基于CAN的燃气轮机远程监测与诊断系统

参数，异常工况下的状态参数、部分正常工况下的状态参数、机组其他重要的状态参数和运行参数。

1.2.3 服务程序模块

它是远程诊断中心的重要组成部分。现场工程师和远端专家通过它对状态数据进行分析处理，从而进行故障诊断和制定故障治理策略。实时数据显示分析包括参数设置、稳态和瞬态监测。系统参数对在线监测诊断系统的精度有着重要的影响，不能随意修改，为此给不同级别的用户设定了不同的权限。稳态监测主要是在机组不间断运行时使用，可采用列表的方式显示各种状态参数，并且可以绘制各种图形，有多种反映振动征兆的图形化方法，从实时数据库读出数据然后绘制对应的图形，如振动波形图、振动频谱、升降速波德图、振型图、轴心轨迹图等，专家能够选择其想查看的图形，从而进行经验上的判断。瞬态监测主要实现随机监测和启停机监测，可根据需要设置采样频率、采样长度、数据的存盘方式等，可供分析诊断软件包等检索调用。故障诊断服务主要包括方法、模糊理论、神经网络、遗传算法与概率因果网络相结合理论等建立的各种诊断程序。

2 GTD一350燃机智能故障诊断方法

2.1 基于规则的专家系统诊断方法

基于规则的方法又称产生式方法，早期的故障诊断专家系统都是基于规则的，这些规则是从专家的经验中总结出来，用来描述故障和征兆的关系。

该方法的优点是知识表示简单、直观、形象、方便，使用直接的知识表示和相对简单的启发式知识，诊断推理速度快；要求数据的存储空间相对较小；易于编程和开发出快速原型系统。缺点是知识库覆盖的故障模式有限，对未出现过的和经验不足的故障诊断就显得无能为力；当知识库中没有相应的与征兆匹配的规则时，易造成误诊或诊断失败。

2.2 基于神经网络的诊断方法

从映射的角度分析，故障诊断的实质是建立从征兆到故障源的映射过程。人工神经网络的优点是高度非线性、高度容错和联想记忆等。但是，人工神经网络应用于故障诊断也存在许多不足，诊断方法属“黑箱”方法，不能揭示出系统内部的一些潜在关系，无法对诊断过程给予明确解释。网络训练时间较长，并且对未在训练样本中出现的故障无诊断能力，甚至得出错误诊断结论，这些都增加了神经网络在实际应用中的困难。

2.3 基于遗传算法与概率因果网络结合的故障诊断方法

概率因果模型用于汽轮发电机组故障诊断时，具有最大似然值的故障集一定是最可能发生的故障，通过寻找使似然值函数最大的故障集合就可将故障诊断问题转化为非线性全局最优化问题。但各种故障的组合是一个相当大的搜索空间，用数学解析或实验的方法几乎不能求解。而遗传算法具有高度并行性和求解非线性问题的能力，可把遗传算法与概率因果模型相结合，将由概率因果模型得到的似然值函数作为遗传算法的适应值函数，在全局范围内搜索最有可能发生的故障集合。概率因果模型与遣传算法相结合时，染色体串采用二进制编码形式，故障出现为1，未出现为0。适应值函数由下式表示：

式中：D表示可能的故障组合，也就是染色体串中为1所对应的故障；M 表示已知存在的征兆；M代表所有的征兆集；P代表第i种故障所对应的先验概率；c代表第i种故障与第，种征兆之间的因果强度，亦即第i种故障引起第7种征兆发生的可能性大小。

2.4 混合智能故障诊断方法

根据不同的发动机系统参数，结合智能故障诊断方法的特点采用多种方法的诊断系统称为混合诊断方法。具体智能诊断方法的选用原则根据发动机各系统故障的征兆以及故障状态下的历史数据来决定。本研究中GTD一350燃机油路系统故障采用专家系统，根据系统振动检测参数采用神经网络。

3 结语

本文对GTD一350型燃气轮机建立了地面远程监测与诊断系统。此系统的研究是集数据采集、性能分析、故障诊断、人工智能等技术于一体的综合信息处理系统，实现了对GTD一350燃气轮机运行状态的监测和故障诊断。通过与Intemet的连接，实现了远程监测和诊断。非现场运行人员可以直接登陆相关的远程诊断中心的网站进行分析诊断，可提高实时处理效率和分析诊断的准确性，为运行人员和设备管理工程师提供了设备运行状况的科学依据，以便及时发现异常情况，保证设备安全可靠经济运行。