數(shù)據(jù)融合技術(shù)在磨運(yùn)行狀態(tài)判斷中的應(yīng)用

數(shù)據(jù)融合技術(shù)在磨運(yùn)行狀態(tài)判斷中的應(yīng)用

1對磨負(fù)荷的測量和處理由于帶有運(yùn)動磨損的機(jī)器的特性，如圖1所示，負(fù)荷沒有成比例。當(dāng)實際負(fù)荷低于最佳負(fù)荷工作點時,制粉單耗增加,球磨機(jī)的運(yùn)行不經(jīng)濟(jì);高于最佳負(fù)荷工作點時又容易發(fā)生堵磨的事故,造成“跑粉”污染環(huán)境。由于缺乏有效測量球磨機(jī)負(fù)荷的手段,為了避免堵磨事故發(fā)生,運(yùn)行人員經(jīng)常使磨在低負(fù)荷下工作,制粉單耗居高不下。長期以來在控制中經(jīng)常采用球磨機(jī)出入口的差壓代表磨負(fù)荷,實際運(yùn)行情況并不理想。目前開發(fā)出利用磨振動信號通過頻譜分析測量磨負(fù)荷的儀表,但由于現(xiàn)場環(huán)境惡劣,噪聲干擾很嚴(yán)重,其準(zhǔn)確度不高。采用神經(jīng)網(wǎng)絡(luò)測量磨負(fù)荷的方法,存在著訓(xùn)練樣本的選取、神經(jīng)網(wǎng)絡(luò)泛化能力有限等問題,而且用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的導(dǎo)師信號不能準(zhǔn)確獲得。另外,目前電廠過程控制廣泛應(yīng)用DCS(分散控制系統(tǒng)),其主要功能是針對實時控制,計算能力和計算精度都有限,不適合進(jìn)行復(fù)雜計算工作,這些原因限制了此類方法在現(xiàn)場中的應(yīng)用。如何準(zhǔn)確判斷磨是否工作在最佳負(fù)荷工作點附近,仍是現(xiàn)場面臨的實際困難。數(shù)據(jù)融合技術(shù)自20世紀(jì)70年代末提出以來,得到了迅速發(fā)展,其定義概括為:利用計算機(jī)技術(shù)對按時序獲得的若干傳感器的測量數(shù)據(jù)在一定準(zhǔn)則下加以自動分析、綜合以完成所需的決策和估計任務(wù)而進(jìn)行數(shù)據(jù)處理的過程。在目標(biāo)模式識別方面,Dempster-Shafer證據(jù)應(yīng)用比較廣泛,其最大優(yōu)點是可以綜合利用各種對目標(biāo)模式提供支持的信息,提高判斷的可靠性。2磨和磨-壓-ms磨的負(fù)荷受很多因素影響,文獻(xiàn)給出了磨負(fù)荷Bm的理論計算公式,主要與以下變量有關(guān):磨出入口差壓ΔPm;磨負(fù)壓Pm;磨電流Im;給煤量Cm;磨出口溫度Tm;熱風(fēng)流量Ghm;循環(huán)風(fēng)量Gcm,在安裝有振動式負(fù)荷傳感器的情況下,傳感器輸出的負(fù)荷信號為Bsm。各個變量與關(guān)系如圖2所示。當(dāng)發(fā)生堵磨之前,這些量都有征兆性變化,這些變化可以用做數(shù)據(jù)融合的依據(jù)。3d-s證據(jù)理論融合過程利用以上各個因素可以判斷磨負(fù)荷的狀態(tài),但可信度都不是很高。D-S證據(jù)的特點是可以綜合利用各種有用信息,具有更好的判斷能力和更高的判斷可信度。數(shù)據(jù)融合有分布式融合和集中式融合之分,D-S證據(jù)理論融合過程一般屬于分布式融合,如圖3所示。傳感器輸出首先經(jīng)過預(yù)處理得到傳感器所支持的目標(biāo)模式及其可信度,在融合中心采用D-S證據(jù)理論對所有傳感器輸出信息進(jìn)行綜合,給出最終判斷結(jié)果及其可信度。