火电机组磨煤机存在运行条件恶劣、故障频发等问题,对磨煤机进行故障预警,可以有效防止一些常见故障的发生,从而保证火电机组的安全运行。为此,提出一种基于相互邻近度的密度峰值聚类和多元状态估计的磨煤机故障预警方法。首先,采用核...火电机组磨煤机存在运行条件恶劣、故障频发等问题,对磨煤机进行故障预警,可以有效防止一些常见故障的发生,从而保证火电机组的安全运行。为此,提出一种基于相互邻近度的密度峰值聚类和多元状态估计的磨煤机故障预警方法。首先,采用核主元分析选取磨煤机的主要状态参数,同时采用集合经验模态分解对历史运行数据进行去噪,进一步优化数据质量;然后,采用基于相互邻近度的密度峰值聚类(density peaks clustering based on mutual neighborhood degrees,DPC-MND)方法构建动态记忆矩阵,利用多元状态估计技术(multivariate state estimation techniques,MSET)对磨煤机正常运行工况下的历史数据进行建模,并确定磨煤机的运行状态。最后,以安徽某电厂ZGM113G型中速磨煤机为例进行验证,结果表明该方法可以实现对磨煤机故障的有效预警。展开更多
文摘火电机组磨煤机存在运行条件恶劣、故障频发等问题,对磨煤机进行故障预警,可以有效防止一些常见故障的发生,从而保证火电机组的安全运行。为此,提出一种基于相互邻近度的密度峰值聚类和多元状态估计的磨煤机故障预警方法。首先,采用核主元分析选取磨煤机的主要状态参数,同时采用集合经验模态分解对历史运行数据进行去噪,进一步优化数据质量;然后,采用基于相互邻近度的密度峰值聚类(density peaks clustering based on mutual neighborhood degrees,DPC-MND)方法构建动态记忆矩阵,利用多元状态估计技术(multivariate state estimation techniques,MSET)对磨煤机正常运行工况下的历史数据进行建模,并确定磨煤机的运行状态。最后,以安徽某电厂ZGM113G型中速磨煤机为例进行验证,结果表明该方法可以实现对磨煤机故障的有效预警。
文摘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。