基于先进诊断策略的网络化机组轴系监测系统研究
张勇, 戈志华, 丁常富，牛玉广
（华北电力大学 , 河北 保定 071003 ）
摘 要: 先进的系统智能诊断策略与兼具安全性与开放性的系统网络体系是当前电厂机组轴系安全、经济运行监测系统发展的趋势。该文介绍的汽轮发电机组轴系监测系统是基于改进的RBFNN神经网络故障诊断模型，该模型采用多输入、单输出改进组合子网络结构改进了原有RBFNN神经网络结构输出节点数不易确定、脱机时间较长的缺陷。系统经过验证可以准确判别汽轮发电机组多种轴系典型故障，并具有判断新故障及不断修正样本的功能。监测系统整体框架采用Browser／Server网络体系，在保证信息安全的前提下实现设备运行参数在设备管理层（电厂主控室）、生产管理层及远端专家的信息共享。
关键词：汽轮发电机组；轴系监测；神经网络；故障诊断； 客户机/服务器
1 引言
20世纪80年代以来投运的200MW等级以上的机组，几乎都装备了轴系在线监测系统（TSI），并已产生巨大的经济效益。但到目前为止，绝大部分轴系监测系统仍然停留在单机版，作为一个孤立的、非智能化的信息显示系统存在于电厂主控室，极不适应于电厂安全生产管理自动化需要。
本文介绍的网络化汽轮发电机组轴系监测系统，应用先进的故障诊断策略，最新的计算机技术，特别是网络通信和数据库技术，对现有轴系监测系统的进行智能化、网络化改造，既可实现对机组振动状态监测、数据管理分析和诊断，又可将特征参数在电厂生产管理系统（MIS）及INTERNET 上进行有选择的信息发布和数据查询、分析，对现场生产科学管理、决策具有重要实际意义。
2 网络化轴系监测系统模型
2.1 概述
网络化轴系监测系统由监测端、服务器端、和客户端3部分构成。整体结构如图１所示。
监测端由数据采集系统及主控室振动分析工作站组成。工作站采用多台机组集成监测诊断方式，由数据采集系统将现有TSI监测仪表（如Bently公司3300，3500系统等）中原始振动参数取出送入分析工作站进行监测、分析和诊断。同时工作站采用客户机/服务器方式将需要发布的数据发送数据库服务器。
服务器端由数据库服务器、中间件和Web服务器组成。由Web服务器接受客户端的请求提交数据库服务器，并将数据库服务器运行结果送回客户端。
客户端由有使用权限的电站ＭＩＳ系统用户（生产管理层）及远方因特网用户（远方专家）组成。
系统数据网络发布采用Browser/Server网络结构。
2.2 Browser/Server网络结构
系统客户端与服务器端之间采用三层Browser/Server网络体系结构实现用户在MIS系统、Internet中利用WINOOWs标准浏览器（如IE）以网页形式查询、分析机组轴系运行状态数据。其结构如图2所示：
Browser/Server结构中，Server端由Web服务器、Database服务器及其中间件组成，Client和Server之间物理上通过Internet或Intrate相连，软件上遵守HTTP（超文本传输协议），Browser通过URL（统一资源地址）和Server端建立连接，从而实现以整个Internet空间为背景的数据存储和访问。当Browser发出访问数据的请求时，Web服务器会通过中间件向数据库服务器提出数据访问的请求，一方面DBMS将Web服务器传来的数据写入数据库，另一方面DBMS将检索到的数据通过中间件形成动态HTML页面，传给Web服务器，再通过HTTP交由Browser形成网页显示在用户的浏览器窗口中。
在Intranet环境下开发Browser/Server模式的网络监测系统具有如下优点：
（１）Browser/Server属瘦客户模式。用户仅通过WINOOWs标准浏览器就可以访问数据库中的信息；
