柴油机监控系统和建议系统集成外文翻译资料

 2022-10-25 11:10

英语原文共 6 页,剩余内容已隐藏,支付完成后下载完整资料


柴油机监控系统和建议系统集成

摘要:由于在孤立的地区柴油机是最合适去发电的,在印尼柴油机仍然被需要。印度尼西亚由大量孤立的区域组成,目前安装电缆连接这些偏远地区并不是政府的优先考虑。如果合适的去维护保养,柴油机能够使用15-20年。这种维护要求在线监测和基于监控结果的适当建议。本文讨论先前论文中提到的在线监控系统和这里提到的建议系统的集成问题。在线监测系统是作为基于网络系统被实现的,建议系统作为后端流程使用CLIPS,集成是用基于Web应用程序Java来实现的。

关键词:柴油机、在线监测系统、建议系统、集成、基于网络

1引言

印尼是一个群岛,包括许多孤立区域和岛屿。由于岛屿间的电缆安装是昂贵的,而政府的目标是提供驱动经济活动的电力以改善公民的生活,柴油机仍是印尼政府利用来发电的设备之一。有3500台柴油机由政府所有,大约2000台柴油机由私营部门所有。大部分由私营部门所有的柴油机用于备用电源供应,也用作隔离系统的电力供应。

基于上述目的,一台柴油机的合理维护对于电力可靠性至关重要。发动机应该始终被监控,从监控系统中观察到的所有问题,必须尽快采取适当的措施去解决。在工业中有一种叫作SCADA(数据采集与监视系统)的计算机系统,被设计来监测和控制实物资产。不幸的是,SCADA不是为印尼的中小企业所能负担得起的。

有几个文献,讨论了发动机诊断和建议。在文献[4]中,基于状态维修的智能预测决策支持系统被建立。一个人工神经网络(ANN)模型是发电厂中应用,用于诊断和预测发动机故障。预测的建议不是针对发动机故障不是本研究的一部分。

刘等人建立了一个专家系统诊断发动机故障。这个理论模型在“决策树”中被描述,它有一个元知识库来存储诊断发动机故障的优先级。该系统在故障检修VCR中被测试,仅供演示目的。

其他研究使用干扰自适应神经模糊系统(简称ANFIS)为风力涡轮机提出了监测和诊断系统。该模型与ANN模型相比,使用类似来自传感器的数据,这些数据来自18台涡轮机,每台涡轮机运营操作在30个月内,有2兆瓦的电力。结果表明,ANFIS与ANN相比需要更少的时间从训练数据中构建理论模型。

通过安置传感器和自动从传感器获取数据实现在线监测系统的研究专门用大型柴油机。它被应用为一个基于web的监控系统并且可以被无处不在的授权人员访问。正如在文献[2]中提到的,当出现一种非正常的情况时,智能维护系统应该提供最好的建议。对于大多数使用柴油机的印尼发电厂,在维护系统里这样的要求是必要的,因为柴油机监控系统的操作者通常没有恰当处理的知识。有这些知识的工程师们不会一直是有空的去给出最好的建议。具备专家资质的建议系统已经被实现,使用CLIPS(C语言集成制造系统)。本论文讨论监测系统和建议系统间的集成。

论文的第二部分是关于监控系统和建议系统的简短说明,第三部分是集成系统的设计与实现,第四部分是集成系统的实例分析,第五部分是结论。

2监控系统和建议系统

  1. 监控系统

在柴油机中,传感器被使用。传感器采集来自连接到发电机的16缸V型柴油机的九种变量,这些变量是滑油、发动机冷却水、进气空气冷却水、喷嘴冷却水、重油、吸入空气、飞溅油温度、发动机轴承温度以及发动机振动。这些采集的数据存储在由11张表组成的数据库中。来自传感器的数据每一秒都被存储在数据库中,并且可视化到基于web的应用程序中。

应用程序的主要界面是“单行图”,呈现出一个柴油发电厂的总体情况。这个界面有柴油发电厂中发电机数量的信息,从每一台发电机,我们可以看到一些信息,比如功率、L-L电压、电流和燃油消耗率。当使用者从主界面选定一台发电机,应用程序显示出被选发电机的概要信息。图1描述一台发动机的汇总数据。