3.1信度函數(shù)分配證據(jù)理論的論域稱為識別框架,讓為Θ,包含有限個基本命題,記為{u0,u1,…un},對應(yīng)概率論中的基本事件,稱為基元,在目標(biāo)識別中,Θ中的事件是互斥的。如果存在集函數(shù)m:2Θ→,滿足m(Φ)=0;Σnm(ui)=1ui∈Θ(1)Σnm(ui)=1ui∈Θ(1)稱m為Θ上的信度函數(shù)分配,m(ui)為ui的可信度,如果m(ui)≠0,則稱ui為信度函數(shù)分配上的焦元。根據(jù)D-S聯(lián)合規(guī)則,設(shè)m1,m2分別對應(yīng)同一識別框架Θ上的信度函數(shù)分配,焦元分別為:u11、u21、…ui1,u12、u22、…uj2,設(shè):Σui1∩uj2=Φ{m1(ui1)m2(uj2)}＜1Σui1∩uj2=Φ{m1(ui1)m2(uj2)}＜1,則由下式定義的函數(shù):m(uk)=Σui1∩uj2=uk{m1(ui1)m2(uj2)}1?C(2)m(uk)=Σui1∩uj2=uk{m1(ui1)m2(uj2)}1-C(2)其中∶i,k=1,2,??nC=Σui1∩uj2=Φ{m1(ui1)m2(uj2)}其中∶i,k=1,2,??nC=Σui1∩uj2=Φ{m1(ui1)m2(uj2)}(當(dāng)uk=Φ時,m(uk)=0),為聯(lián)合后的信度函數(shù)分配。C是表示完全沖突假設(shè)ui1和uj2所有信度函數(shù)乘積之合。對于D-S證據(jù)理論,其結(jié)果不受證據(jù)組合次序先后的影響。3.2佳負(fù)荷工作點判斷信度函數(shù)分配是表示人對目標(biāo)模式假設(shè)可信度的一種判斷,這種判斷受各種因素影響,具有一定主觀性。一般采用模糊數(shù)學(xué)中隸屬度函數(shù)的方法給出。在磨最佳負(fù)荷工作點判斷中,目標(biāo)模式(基元)有4個,分別為“不經(jīng)濟(jì)狀態(tài)”、“最佳工作狀態(tài)”、“堵磨狀態(tài)”和“不確定狀態(tài)”。各個傳感器對目標(biāo)模式判斷的可信度函數(shù)示意見圖4,包括3條曲線,分別為“不經(jīng)濟(jì)工作區(qū)-u1”曲線,“最佳工作區(qū)-u2”曲線和“堵磨區(qū)-u3”曲線。按照可信度分配函數(shù)的規(guī)則,對于任何一點,應(yīng)該有Σnm(ui)=1Σnm(ui)=1,則“不確定區(qū)-u4”曲線可以由1?Σ3m(ui)1-Σ3m(ui)確定。3.3判定目標(biāo)類型的信度函數(shù)值基本規(guī)則有:(1)判定目標(biāo)類型應(yīng)具有最大的信度函數(shù)值;(2)判定目標(biāo)類型的信度函數(shù)值與其它類型的信度函數(shù)值之差應(yīng)大于某一閾值;(3)判定目標(biāo)類型的信度函數(shù)值與不確定信度函數(shù)值之差應(yīng)大于某一閾值;(4)不確定信度函數(shù)值應(yīng)小于某一值。規(guī)則中的閾值需要根據(jù)實際情況選取。3.4目標(biāo)模式判斷結(jié)果不一致,一個行為對于D-S證據(jù)理論,當(dāng)融合方法一定時,實際的結(jié)果只取決于傳感器對目標(biāo)模式的可信度函數(shù)分配。在傳統(tǒng)的D-S理論中,可信度是固定不變的。同概率論中先驗概率類似,當(dāng)實驗結(jié)果同先驗概率表達(dá)不一致時,就有理由懷疑先驗概率的正確性。同樣,如果目標(biāo)實際模式同數(shù)據(jù)融合得到的結(jié)果不一致,就有理由懷疑傳感器對目標(biāo)模式判斷的可信度函數(shù)分配的正確性。