对设备运行状态进行实时监测，并对运行数据进行分析，绘出历史及实时趋势，运用神经网络对故障进行估计和预测，就故障程度、检修紧迫性给予积极可靠的指导，对于保证设备安全运行，及时排除故障，避免设备过早报废有难以估量的作用。基于Matlab强大的信号及数据处理能力，并结合Delphi面向对象的设计方法，可实现上述目标。
        一、软件功能
        1．工具软件环境
        Matlab除具备卓越的数值计算能力外，还提供了专业水平的符号计算、文字处理、可视化建模仿真和实时控制等功能。Matlab的基本数据单位是矩阵，其指令表达式与数学及工程中常用的形式十分相似，故用Matlab来解算问题要比用C、FOR-TRAN等语言完成相同的事情简捷得多。由于Matlab的开放性，使其成为一个强大的交互式数学软件，包括拥有数百个内部函数的主包和30几种工具包。开放性使Matlab广受用户欢迎，除内部函数外，所有Matlab主包文件和各种工具包都是可读可修改的文件，用户可通过对源程序的修改或加入自己编写的程序构造新的专用工具包。
        2．风机多变效率计算
       

式中：η_pol—多变效率；
            W_ioi—实际所消耗的功；
            W_pol—多变压缩功；
            k—绝热指数；
            T_out—排气绝对温度；
            T_in—进气绝对温度；
            m—多变指数。
测试态功率为
       

式中：k—被测介质的绝热指数；
            G—风机的重量流量；
            R—被测介质的气体常数。
        3．管网特性曲线的确定
        管网存在一定的阻力，有如下通式
        P=P_r+AQ²                    (3)
式中：P—管网所需能量头；
            P_r—系统压力容器的内压，在管网曲线中取为炉顶压力；
            A—管网阻力系数；
            Q—管网内气体体积流量。
        准确地确定系统管网阻力系数，可为风机设计提供参考依据，为指导生产、调试系统、避免风机喘振、保证安全生产发挥风机良好性能提供保障。
        系统框图见图1。

        例：某D 1300-320/96风机试验参数如表1。

表1  风机系统运行参数
       

        运用最小二乘法对以上数据进行拟合，可得风机的性能曲线及管网的阻尼曲线。图2为预旋器角度在10°、25°、50°的风机性能曲线L_l、L₂、L₃。多条性能曲线最高点的连线即形成了风机的喘振线。在生产稳定情况下计算出管网的阻尼系数，绘制出阻尼曲线C，其与L₁，L₂，L₃的交点M₁，M₂，M₃为风机在该预旋器角度时的稳定工作点。
 

       4．风机切换功能
        以往手动切换风机对操作工的技术要求较高。阀门操作稍有不当，就可能造成风机喘振，甚至推力瓦烧损，设备损坏。本软件集成了风机切换功能，倒风画面同时有两风机的运行参数，可以清楚地监视切换过程，一人一键即可顺利切换，实现了操作的智能化、自动化，降低了成本。
        5．并风控制系统
        风机选型时，由于不掌握准确的高炉参数，认为风压和风量越高越好，因而造成风机设计的高效工作点和实际存在偏差，浪费了大量电能；喘振曲线右移，导致实际有效工作范围变窄，无法发挥风机出力性能，并对风机安全造成威胁。
        并风控制系统可以出色解决上述问题，特别是在高炉较多的钢厂，可以把各风机的送风管道并接起来，小风机采用一对一的向高炉供风，大风机则充当大高炉和并风系统的供风源，把大风机调整到高效工作状态，使其尽可能完全出力。
        以前为避开喘振点必须通过放空来解决，浪费了大量电能，增加并风系统是解决问题行之有效的方法。
        并风策略在济南钢铁公司已经成功使用，取得良好效果。通过监测终端的压力及并网风机运行情况，输入并网风机的性能参数和管网需要的压力，就可以实现自动控制。
        6．信号分析
        本软件为方便故障分析，特别增加了振动信号的分析功能。通过调用数据库中的信号，经过数据处理变换后进行相关的分析，把信号特征用图示描述。
        7．故障诊断功能
        神经网络具有联想、容错、记忆、自适应、自学习和处理复杂多模式故障等优点。神经网络经过学习所得到的知识以分布的方式隐式地存在于整个网络。本系统主要针对转子的不平衡、不对中、油膜涡动、转子碰摩、共生故障、轴承损坏、轴承座松动、喘振和旋转失速等常见故障进行诊断，并在系统中内置了神经网络计算程序。用户可以直接调用监控数据库中的数据进行故障分析。程序中还集成了其他外部设备的接口，故也可导入其他外部的采样数据。
        本方法分别基于电流、振动、风压、流量等进行神经网络训练，用户可以采用其中任一种信号进行故障的诊断识别，并给出趋势预测。对采集到的信号频谱进行归一化处理后得到待测数据样本，运用神经网络进行训练，得到故障结果。
        在软件功能上，除上述绘制性能曲线和振动信号分析，及神经网络故障诊断之外，还包括振动、温度实时监测、调节风量的静叶开度、PID控制、其他阀门开度的调整和反馈画面、软件设置（画面编辑、报警点、历史数据存储）、远程通信等。
        二、结论
        Matlab的强大数据处理、绘图交互功能，可以更加精确地绘出风机的性能曲线，确定系统的阻尼曲线，给本体设备的设计和高效生产提供合理参数指导，界面友好，易于使用，特别是谱图和神经网络故障诊断为保障机组的安全运行具有积极的意义。

参考文献：
[1]虞和济等．基于神经网络的故障诊断[M]．北京：冶金工业出版社，2000.
[2]关惠玲等．设备故障诊断专家系统原理及实践[M]．北京：机械工业出版社，2000.
[3]续魁昌．风机手册[K]．北京：机械工业出版社，1999.