图1 发动机汇总数据界面

  1. 建议系统

由于完成监控系统的建议必须有专家特性,来自专家的知识采集是被要求的。有两个流程知识抽取和知识表达。从专家那提取的知识通常是在部分柴油机中出现的问题,可以从监控系统监控到问题的症状或迹象,迹象的可能原因以及针对每一个可能原因的建议。建议系统的进程由来自监控系统的迹象启动,并且是基于建议系统将会搜索可能的原因。操作者被给出引起这种迹象的可能部位,通过应用程序确定故障部位,建议的措施被提出基于故障部件。基于文献[2]中的分析,最合适的知识表达是框架,它由类框架和实例框架组成。图2描述的是设计框架和框架间的相互关系。知识表达在CLIPS中被实现,更多建议系统的细节在文献[9]中讨论。

图2 框架和框架间的相互关系

  1. 集成系统的设计与实现

基于监控系统和建议系统,Java是所选语言来集成两个系统。动力来源于CLIPS库的可用性,在Java中被支持,Java是一个强大的、开源的、强健的和安全的基于web程序,它可以作为独立的程序运行或者作为小应用程序嵌入在一个网站里。

有四个模块应用在集成系统中,它们是:

  • 用户界面模块,控制用户与应用程序间的交流互动。
  • CLIPS模块,连接应用程序环境和CLIPS环境
  • 服务模块,连接监测系统和应用程序的数据库
  • 框架生成模块,从数据库产生框架实例,集成结果到CLIPS环境中

图3表示了集成系统中四个模块间的相互关系。本研究中应用的集成系统使用某些软件和硬件,满足监测系统和建议系统的要求。硬件的规格是Intel Core i5和6GB RAM。使用在此应用中的软件规格是Java 1.6或者更新的版本,CLIPS、CLIPS JIN、CLIPS二进制,运行在Windows操作系统中。

Java是一种面向对象形成的编程语言,因此此设计中四个模块作为Java类被实现。这些类如下。

图3 模块结构

  1. 用户界面

用户界面模块作为System.FrameExpertUI类实现。这个类由与界面和用户交互相关的函数和变量组成。此类中具体函数是:

  1. 提出所有问题的迹象;
  2. 提供开关,打开或关闭获取并检查问题迹象的路线;
  3. 存储构成传感器组列表的框架;
  4. 提供帮助去连接到CLIPS模块,检查问题迹象,进行推理给出对所报告迹象的建议;
  5. CLIPS

此模块的类是com.expert.core.ClipsHelper.这个类的主要功能是生成基于框架名和文件发动机框架的框架。

  1. 服务

服务模块在类com.expert.database.Service中实现。此类使用API将应用程序和数据库连接,所有的结果被框架发生器模块使用。这种连接在线使用互联网。此类的功能如下所示。

  1. 获取来自API的Recommendation列表;
  2. 获取来自API的Sensor Var列表;
  3. 获取来自API的Sensors列表;
  4. 获取来自API的Sensor Group列表;
  5. 获取数据库中对应Sensor Group的测量点的数值数据。
  6. 框架发生器

此模块类是com.expert.core.FrameGenerator。此类在服务模块的帮助下产生基于知识库的实例框架。此类中的功能如下。

  1. 生成在指定框架中的规则并存储在文件中;
  2. 生成所有的实例定义并存储在符合COOL CLIPS的String中,钥匙是Sensor Group名;
  3. 生成每一个Sensor Group名的索引。

集成系统的界面显示在图4中。

图4 用户界面

图4中用户界面部分的说明如下:

  • 连接/断开按钮:连接应用程序和来自API数据库的数据;
  • 状态:指示连接状态;
  • 指示器:提供来自传感器数据库(监控系统)的问题迹象清单;
  • 问题清单:在指示器部位显示被选迹象的问题原因估计;
  • 推理按钮:为被选问题迹象推理建议;
  • 建议清单:提供推理过程的建议结果;
  • 记录:来自传感器的数据接收和存储在实例框架中的清单。
  1. 集成系统的实例分析

