基于改进MSET的一次风机故障预警及诊断方法

针对电站风机故障预警和故障点追溯等问题,基于改进多元状态估计技术(MSET)模型和误差分量,提出了一次风机故障预警和诊断方法。首先,介绍了多元状态估计技术的概念;选取了建模变量,并进行了数据预处理,通过构建改进动态记忆矩阵D,进行了MSET模型有效性的验证;然后,使用相似度函数作为故障预警依据,并利用滑动窗口法降低了噪音干扰,采用两种动态记忆矩阵构建方法,分别建立了模型,并进行了模型的有效性验证;最后,采用人为增加扰动的方式,模拟了温度、振动故障数据,进行了故障预警模拟,并通过计算各参数的误差分量进行了故障点追溯。研究结果表明:改进的动态记忆矩阵建模方法具有更高的准确度和更强的抗干扰能力;改进MSET和误差分量模型可成功实现故障的提前预警和故障点追溯功能。该模型能够为电站设备故障预警和检修提供借鉴。

改进“峰”方法的多元状态估计技术用于电站风机状态监测

针对风机状态监测问题,提出一种基于多元状态估计和相似性测度的方法。首先建立正常工况下各监测参数之间的关联模型,构造正常工况下的记忆矩阵;然后根据系统当前观测向量与记忆矩阵之间的相似性程度,对当前观测向量进行估计。通过对正常工况下的监测参数的聚类中心的提取,计算估计值与聚类中心的相似性测度值,确定风机工作状态。最后,以山西某电厂送风机为监测对象进行应用研究,结果表明该方法可以准确估计风机振动状况,尽早发现设备异常,实现风机状态的在线监测。

基于Hilbert-Huang变换和多元状态估计技术的内燃机气缸压力识别

提出了一种新的内燃机气缸压力识别方法。为了实现对内燃机运行状态的实时监测与故障诊断,通过缸盖振动信号反演内燃机气缸压力曲线是一种行之有效的重要手段;本文在对缸盖振动信号特性进行分析的基础上,应用Hilbert-Huang变换对缸盖振动信号进行模态分解,提取最能反映内燃机气缸压力变化特性的振动本征模态分量;使用多元状态估计技术(MSET)建立该振动本征模态分量的Hilbert谱与气缸压力信号之间的非线性非参数回归模型;利用所建立的模型从缸盖振动信号中重构出内燃机气缸压力曲线。试验结果表明,基于Hilbert-Huang变换和MSET的气缸压力识别方法简单有效,可满足对内燃机的实时监测需求。

基于聚类分析和状态估计的制粉系统故障预警

状态监测可大大降低发电设备的维护成本。将基于非线性状态估计的状态监测方法用于发电机组制粉系统。采用一种改进的内存矩阵的构造方法,能够很好地覆盖制粉系统的正常运行空间。当估计的模型和实际测量值之间相差很大时表明状态异常。通过提取正常工况下的监测参数的聚类中心,计算估计值与聚类中心的相似性测度值,确定风机工作状态。根据国内某机组某直吹式制粉系统的实时数据验证,仿真结果表明此方法可以有效地实现早期故障预警。

基于Bagging集成策略和多元状态估计的风电机组齿轮箱状态监测

风电机组齿轮箱的故障率和维护成本相对较高,有必要对其运行状态进行实时监测。多元状态估计(multivariate state estimate technique, MSET)是一种常用的状态监测方法,但在记忆矩阵规模较大时,MSET在线计算的实时性较差。为此,提出一种基于Bagging集成策略和MSET的新方法:首先基于Bagging集成策略,对训练数据进行多次随机抽样,构造多个记忆矩阵规模较小的MSET子模型,最终将子模型的结果平均后作为集成模型的输出。以某2 MW风电机组的运行数据为算例,对集成MSET的性能进行了对比实验。结果表明:在精度相当的前提下,集成方法的计算时间仅为常规方法的60%;结合统计过程控制技术设计了预警阈值和滑动窗口异常率,并对集成MSET的故障预警能力进行验证,结果表明,集成方法能够提前约10 d预警齿轮箱的实际故障。

海军指挥信息系统健康状态评估方法研究及应用

笔者指出指挥信息系统是打赢现代高技术条件下局部战争必备的重要信息装备,其健康状态影响到系统的作战效能,针对指挥信息系统的健康状态评估问题,以指挥信息系统为健康状态评估对象,建立了指挥信息系统结构树模型,根据指挥信息系统的结构分解和功能划分,对该系统划分的系统层、分系统层、组件层、部件层四级层次进行了说明,提出了指挥信息系统健康状态评估的一般流程,基于多元状态估计技术以及改进的层次分析法进行系统的健康状态评估,以美军C4ISR系统为例进行仿真实验与分析,结果表明,笔者提出的评估方法具有合理性和适用性。

滚动轴承性能退化的时序多元状态估计方法

滚动轴承性能退化评估是预诊断的提前和基础,对在役滚动轴承实施在线状态监测和性能退化评估具有重要意义。针对概率相似度量评估方法存在模型复杂、容易过早饱和等现象,提出一种基于自回归时序(autoregressive model,简称AR)模型和多元状态估计(multivariate state estimation technique,简称MSET)的滚动轴承性能在线评估方法,其中AR模型用于提取轴承振动信号的状态特征,MSET模型用于重构AR模型系数。首先,提取正常运行状态下振动信号的AR模型系数构建MSET模型的历史记忆矩阵;其次,将待测信号的AR系数作为观测向量输入MSET模型中得到重构后的估计向量;最后,由原始AR系数和重构AR系数分别构造自回归模型,并各自完成对待测信号的时序建模,将两自回归模型所得残差序列的均方根值之差作为性能劣化程度指标。离散实验数据和全寿命疲劳实验数据分析结果表明,该方法能够有效检测早期故障,且具有与轴承故障发展趋势一致性更好等优点。

基于改进HAC和MSET的给水泵故障预警方法

汽动给水泵是火电厂汽水系统重要的辅机设备,但给水泵运行环境恶劣,且故障种类多,导致给水泵故障频发,对电厂的经济性和安全性造成了影响。对此,提出了一种基于改进的层次凝聚聚类(Hierarchical Agglomerative Clustering, HAC)和多元状态估计(Multivariate State Estimation, MSET)的给水泵故障预警方法,首先选取与给水泵故障相关测点的历史数据,使这些数据可以涵盖给水泵正常运行时所有动态变化情况;通过主元分析法(Principal Component Analysis, PCA)和改进的小波去噪对数据进行预处理,实现数据的降噪和降维,再采用层次凝聚聚类算法构建记忆矩阵D,并引入了距离检测的方法对HAC进行改进,以此构建MSET预警模型,最后通过滑动窗口法分析残差,实现故障预警,并和最小二乘支持向量机(LS-SVM)预警模型比较分析,经验证该模型可以准确高效地实现给水泵的早期预警。