根據(jù)一般經(jīng)驗,這一次判斷結(jié)果的后驗結(jié)論,往往可以做為下一次判斷的先驗估計?？尚哦刃拚脑瓌t是:(1)如果實際目標(biāo)類型與判斷目標(biāo)類型一致,并且判斷目標(biāo)以大可信度出現(xiàn),則傳感器可信度分配保持不變;(2)如果實際目標(biāo)類型與判斷目標(biāo)類型一致,并且判斷目標(biāo)以小可信度出現(xiàn),則增加支持目標(biāo)模式的傳感器的可信度分配;(3)如果實際目標(biāo)類型與判斷目標(biāo)類型不一致,并且判斷目標(biāo)以小可信度出現(xiàn),則減小反對目標(biāo)模式的傳感器的可信度分配;(4)如果實際目標(biāo)類型與判斷目標(biāo)類型不一致,并且判斷目標(biāo)又大可信度出現(xiàn),則減小反對目標(biāo)模式的傳感器的可信度分配和增加支持目標(biāo)模式的傳感器的可信度分配。在實際應(yīng)用中,可信度分配的調(diào)整步距應(yīng)當(dāng)合適選擇,步距過小,調(diào)整不明顯;步距過大,會矯枉過正,造成對其它目標(biāo)模式的誤判。4數(shù)據(jù)融合方法采用數(shù)據(jù)融合判斷磨最佳負(fù)荷工作點,可以利用以下參量:磨出入口差壓ΔPm;磨負(fù)壓Pm;磨電流Im;給煤量Cm;磨出口溫度Tm;熱風(fēng)流量Ghm;循環(huán)風(fēng)量Gcm,振動式負(fù)荷輸出信號為Bsm。經(jīng)過預(yù)處理后每一個參量包含2個輸出,一個是參量本身對目標(biāo)模式的判斷及其可信度分配,另一個是參量變化的時間序列對目標(biāo)模式的判斷及其可信度分配。這樣共有16條證據(jù),可信度的給出如前所述。數(shù)據(jù)融合待判斷的目標(biāo)模式為:“不經(jīng)濟(jì)狀態(tài)”、“最佳工作狀態(tài)”、“堵磨狀態(tài)”、“不確定狀態(tài)”,融合方法采用D-S聯(lián)合方法。為了減小計算工作量和資源占用率,在DCS上實現(xiàn)以上邏輯簡化。①可信度函數(shù)用折線擬合。②D-S聯(lián)合過程計算量很大,采用查表插值計算的方法。D-S聯(lián)合過程與聯(lián)合順序無關(guān),利用這一特性,將16條證據(jù)每2條證據(jù)分為一組進(jìn)行查表融合,得到8條綜合證據(jù),再依次類推分組計算得到最終結(jié)果。計算用表預(yù)先計算好,做為參數(shù)輸入到DCS中。利用INFI-90實現(xiàn)以上邏輯,占用功能碼約150個,執(zhí)行時間約10ms。為了檢驗數(shù)據(jù)融合的效果,針對某電廠一臺球磨機(jī),采用其設(shè)計數(shù)據(jù)并結(jié)合運(yùn)行人員的經(jīng)驗確定了數(shù)據(jù)融合參量的可信度分配,然后利用磨運(yùn)行的歷史數(shù)據(jù)進(jìn)行驗證。表1為磨工作于最佳負(fù)荷工作區(qū)的可信度分配及數(shù)據(jù)融合結(jié)果,表2為增加給煤機(jī)煤量后發(fā)生堵磨前30s時的可信度分配及數(shù)據(jù)融合結(jié)果。表中:u1-不經(jīng)濟(jì);u2-最佳;u3-堵磨;u4-不確定?？梢钥闯?數(shù)據(jù)融合可以降低判斷的不確定度,有效地指示磨的工作狀態(tài)并能及時對堵磨現(xiàn)象做出預(yù)報。另外D-S證據(jù)理論可以剔除掉個別不良信號對判斷的影