非线性状态估计(NSET)建模方法在故障预警系统中的应用

工业生产的特点是设备多且长时间不间断运行,设备运行启停耗量巨大,生产运行实时数据量巨大且密集,设备事故或停产常常会带来巨大的经济损失,因此,设备故障预警在工业生产过程中起到了至关重要的作用。本文概述了非线性状态估计建模方法的原理,通过简单仿真示例说明此方法可行。举例说明了此建模方法在电厂预警系统上的应用,并用该方法对电厂送风机设备的出口压力预警仿真,当残差值超出预先设定的时,发出预警信息,提示运行人员检查设备状态。

基于集成NSET和模糊软聚类的风电机组齿轮箱状态监测

风电机组齿轮箱的故障频率和维修成本较高,有必要对其运行状态进行实时监测。非线性状态估计(NSET)算法有着对记忆矩阵依赖大、无法有效利用数据资源改善精度、实时性差等不足。为此,提出一种基于模糊软聚类和集成NSET的状态监测方法:使用模糊软聚类将历史数据分为边界有重叠的不同类别,实现工况的软划分并构造多个不同工况的NSET模型作为个体学习器;以参数回归方法作为结合器,可在不影响实时性的同时,使用大量数据训练参数以改善精度。用某2 MW风电机组的齿轮箱故障数据进行验证,结果表明,相比常规方法,提出方法的精度和实时性均更优;通过预测残差均值和基于残差构造的健康指数,能够灵敏、准确的反映齿轮箱的早期故障及其发展趋势。

Output Feedback Nonlinear General Integral Control

This paper proposes an output feedback nonlinear general integral controller for a class of uncertain nonlinear system. By solving Lyapunov equation, we demonstrate a new proposition on Equal ratio gain technique. By using Equal ratio gain technique, Singular perturbation technique and Lyapunov method, theorem to ensure regionally as well as semi-globally exponential stability is established in terms of some bounded information. Moreover, a real time method to evaluate the ratio coefficients of controller and observer are proposed such that their values can be chosen moderately. Theoretical analysis and simulation results show that not only output feedback nonlinear general integral control has the striking robustness but also the organic combination of Equal ratio gain technique and Singular perturbation technique constitutes a powerful tool to solve the output feedback control design problem of dynamics with the nonlinear and uncertain actions.

基于动态数据的风电机组维护效果评价方法研究

针对风电机组维护效果评价结果主观性强和解释性差的问题,文章提出了一种基于动态数据的风电机组维护效果评价方法。该方法基于机组设备状态特征,建立了适合机组维护效果评价的指标体系;引入云模型,明确了评价方法的整体流程;采用非线性状态估计(NSET)模型对云模型进行改进,并将描述机组设备状态的动态数据特征进行解析与转化,作为云模型的输入数据,提高了评价模型分析结果的客观性。通过实际案例证明,该方法能够较为客观真实地对机组设备维护效果进行评价,同时,评价结果具有较强的解释性,可为后续维护工作提供必要的技术支持。

基于SCADA运行数据的风电机组塔架振动建模与监测

振动信号是风电机组数据采集与监视控制(supervisorycontrol and data acquisition,SCADA)系统中的一类重要变量。对振动信号的建模和分析可以实现对机组重要部件如塔架、传动链、叶轮等的状态监测工作。采用非线性状态估计技术(nonlinear state estimate technique,NSET)作为建模方法,在对风电机组塔架振动特性及其影响因素进行细致分析的基础上,建立了塔架振动模型。该模型由额定风速以下和额定风速以上两部分子模型构成。同时,对非线性状态估计技术的物理意义及特点进行了深入的分析和探讨。在某风电机组2006年4至6月份SCADA数据的基础上,建立了覆盖其正常工作状态的塔架振动模型,并对该模型进行了验证。研究表明,基于NSET的塔架振动建模方法具有方法简单、物理意义明确和建模精度高等优点,为后续拟开展的风电机组振动状态监测和早期故障诊断打下了良好的基础,同时为风电机组振动分析提供了新的思路。

风电机组齿轮箱温度趋势状态监测及分析方法

风电机组状态监测对于风电场特别是海上风电场降低维护成本,提高运行水平具有重要的实用价值。采用温度趋势分析的方法对风电机组齿轮箱的运行状态进行监测。利用非线性状态估计(nonlinear state estimate technology,NSET)方法建立齿轮箱正常工作状态下的温度模型并用其进行温度预测。通过合理构造过程记忆矩阵,使模型覆盖齿轮箱的正常工作空间。当齿轮箱工作异常时,其动态特性偏离正常工作空间,NSET温度模型预测残差的分布特性发生改变。采用滑动窗口方法实时计算残差的统计分布特性,当残差的均值或标准差的置信区间超出预先设定的阈值时,发出报警信息,提示运行人员检查设备状态。为模拟齿轮箱的故障情况,在机组数据采集与监视控制系统(supervisory control anddata acquisition,SCADA)数据中加入人为温度偏移。通过对该模拟故障的分析,新的状态监测方法能够及时发现齿轮箱的异常状态,达到实时在线状态监测的目的。

基于状态监测的风电机组变桨系统故障诊断

以风电机组中故障率较高的变桨系统作为研究对象,从数据采集与监视控制系统的数据库中选择与变桨系统运行相关的特征参数,基于相似性原理,利用非线性状态评估方法,建立能够涵盖变桨系统全部正常运行状态的健康模型。当变桨系统发生故障时,会出现模型预测值与正常状态的偏差,根据每一个特征参数对偏差的影响来确定故障的原因。应用实例验证表明,该模型能够准确地识别故障类型,可以解决在排除故障及设备维修时,因缺少相关信息而造成停机时间过长、维修难度大等问题。

基于非线性状态估计的风电机组振动建模研究

本文引入振动加速度信号,与SCADA数据结合进行风电机组关键部件的状态监测及故障诊断。实验数据为某风电机组连续6个月SCADA数据,振动建模方法采用非线性状态估计技术,在风电机组故障高发部位——齿轮箱、发电机、主轴承等处加装振动加速度传感器,通过对各部位振动特性的分析,分别建立相应部位的振动模型进行故障监测与诊断,并验证其可行性。研究表明,利用非线性估计的方法建立风电机组关键部位的振动预测模型简单有效,预测精度高,为后续风电机组振动分析提供了新的思路。