煤气鼓风机是煤化工厂的重点关键设备,一旦停机会造成全公司的煤气无法平衡,同时,焦炉煤气无法回收而放空也影响了环保,因此对设备运行状态进行实时监控,对发生的故障能够准确诊断、及时报警,建立起一种智能诊断系统显得尤为重要。本文针对煤气鼓风机组的特点,在原有的一套煤气鼓风机在线监测系统基础上,综合运用各种技术,提出了一种基于粒子群优化模糊聚类的煤气鼓风机故障诊断算法,并将其用于现场实际应用。本文介绍了该算法的原理、基本实现方法、系统构成和各个功能模块。当前,聚类分析已成为模式识别、人工智能领域研究的热点。基于目标函数的模糊聚类方法在故障诊断领域和图像识别领域中得到了广泛的应用,但该算法在实际应用中存在着一定的缺陷,该算法对初始值非常敏感,很容易陷入局部极值点而得不到最优解;针对大量和多维数据时,模糊聚类算法实时性也较差。粒子群算法(PSO)是一种基于群体的智能优化方法,通过模拟鸟群的行为来解决最优化问题。本文在模糊C-均值研究基础上,提出了一种基于粒子群优化模糊聚类(PSO-WFCM)的故障诊断算法,利用PSO的全局寻优能力,能够跳出局部收敛点,搜寻到最优解。实验模拟结果显示,PSO-WFCM比起传统的FCM算法有更快的收敛速度和聚类效果。本文在原有程序的基础上,通过VC和MATLAB的混合编程,描述了具体算法实现过程,并以VC和SQL server2000做为数据库软件开发工具,建立了粒子群故障聚类数据库,实现了基于PSO-WFCM的故障诊断系统。至今,系统实现了数据采集和信号分析、实时状态监测、智能诊断、异常状况报警等功能,达到了预期的设计目的,满足了用户的要求,得到了用户的好评。