（２）易使用和维护。系统维护和升级都在服务器端进行，减轻了系统维护与升级的成本与工作量；
（３）良好的兼容和可扩展性。Browser/Server模式由于采用标准的TCP/IP技术，HTTP协议，它可以与企业现有网络很好地结合, 并可直接接入Internet，有良好的扩展性；
（４）安全性好。 防火墙技术将保证电站网络的安全性，如果结合WINOOWs NT 和Internet Information Server的高度安全性，使用户在操作系统级就可达到NT的C2级系统安全。
2.3系统振动数据采集
振动数据采集子系统由工业控制计算机、信号滤波板及数据采集板组成，主要用于采集、分析振动信号，如涡流传感器输出的动态信号（轴振、瓦振信号等），但亦可采集、分析静态信号（如轴位移、差胀、偏心及压流类信号等）。数据采集子系统通过网络接口与上位机（电厂主控室振动分析工作站）相连，可将原始数据及分析后的数据传送给上位机，以简化监测系统的结构、提高系统可靠性。数据采集子系统的工作方式由上位机设置，并具有自检程序，当由于某种原因出现死机时，看门狗电路将使系统自启动。数据采集子系统使用电子盘以最大程度地减少装置的机械移动部件，进一步提高装置在工业环境下的使用寿命。
3 系统故障诊断策略
3.1 RBFNN故障诊断模型
系统故障诊断模块基于RBF径向基函数网络。
RBF网络由输入层，一个隐含层和输出层组成，结构如图3所示。
RBF网络隐含层的作用函数是以Gauss函数作为隐层神经元的激励函数。Gauss函数是非单调
函数，具有局部响应特性，只在很窄的范围内有较大的分类输出，RBF网络的各层节点的响应函数为：
式中 X∈Rn为网络的输入向量；Ci∈Rn为第i个隐节点中心；б为相应该隐节点作用宽度，表示隐节点作用函数的响应范围；n为输出向量的维数。和BP网络的Sigmoid函数相比，Gauss函数形成的决策边界是自我限定的。通过非线性变换将输入向量映射到新的空间，输出节点值：
RBF网络的训练过程包括3步： ① 采用递推K均值聚类法确定中心点 C,б,W； ② 确定每个隐节点的宽度C,б,W； ③ 采用LMS算法迭代训练调整网络的权值。通过调整C,б,W3个参数，使输出误差 
达到精度要求。
Gauss函数的作用只在某一中心附近作用，使网络具有局部激活特性。而且，在对各隐节点进行局部调整的时候，不会影响其它节点。和BP网络相比，RBF网络的优点在于：
各层神经元作用函数不同且隐含层的激励函数为Gauss函数是非单调函数，决策边界作用域明显减小，激励作用加强。这种响应特性对诊断新故障样本尤其有利，不会发生将新故障样本归类到已知故障类的错误，最差的情况是判断为正常样本。而应用BP诊断网络，如果待诊样本不包含在诊断系统之内，仍可能将此样本划分到已知的分类空间，造成误诊断。
3.2 改进的RBFNN故障诊断模型
图3中RBF网络存在如下问题： ① 网络训练前，识别故障种类随标准样本变化，因而，输出节点数不易确定； ② 只要网络的输入变化，整个网络都需要重新学习，脱机时间较长。
采用图４所示的多输入、单输出改进组合子网络结构可以有效地解决上述困难。其中每个子网络只负责识别一类故障，可以具有相同或不同的输入空间（征兆域）。将待诊样本一次存入训练后的各子网络，输出大于给定阈值的子网络所代表的故障类即为诊断结果。
从实验中选取５组故障共80个样本进行试验分析，分别是碰磨、裂纹、不平衡、油膜振荡和不对中故障，其中把油膜振荡作为测试样本，利用RBF网络训练好前4种故障代表的子网络，5组样本的分类结果示于图5 。由图可见：每个子网络都能够正确地排除油膜振荡故障，因此，该类模型具有识别新故障的能力。
本文关键字：暂无联系方式电工文摘，电工技术 - 电工文摘
