【摘 要】燃气轮机作为一种新型的动力设备，在我国国内的应用范围是非常广泛的。但是燃气轮机的构造是非常复杂的，一旦发生故障停止运转，就需要企业投入大量的资金和人力来及时进行诊断和维修。这给企业带来的经济损失是很大的。因此，能否对燃气轮机发生故障时及时进行故障查除并且进行故障处理就是一项很艰巨的工作，需要引起企业的高度重视。
【关键词】燃气轮机；故障诊断；人工智能；神经网络；专家系统
0.引言
随着科技不断进步，燃气轮机作为一种新型的动力设备，由于它的热效率极高，而且污染小，并且操作起来比较安全，因此正在逐渐受到人们的关注。燃气轮机目前在我国国内的应用范围是非常广泛的，从高科技航空航天产业到交通运输领域，再到电力部门发电燃气轮机都占据着不可替代的地位。但是燃气轮机的构造是非常复杂的，一旦发生故障停止运转，就需要企业投入大量的资金和人力来及时进行诊断和维修。这给企业带来的经济损失是很大的。并且如果燃气轮机发生故障，并没有及时进行诊断维修而使它继续运转，甚至可能对一线操作员工的生命安全造成威胁。因此，能否对燃气轮机发生故障时及时进行故障查除并且进行故障处理就是一项很艰巨的工作。需要引起企业的高度重视。本文认为，燃气轮机发生故障时，利用人工智能的神经网络专家系统，能大大提高燃气轮机故障诊断的可靠性和准确性，并且安全性也大大提高，同时也使得企业的维修费用大大降低。
1.燃气轮机故障诊断技术的研究现状
早在十九世纪七十年代，美国海军研究室就在美国宇航局支持下成立了机械故障诊断小组，对故障诊断技术进行相关的研究。这标志着故障诊断理论的初步发展。在此后的几十年内，故障诊断技术在世界范围内不断得到推广，并且在各国科学家的努力研究下，技术不断取得进步和完善。
综观其发展进程，故障诊断技术可分为3个阶段：
（1）依靠经验诊断阶段。由于该阶段，一些机械的构造比较简单，因此机械专家或者是维修人员通常是凭借自己的经验或者是简单的维修仪表来进行故障诊断。
（2）依靠材料分析的诊断阶段。该阶段机械专家或者是维修人员通常是通过对机械设备构成材料的分析来完成故障诊断。
（3）依靠传感器和信号处理技术的诊断阶段。目前这些诊断技术在电力、钢铁、船舶、核设备等领域仍被广泛应用，但是诊断决策还需要人工完成。
1.1燃气轮机故障诊断技术的国内研究现状
目前国内对于燃气轮机故障诊断技术的研究主要集中在了理论研究方面。特别是随着计算机互联网技术以及人工智能系统的迅速发展，研究人员开始通过自己的努力力求将燃气轮机的故障诊断也进行一场变革，改变过去依靠维修人员的经验、简单仪表灯诊断方法，使燃气轮机的故障诊断技术进入人工智能阶段。
土永乱等学者早在2000年就应用模糊Petri网知识构建燃气轮机故障诊断专家系统。
翁史烈等学者在2002年在利用神经网络和模糊逻辑的基础上，研究了如何定量计算征兆和故障的关系，并且在此基础上也提出了故障诊断的一系列方法。
任兴民在2007年也构建了一套燃气轮机故障诊断专家系统。在该系统下，机组工作人员可以随时监测机组的运行状况，并且可以随时通过对监测数据的分析，发现潜在的故障，并且机组维修人员可以利用该专家系统直接得到维修建议。这就为企业加强了预防措施，并且在在故障诊断过程中，为企业减少诊断时间，降低了诊断成本。
1.2燃气轮机故障诊断技术的国外研究现状
H.R.Depold和F.D.Gass通过应用神经网络滤波理论以及数理统计方面的知识对燃气轮机运行数据进行处理，并且应用神经网络对燃气轮机的运行状况进行全方位的检测，在此基础上构建燃气轮机故障诊断专家系统。
J.Carney也提出了利用神经网络来进行燃气轮机故障的诊断，并且他还建立了燃气轮机神经网络故障诊断模型。通过实验表明该模型能够准确地进行故障诊断。
A.J.Volponi中通过比较和分析卡尔曼滤波法与神经网络法的不同之处，发现卡尔曼滤波法比神经网络法更具有优势，更适合应用于对燃气轮机的故障诊断。
