代宪亚，茅大钧

(上海电力学院 自动化工程学院, 上海 200090)



基于模糊理论与数据融合的电厂故障诊断技术

代宪亚，茅大钧

(上海电力学院 自动化工程学院, 上海 200090)

电厂作为一个复杂的、对安全性能要求非常高的系统，准确地对其进行故障诊断非常有必要。将模糊算法、神经网络与DS证据理论进行合理高效地结合，给出了一种新的故障诊断方法。从隶属度函数确定、征兆参数模糊化处理、神经网络诊断，到最终使用DS证据理论进行数据融合，给出了完整的诊断结构流程图，并运用MATLAB软件进行GUI设计，直观地显示诊断结果。仿真实验结果证明了该方法的准确性与可行性。

故障诊断; 模糊理论; 神经网络; DS证据理论

随着故障诊断技术的发展，其要求愈发地趋向于高效率、安全性、可靠性，诊断方法的复杂性也越来越高。电厂是一个复杂的、对安全性能要求非常高的系统，更有必要进行准确高效的故障诊断。

快速、准确地做出故障判断并给出对应的专家意见，有助于对故障进行快速修复，从而使损失降到最小。目前，较为常见的故障诊断方法有专家系统、神经网络、模糊逻辑、数据融合等，各自都有其优、缺点[1-3]。对于电厂而言，考虑到其运行的复杂性，单纯的一种方法并不能做出准确的故障判断，错误的诊断将影响电厂的故障修复，甚至产生更严重的后果，带来更大的损失[4-6]。如文献[3]中只采用模糊神经网络进行故障诊断，而文献[7]中只研究了证据理论融合，若单纯地进行多次诊断，则其方法之间的关联性不强，增加了诊断时间。……