摘要：随着社会的发展与进步，我们越来越重视锅炉故障的预测方法，锅炉故障的预测方法的掌握对于现实生活中具有重要的意义。本文主要介绍锅炉故障的预测方法的有关内容。

关键词锅炉；预测；精度；分析；故障；abstract:withthesocialdevelopmentandprogress,moreandmoreattentiontoboilerfailurepredictionmethods,tomasterboilerfailurepredictionmethodsforthereallifeofgreatsignificance.thispaperdescribestheboilerfailurepredictionmethods.keywordsboiler;forecasts;accuracy;analysis;fault;中图分类号：tk223文献标识码：a文章编号：引言锅炉房是生产重地，同时也因为其使用的频繁而导致故障频发，常见的有锅垢导致的，腐蚀引起的，移出引起的，轴承漏油烧毁引发的等故障，锅炉故障往往是极大的安全隐患，因此探究锅炉常见故障的预测方法是必要的，也是保障人民群众生产，生活安全的重要组成部分。1、锅炉故障预测相关知识人工智能故障诊断与预测技术是随着现代化技术、经济高速发展而出现的一门新型技术，它能鉴别设备的状态是否正常，发现和确定故障的部位和性质并提出相应的对策，以提高设备运行的可靠性，延长其使用寿命，降低设备全寿命周期费用。采用故障预测技术可以实现对故障的早期发现并预测其未来的发展趋势，便于对火电机组及时调整以避免恶性事故的发生，使机组能安全可靠的运行，同时提高机组的经济性。根据预测期限长短的不同可将故障预测分为三种。长期预测，为了制定锅炉机组的长远维修计划和维修决策而进行的预测，时间一般为一个月以上，预测精度要求低。中期预测，对锅炉机组在未来比较长的时间内的状态进行预测，为机组的中期维修计划和维修决策服务，时间一般为一周左右，预测精度要求较低。短期预测，对锅炉机组的近期发展情况进行预测，时间为一天左右，对预测精度要求高。对于中、长期预测，由于精度要求不高，可考虑采取简单的预测模型，建立单变量时间序列模型进行预测。而对于短期预测，对精度要求较高，同时由于各相关因素对当时的状态值影响较大，因此在进行短期预测时，除了要考虑时间序列本身外，还应适当将其他相关因素考虑进去，这就需要建立多变量时间序列模型进行预测，以满足短期预测对精度的要求。2、故障预测精度要求当今人上智能故障诊断与预测技术是随着现代化技术、经济高速发展而出现的一门新型技术，由于它能鉴别设备的状态是否j下常，发现和确定故障的部位、性质，并提出相应的对策，以提高设备运行的可靠性，延长其使用寿命，降低设备全寿命周期费用。采用故障预测技术，还可以实现对故障的早期发现并预测其未来的发展趋势，便j二对机组及相关设备的及时调整，避免恶性事故的发生与扩展，保障安全可靠的运行，并提高机组的运行经济性。在预测期限上，根据预测期限长短的不同，一般可将故障预测分为：长期预测、中期预测和短期预测。2．1长期预测它是为了制定锅炉机组的长远维修计划和维修决策而进行的预测，在时间上一般为一个月以上，其预测的精度要求低。2．2中期预测它对锅炉机组在未来比较长的时间内的状态进行预测，为机组的中期维修计划和维修决策服务，在时间上一般为一周左右，其预测精度也要求较低。2．3短期预测它对锅炉机组的近期发展情况进行预测，在时间上一般为一天左右，其预测精度要求较高。对于精度要求不高的中、长期预测，可考虑采取简单的预测模型，建立单变量时间序列模型进行预测。对于精度要求较高的短期预测，由于各相关因素对当时的状态值影响较大。在进行短期预测时除了要考虑时间序列本身外，还应适当将其他相关因素考虑进去。为此就需要建立多变量时间序列模犁进行预测，以满足短期预测的精度要求．3、常用的锅炉故障预测方法近年来不少研究者采用线性回归分析法、时间序列分析法、灰色模型预测法、专家系统、人工神经网络等方法进行锅炉设备故障诊断研究，以探索快速有效的故障诊断与预测方法。