Pinelli等人采用模糊神经网络法来研究燃气轮机故障诊断。他们将模糊神经网络与神经网络进行对比，发现模糊神经网络比神经网络更具有优势，更适合应用于对燃气轮机的故障诊断。
随着计算机互联网技术以及人工智能系统的迅速发展，燃气轮机故障诊断技术与人工智能相结合是必然的发展趋势。人工智能技术与燃气轮机故障诊断技术的相结合，将故障诊断技术提升到了一个新的阶段，解决了一些传统的故障诊断方法中所不能解决的问题。
因此目前，国内外学者都尽最大努力致力于燃气轮机故障诊断专家系统的研究。这些学者通过将专家系统与各种理论相结合，例如模糊算法理论、神经网络理论、模糊神经网络理论、遗传算法理论，构建出功能更加完善的故障诊断专家系统。
专家系统是目前在燃气轮机故障诊断中最为成熟的一类人工智能技术。首先，该系统是以将人类长期的故障诊断维修实践经验编码而形成的显性知识位基础的。专家系统主要是用来解决一些复杂的故障问题。机组维修人员可以利用该专家系统直接得到维修建议。本文认为专家系统应该包括多个模块：预测专家系统，诊断专家系统，监测专家系统。基于此本文，重点探讨的是人工神经网络专家系统。
2.人工神经网络专家系统
2.1人工神经网络专家系统的原理
神经网络专家系统以神经网络为核心，是一种数值符号结合型智能系统。它的基本原理是:利用神经网络并行推理的特性使专家系统具有联想记忆的能力，不需要建立从输入模式X到输出结论Y之间的推理规则，而是从实例或训练集中学习并修正，在记住己给实例的同时，能够推广到一般规则，用来区分已知实例，还可以用来推理、分析未知实例。
神经网络专家系统利用神经网络的分布性，突破了专家系统中知识获取这个瓶颈问题。神经网络对特定的知识或概念的表示是以大量的神经兀之间的互连或通过改变对各连接权值的分布来实现的。在进行知识的获取时，神经网络只要求专家提供范例及相应的解，然后运用某种学习算法对实例进行学习。通过在网络内部不断修改权值分布直至符合预期的要求，再把专家的启发式知识和经验分布到网络的互连和权值分布上，建立起特有的推理模型，从而完成知识的表达。
2.2 人工神经网络专家系统的结构和功能
神经网络专家系统是以神经网络为核心建造而成的一种“结合型”智能系统。它在实现传统专家系统基本功能的基础上，成功实现了通过模仿人类专家的逻辑思维方式来进行问题求解和推理决策的功能。同时，还具有自学习和并行推理能力。神经网络专家系统是构造数值与符号结合的智能控制系统的强有力的工具。
2.3 人工神经网络专家系统用作故障诊断的原因
经过研究人员的不懈努力和技术的发展，故障诊断技术的研究与应用取得了长足的进步，而神经网络专家系统在其中起到了推动性的作用，是故障诊断技术不可或缺的重要组成。神经网络专家系统之所以能成功地应用于故障诊断领域，主要有以下三个方面原因：
（1）神经网络专家系统能够存储以前相关的故障诊断的知识，在监测燃气轮机发生异常时，机组人员能够通过咨询该系统，系统会自动识别当前异常数据，将该数据与历史故障数据进行对比，直接得到故障类型（2）神经网络专家系统能够识别各类历史记录的故障信息，并且能够在干扰情况下正常运转工作。这种能力使得神经网络专家系统适合在线故障检测和诊断。
（3）神经网络专家系统具有分辨故障原因及故障类型的能力。神经网络技术的出现，为故障诊断问题提供了新的解决途径。
3.结语
在燃气轮机人工智能故障诊断技术中，各种新的理论和新的技术方法层出不穷，而且都在实践中证明了其可行性。本文所探讨的人工神经网络与专家系统相结合的人工智能故障诊断理论，也在实践中证明了其可行性以及相比其他技术的优越性，应该值得我们的大力推广。但是该理论也有很多诊断问题还没有取得突破，因此在以后的研究中将是我们继续研究的重点。 [科]
【参考文献】
［１］单旭异.神经网络专家系统在凝汽器故障诊断中的应用研究[D].华北电力大学,2009,2.
［２］陈夏夏,陈静杰.基于粗糙集的机载电子设备故障检测专家系统的改进[J].河南科学,2011,01(29):77-79.