操作反应器系统。这种技术有多学科的应用除了发电,包括化学加工厂、公路、和空气/宇宙飞船。从长远来看,FLDM可以在在线学习提供某种程度上可能增强由操作员输入(50,51]。