[发明专利]燃气轮机控制系统传感器故障诊断方法

说明书

本发明涉及一种燃气轮机控制系统传感器故障诊断方法，利用大量燃气轮机控制系统运行数据，建立传感器故障知识库，通过传感器故障知识库提取与传感器故障有关的故障征兆属性，建立故障诊断决策表；利用改进等频离散化方法先对燃气轮机控制系统传感器的实时故障数据进行离散化处理，再结合建立故障诊断决策表，得到离散化后的故障数据对应的传感器故障诊断决策表，再用粗糙集对故障数据对应的传感器故障诊断决策表进行约简，利用约简后的传感器故障诊断决策表对RBF神经网络中进行训练，简化神经网络的网络结构对待测数据进行故障识别。能够快速的、准确的识别燃气轮机控制系统传感器故障类型，及时进行维修和保护，使燃气轮机能够可靠安全的运行。

技术领域

本发明涉及一种故障诊断方法，特别涉及一种基于RS-RBF(Rough Set-RadialBasis Function,粗糙集理论-径向基函数神经网络)的燃气轮机控制系统传感器故障诊断方法。

背景技术

燃气轮机在国家发电体系中具有非常重要的作用，其控制系统控制着燃机的安全稳定运行。传感器作为控制系统中重要的测量元件，负责测量各种信号来监测燃气轮机的运行状态，并及时反馈给控制系统，因此当发生故障时，就需要对其进行故障诊断以判断其故障类型，避免后续造成巨大损失。

由于各个故障诊断方法都具有自身的优点和局限性，因此需要综合运用各种故障诊断方法，并且将各种方法结合起来，组成一种复合的故障诊断系统，从而使单个的故障诊断方法的不足得以弥补，使得故障诊断技术可以更加全面、高效的解决实际问题。

粗糙集RS的缺点在于其容错能力较低，这也就意味着单独的粗糙集理论无法满足故障诊断的实际需求。而神经网络作为一种广泛应用于各个领域的技术，与其他领域的技术具有很强的兼容性，因此可以神经网络技术与粗糙集理论相结合，从而形成复合的故障诊断系统。然而，在实际的燃机运行过程中，不光产生离散数据，还存在着大量的连续数据。而粗糙集理论只适用于离散属性，因此，就需要选择一种合适的离散化方法。等频离散化方法是众多离散化方法中的一种较为常用的离散化方法。其优点是减少了异常点的影响，并在同一区间内收集到相似值。缺点是难以找到最佳区间数k，而且可能将相同大小的值置于两个或两个以上不同的相邻区间。

发明内容

本发明是针对上述复合故障诊断系统存在的问题，提出了一种燃气轮机控制系统传感器故障诊断方法，对等频离散化方法的缺点做出一些改进，利用改进的离散化方法对燃气轮机控制系统传感器的故障条件属性进行离散化处理，而后利用粗糙集理论消除与故障类型关联度低的条件属性。最后，利用粗糙集神经网络完成对燃气轮机控制系统传感器故障类型的诊断，为故障诊断工作提供了重要的决策支持。

本发明的技术方案为：一种燃气轮机控制系统传感器故障诊断方法，利用大量燃气轮机控制系统运行数据，建立传感器故障知识库，通过传感器故障知识库提取与传感器故障有关的故障征兆属性，建立故障诊断决策表，决策表中包括条件属性和决策属性，其中与传感器故障相关的征兆属性作为故障诊断决策表的条件属性，对应的故障类型作为决策属性；利用改进等频离散化方法先对燃气轮机控制系统传感器的实时采集故障数据进行离散化处理，再结合建立故障诊断决策表，得到离散化后的故障数据对应的传感器故障诊断决策表，再用粗糙集对故障数据对应的传感器故障诊断决策表进行约简，寻找属性间关系，利用约简后的传感器故障诊断决策表输入到RBF神经网络中进行训练，从而简化神经网络的网络结构；最后利用训练好后的RBF神经网络对待测数据进行故障识别。

所述改进等频离散化方法具体步骤：针对某个条件属性采集的连续故障数据按升序或降序对值进行排序，然后将排序后连续故障数据划分为连续的k个临时箱，k值为该条件属性的非重复值个数的平方根的最接近整数；每个临时箱中存放数量相当的属性值，然后计算各个临时箱的算术平均值，而后将相邻临时箱的算术平均值再做算术平均值，以此作为离散区间的边界，得到k个离散区间；将k个离散区间依次赋予设置值为1，2，…，k，将已经建立的故障诊断决策表中的条件属性值与离散区间进行对应，用对应离散区间的设置值替代故障诊断决策表中的条件属性值，得到离散化后故障诊断决策表。