在这个研究上的评价是功能评价,以确保流程正确进行,并得到正确的值和推理,最后给传感器指示的问题提供正确的建议。因为从传感器得到的数据已在监控系统中评估并确保是正确的,推理过程已在建议系统中被测试,集成系统使用黑盒测试来评估。时间和用户体验性能不是本研究的重点。

本文中,我们为一个问题提供处理流程的例子,从生成传感器数据框架直到提供柴油机中传感器指示问题的建议。有两个主要过程,分别是生成框架和创建建议。对于这个实例分析,来自排气传感器(传感器组ID是2)的输入数据设置成500,它是更高于排气的上限值。系统必须为这个问题提供一个建议。

  1. 生成框架
  • 初始化一个哈希表来存储所有生成框架的字符串
  • 使用API得到来自数据库的所有传感器组,下面是与排气传感器相关的表格。

  • 对于每一个传感器组,使用CLIPS命令make-instance创建一个实例。这个实例有高限值和低限值参数。这些参数值是从我们在知识库中定义的值中获取。

  • 在传感器组实例被定义之后,另一个API将被呼叫去得到在传感器组下面的所有传感器。

  • 所有传感器实例将被初始化。这些实例有一个名为“value”参数,将会在后面用到。

这些实例的名字是随机的。接下来,使用“add-Sensor”命令这些实例被添加到传感器组实例。

  • 在所有的传感器定义在传感器组下之后,再一次的,又一个API将被呼叫返回到sensor var清单。Sensor var包含了一个问题,为了验证发生在传感器组中的问题,同时声明那触发该问题、高限值或低限值。在这种情况下,因为数据传感器高于高限值,状态是group_high。

  • 另一个API将被叫去为每一个sensor var获取一个建议。这些建议不与sensor var结合,因为每一个sensor var可能有多种建议。

  • Sensor var 和recommendation的实例将被创建。Sensor var的实例被添加到传感器组“add-IfGroupState”,状态能被高或低取代取决于Sensor var的状态。Recommendations将会与Sensor var连接。

  • 每一个传感器组的字符串保存在哈希表中,以待使用。

结果表明,处理流程符合要求,使用应用程序的操作者确认测试结果的满意度。来自排气传感器(值500)的输入数据可能有两种问题造成,一是排气管泄露,或者排气管/出口堵塞。系统为两个问题都提供建议措施,检查并清理排气管或检查并更换排气管。

  1. 创建建议
  • 传感器组的字符串在哈希表中重载。
  • 一个API将被呼叫返回到每一个传感器组之下的所有传感器的最新值。然后所有传感器的值将使用“set-Value”命令设置。这个命令同样改变进到sensor var的标志 ,超过了限制。0对于通常的sensor var和1对于sensor var表明有问题(超过限制)。当一个问题被发现,通告将被送到用户界面。
  • 如果用户决定检查用户界面上的通告,所有带有标志1的sensor var使用“(find-all-instances((?f SensorVar))(eq ?:flag 1))”命令呼叫。来自每一个sensor var的问题都向用户询问。

  • 如果用户选择“yes”,sensor var 将被命令“answer-yes”标记。在所有的问题都被用户回答之后,所有的建议被呼叫使用“(find-all-instances((?f SensorRec))(eq ?:flag 1))”命令。然后,所有建议将会显示给用户,正如图4中描述的,下面是集成系统的建议部分。

  1. 结论

在本研究中,Java是最合适的语言来集成基于web的在CLIPS中实现的监测系统和建议系统。评估表明,集成系统工作良好,满足用户要求并提供符合专家知识的建议。

本研究的下一阶段正安装集成系统到使用大型柴油机的发电厂中,发电厂必须是已熟悉监控系统并且应用它。

致谢

我们感谢来自印尼Daun Biru工程的Furkan Jadid, Herry Susanto以及Affrendy Bayu,感谢他们在对大型柴油机应用监控系统和在巴厘岛和龙目岛系统安装中所做的巨大贡献。我们同样感谢在系统评估期间提供的有用资料与合作。

参考文献

[1]PT PLN, “Vision

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[151964],资料为PDF文档或Word文档,PDF文档可免费转换为Word

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。