煤制油电气工程故障诊断探讨

一、煤制油电气工程故障的诊断技术

1.可编程控制器

现如今可编程控制器已经被广泛的应用到了继电器的控制系统中，可编控制器的使用，不仅能够对继电器控制逻辑的判断、计时、技术等功能进行更好的实现，而且还能在一定程度上对设备本身的故障以及使用过程中出现的问题进行诊断。其从本质上来说，可编程控制器就是专门用于工业生产过程中的计算机。但其与一般的计算机相比，可编程控制器的数据传输要远远的超过工业系统的传输，并且可编程控制器更适合于编程系统的对语言的要求。其中可编程控制器的硬件则是由信息输入模块、编程器和操作电源、信息输出模块、微型的中央处理器以及外部的设备所组成的。而在工作的过程中，可编程控制器主要采用循环扫描的方法，对运行的过程进行扫描。

2.数据库技术

数据库技术不仅是信息时代的标志，而且也是控制系统的核心技术。其最为基本的作用主要是对数据进行研究、组织和储存，并高效的对数据进行获得和处理。而数据库的技术则主要分为以下3各方面：①对系统话的数据进行统一的组织和管理，并按照系统的要求对数据进行分类，建立与其相对应的数据库，并将经过初步处理的信息数据相对应的存储到数据库中；②对数据库中的管理系统以及挖掘系统，对数据库中的系统数据进行设计，并实现数据的高效系统化管理；③通过数据库的管理系统对数据的分析、处理、理解和应用进行实现。而煤制油电气工程故障所需要的数据信息和知识信息都储存在数据库系统中的服务器上，因此，可以通过网络的服务系统对数据进行调取、输出和输入，同时由远程装置中的电气设备将系统发生故障的信息传输到诊断服务器，与诊断服务器中的数据进行对比，从而得出结论，并将得出的结论通过远程装置进行上传，使得煤制油工业中的相应信息在浏览器中可以进行浏览，以及制定出相对应的解决措施。

3.网络学习算法

在煤制油电气工程故障诊断过程中，网络学习算法是最为常见的诊断方式，它主要是对数据库中采集到的数据进行分析和处理，并对网络学习算法本身的优势进行利用，从而对煤制油电气工程设备故障中的一些非线性问题进行智能的优化和处理。而在目前的网络学习算法中，得到广泛的推广和应用的为B-P模型的神经网络学习算法。该种优化学习算法是由神经网络专家通过对煤制油系统设备的核心内容进行推理和研究之后，在网络学习算法的系统中形成了一个整体的知识库，并通过对存储在网络权值矩阵中的知识内容进行连接，对煤制油电气设备的故障原因以及征兆进行非线性的反映。

二、煤制油电气工程设备故障诊断系统的设计

在煤制油电气工程设备故障诊断的过程中，数据库的设计使其最为重要的。对数据库进行科学、合理的设计不仅能够对系统的响应速度和执行效率进行提高，而且为后期的系统维护提供了便利。因此，在对煤制油电气工程设备的数据库进行设计时必须要遵循数据库的完整性、规范化和一致性的原则。而在数据库具体的内容中，必须要包含用户的资料信息表、初始知识表、诊断样例表等，在对数据库表字段进行设计时，要对各个数据表之间的联系进行充分的考虑，使其在设计之后，不仅能够方便数据的查询，而且还能对冗余的数据进行消除。同时在数据库的安全方面，要使用相应的系统认证模块，对数据库的访问者进行有效的确认。在对数据库进行使用的过程中，可以使用结构化语言查询的功能，对数据进行查询、添加、修改和更新，并对数据的存储进行集合，对数据库的连接进行实现。

综上所述，要想实现煤制油企业的快速发展，并提高其在社会市场经济中的竞争力，就必须要对煤制油电气工程设备的安全性进行良好的设计和稳定，并对其进行广泛的推广和应用，从而大力的发展煤制油技术，撑起“工业血液”的桥梁，对我国的能源危机进行有效的缓解，并提高我国的社会经济效益。

作者：方勇 单位：陕西延长石油榆林煤化有限公司