论文部分内容阅读
作为燃气输配系统中不可或缺的重要设备——燃气调压器,其可靠稳定地运行关乎着整个天然气供应系统的安全稳定运行,它的重要性不言而喻。目前某燃气集团投入使用的燃气调压器所面临的问题是:燃气调压器故障的查找,一般都是由运维技师凭借以往积累的经验来对调压器的运行状态做一个判定,这样就造成人为主观性大,并且非常耗时,智能化程度也不高;此外,目前某燃气集团针对所有的燃气调压器都采取定时的维修的策略,也就是不管调压器是否运行良好到检修周期都将进行拆卸检修,这就大大地增加了检修任务量和检修成本,也有可能对原本运行良好的调压器造成维护性损害。同时过度的维修也造成了人力物力等资源的大量浪费。基于此,对燃气调压器故障进行智能诊断技术的研究显得尤为必要。本文提出将智能诊断技术应用到燃气调压器故障诊断系统中,以此来提高燃气输配系统运行的稳定性和可靠性,并带来经济效益。本文在对燃气调压器故障诊断系统和故障特征表现进行充分学习、调研的基础上开展了以下工作:鉴于从实际运行中的调压器采集的故障数据有限的状况,本文选用径向基神经网络(Radial Basis Function,RBF)算法,来对燃气调压器运行中出现的4种故障状态进行了诊断分类,诊断识别率为62.5%。为了进一步改善算法以达到更好的诊断效果,将燃气调压器样本数据进行主成分分析(Principal Component Analysis,PCA)实现降维,采用主成分分析和RBF相结合的算法(PCA-RBF)进行研究,故障诊断识别率提高到了87.5%,效果得到很大改善。此外,为了在调压器故障样本数据更少的情况下达到更好的故障诊断效果,本文进而还提出了一种基于压缩感知理论的燃气调压器故障诊断方法,并在同样的故障数据样本下对PCA-RBF和压缩感知理论的稀疏表示算法进行对比研究,结果表明后者的诊断效果更好,分类准确率为92.8%。在对故障算法进行对比分析的基础上,本文采用MATLAB软件中的GUI设计了燃气调压器的故障诊断软件系统,并介绍了各个功能模块的开发过程,实现了上述算法的软件运行,能更直观方便地实现各种算法的诊断对比效果,也能更方便根据实际情况选择相应的诊断方法,以更好地应用于燃气调压器故障的智能诊断。