一种利用模糊物元数学法构建的RP型磨煤机状态评价模型

一种利用模糊物元数学法构建的RP型磨煤机状态评价模型

王雷

王雷

（华蓝设计（集团）有限公司广西南宁530011）

摘要：磨煤机作为电厂里耗电量较大的运行设备，如果能够对其运行状态做出准确的评价。并以评价结果为准对设备的检修维护做出正确的决策，对电厂的安全性和经济性都会有很大的提升。模糊物元数学法，将模糊和物元两个概念结合在一起，构建一个能够对设备运行状态进行评估的模型。

关键词：模糊；物元；磨煤机

目前，应用大型设备的状态评价理论主要有：模糊数学方法、神经网络方法、蒙特卡洛法和遗传算法等。

模糊数学方法，可以对存在不确定性和模糊性的复杂事物和复杂系统进行描述和处理，类似于模拟人脑的模糊逻辑思维能力。处理效果在鲁棒性、适应性和敏捷性等方面明显优于其他方法。在实现上也较易于应用计算机编程语言来得以实现。目前，主要的模糊数学状态评价方法有：模糊物元、模糊聚类分析、模糊模式识别、模糊推理、模糊综合评价和模糊控制等方法。

本文采用将模糊物元评价方法和层次分析法相结合的方法，建立模糊物元评价模型，对RP型磨煤机的运行状态进行评价。

1模糊物元模型的步骤

（1）模糊及复合模糊物元

物元就是描述世界上所有事物的有序的基本元R。有序基本元即是由“事物M、特征C、量值x”这3个要素组成的。物元R=（M，C，x）或R=[M，C，C(x)]。具有模糊特性的量值x，对于这样的物元即为模糊物元。当一个事物M具有多个特征参数时，可用n个特征参数C1，C2，…，Cn及与其每个特征参数相对应的量值x1，x2，…,xn来进行描述，则这样多个特征参数的物元R称为n维模糊物元。由m个事物、n维物元组合而成的，便构成了m个事物的n维复合模糊物元Rmn：

Rmn=（1-1）

式中，Rmn是由m个事物的n个模型特征组成的复合物元；Mj是第j个事物（j=1,2,…,m）；Ci是第i个特征参数(i=1,2,…,n)；xji是与第j个事物的第i个特征参数相对应的模糊量值。

（2）把复合物元矩阵转换转换为隶属度矩阵

为了便于把模糊物元矩阵转换为隶属度矩阵，需要引入一个从优原则的概念。模式计算如下：

越大越优型，其转换公式为：

uji=Xji/maxXji(j=1,2,…,m;i=1,2,…,n)（1-2）

越小越优型，其转换公式为：

uji=minXji/Xji(j=1,2,…,m;i=1,2,…,n)（1-3）

越接近某个常数越优型，其转换公式为：

uji=min(Xjiu0)/max(Xji,u0)（1-4）

以上3个公式中uji是第j个事物（方案）的第i项特征参数的从优隶属度度；maxXji是各个评价事物中的每一项特征参数所有的Xji量值中的最大值；minXji是各评价事物中每一项特征参数的所有Xji量值中的最小值；min(Xji,u0)和max(Xji,u0)分别代表在Xji和u0中取得的最小值和最大值。由此可将Rmn转换为隶属度矩阵，如下式所示:

=（1-5）

（3）标准模糊物元及差平方模糊物元的建立

标准的样品M的n维模糊物元R0n，根据式（1-1）能够构造出。其中与特征参数i相应的从优隶属度u0i（i=1，2，…，n），可以由Rmn中相应的评价特征参数的从优隶属度的最小值或最大值来获得。

如果用标准模糊物元R0n与复合模糊物元Rmn中相应的各项差的平方，即△ji=（u0i-uji）2（j=1，2，…,m；i=1，2，…,n），便能得到差平方模糊物元R△，如下式:

R△=（1-6）

（4）欧氏贴近度和状态评价方法

贴近度是表示两个模糊集相互接近的程度的度量。若有（A，B）是模糊子集A和B的贴近度，满足0≤（A，B）≤1，则（A，B）越大，表示两个模糊子集相互越接近；（A，B）越小，则两个模糊子集相互越疏远。本文中，用欧氏贴近度表示标准样本与被评价的样本之间的接近度，即：

（1-7）

式中，Wi－每个事物的第i项特征指标所占的权重，利用层次分析法(AHP)即可确定。

数值越大，则表示两个样本之间越接近，相反，数值越小，则表示两个样本之间差别较大。利用贴近度数值的大小，即可对所有样本进行优劣性的排序。由此构造出样品的欧氏贴近度复合模糊物元，

即:（1-8）

2RP型磨煤机运行状态评价的模糊物元模型

RP型磨煤机是一个由多个子系统和零部件构成的复杂设备，因此，其运行状态的好坏很难用单一的特征状态参数来进行评价。利用模糊物元结合模糊集和欧氏贴近度的分析方法，即能对评价结果进行定量的表述，较为全面的反应出RP型磨煤机目前的运行状态。状态评价的流程如图1-1：

（下转第81页）