常用的预测方法有：3.1线性回归分析法回归分析是寻找几个不完全确定的变量间的数学关系式之间进行统计推断的一种方法。在这种关系式中最简单的是线性回归分析。3.2时间序列分析法时间序列是指按时间顺序排列的一组数据，时间序列分析法是指采用参数模型对所观测到的有序的随机数据进行分析与处理的一种数据处理方法。时间序列分析法主要有曲线拟合、指数平滑、季节模型、线性随机模型等四种，主要适用于进行单因素预测，而对锅炉故障预测这种既有确定性趋势，又有一定的随机性的多因素预测时，需要进行确定性趋势的分离，计算比较复杂，同时还需对分离残差的零均值及平稳性进行假定，且其预测的精度不高。3.3灰色模型预测法灰色模型预测法是按灰色系统理论建立预测模型，它是根据系统的普遍发展规律，建立一般性的灰色微分方程，然后通过对数据序列的拟合，求得微分方程的系数，从而获得灰色预测模型方程。应用灰色系统理论作故障预测主要有两种方法，一是基于灰色系统动态方程gm(或dm)的灰色预测模型，二是基于残差信息数据列的残差辨识预测模型。其中,gm预测模型即1阶1个变量的微分方程，描述的灰色模型比较常用。灰色预测的解从数学的角度看，相当于幂级数的叠加，它包含了一般线性回归和幂级数回归的内容，故灰色预测模型优于一般的线性回归或指数曲线拟合，也好于确定性时间序列分析法。3.4专家系统专家系统能成功地解决某些专门领域的问题，也有很多优点，但经过多年的实践表明，它离专家的水平总是相差一段距离，有时在某些问题上还不如一个初学者。分析其原因，主要有以下几方面:知识获取的瓶颈问题；模拟专家思维过程的单一推理机制的局限性；系统缺乏自学习能力。3.5人工神经网络预测法神经网络的故障诊断存在很多问题，它不能很好的利用领域专家积累的经验知识，只利用一些明确的故障诊断实例，而且需要一定数量的样本学习，通过训练最后得到的是一些阑值矩阵和权值矩阵，而不是像专家经验知识那样的逻辑推理产生式，所以缺乏对诊断结果的解释能力，无法应用于实时诊断，只能处理历史记录数据。3.6专家系统和人工神经网络相结合专家系统和人工神经网络的相结合的方法是目前研究的热点。由神经网络与专家系统构成的神经网络专家系统，可以利用神经网络的大规模并行分布处理和知识获取自动化等特点，解决专家系统存在的知识获取的瓶颈、推理能力弱、容错能力差、处理大型问题较为困难等问题，实现并行联想和自适应推理，提高系统的智能水平，使系统具有实时处理能力和较高的稳定性。同传统的专家系统相比，基于神经网络的专家系统具有以下几种优点，具有统一的内部知识表示形式，任何知识规则都可通过对范例的学习存储于同一个神经网络的各连接权中，便于知识库的组织和管理，通用性强；知识容量大，可把大量知识存储于一个相对小得多的神经网络中；便于知识的自动获取，能够自适应环境的变化；推理过程为并行的数值计算过程，避免了推理速度慢效率低等问题；具有联想、记忆、类比等形象思维能力，可工作于所学习过的知识以外的范围；实现了知识表示、存储和推理三者融为一体，即都由一个神经网络来实现。结束语总而言之，由于大部分职工长期从事在矿井下作业，必须要洗澡，加上冬季取暖，除了有能利用电厂余热的之外，一般都离不开蒸汽锅炉，取暖有的用水暖锅炉。况且数量还为之较多，不少中型煤矿都拥有锅炉七八台之多。因此，维护好锅炉的正常运行，确保正常生产很重要。对于锅炉故障预测这项工作而言，就有必要进行。参考文献[1]张家昌.电厂锅炉原理[m].北京:北京水利电力出版社,2011．[2]钱俊.现代机械故障诊断学[m].北京:工业出版社,2010.[3]孙永志.新编机械设计师手册[m].北京:机械工业出版社,2008.[4]黄文虎等.故障诊断技术的现状与展望及其在汽轮发电机组中的应用[n].汽轮机技术，1999年第一期.[5]蒋东翔等.大型汽轮发电机组混合智能诊断方法的研究[n].清华大学学报,2010年第三期.注：文章内所有公式及图表请用pdf形式查看。