基于多元状态估计技术的给水泵汽轮机故障预警研究

为实现给水泵汽轮机故障早期预警,提出了一种基于多元状态估计技术(MSET)的参数估计和基于残差预警的故障早期预警方法。以某350 MW超超临界机组的给水泵汽轮机为研究对象,选取表征其运行特征的关键参数,并且采集分散控制系统(DCS)运行历史数据。通过截断法和箱线图法对异常数据进行清洗,采用等间距抽样法构建运行参数的正常工况样本库,基于MSET得到参数估计值,并采用滑动窗口法确定残差预警阈值,建立了给水泵汽轮机故障早期预警模型。最后,用实际运行数据进行验证。结果表明:在正常工况下,模型估计值的平均相对误差小于3%,能有效识别给水泵汽轮机运行中的异常状态;将模型应用到电厂的大数据平台,实现了给水泵汽轮机各工况的智能监测和故障早期预警,具有较大的工程实用价值。

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DPC-MND和多元状态估计的磨煤机故障预警研究

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。

基于多元状态估计技术建模的引风机早期诊断研究

随着发电厂容量的增大,机组设备越来越复杂,其相应的故障发生率也日益提高。如何对发电机组进行状态监测与早期诊断,在故障早期发现设备劣化趋势,从而减少故障发生,使发电机组安全稳定运行是近年来发电厂面临的主要难题。采用基于多变量状态估计技术的建模方法,对引风机的运行状态进行实时预测,帮助运行人员发现分析设备早期的故障特征信号并采取解决措施,避免设备进一步恶化。该方法在发电厂的实际应用表明,使用效果良好,在发电设备的早期诊断领域有着广阔的应用前景。

基于多元状态估计技术和相似性理论的环保岛设备劣化预警方法

环保岛关键设备安全高效运行是整个环保岛安全生产的保障。当设备出现劣化时提示生产现场开展设备状态检修,这样不但能够杜绝安全事故,更能节约设备维修费用。提出一种基于多元状态估计技术和相似性理论的环保岛设备劣化预警方法,通过多元状态估计技术建立设备的历史正常状态参数矩阵,应用相似性理论对相关系数进行非线性运算,从而得到设备参数当前状态对应的估计值,计算当下观测值与估计值之间的偏差,如果偏差大于预先设定的阈值,系统发出设备劣化信号,提醒运行人员注意,从而给设备状态检修提供依据。通过在某电厂浆液循环泵上的实际应用,结果表明:基于多元状态估计技术和相似性理论的环保岛设备劣化预警方法可满足浆液循环泵劣化监测需求。

基于多元状态估计与自适应闽值的电站辅机故障预警

为了有效识别辅机运行过程中的故障,将多元状态估计技术应用于辅机的故障预警中。根据机组功率高低将辅机的历史状态矩阵分为3类,通过等距抽样选取典型状态分别建立子模型。对于输入的观测向量,模型给出相应的估计向量,两者的偏差可用相似度函数表示,并基于区间估计的思想设计了相似度的自适应阈值方法。最后利用某350 MW热电机组的中速磨煤机堵煤故障前的数据进行仿真。结果表明:模型在磨煤机跳闸前264 s做出预警,具有较高的故障检测效率;与传统的固定阈值方法相比,采用自适应阈值方法可有效降低误报率。

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。

多元状态估计的记忆矩阵选取及风机故障预警方法

多元状态估计技术(MSET)通过记忆矩阵中正常运行状态的数据进行相似性建模,被广泛地应用于电站设备的故障预警中。记忆矩阵所包含的数据样本特性是否完备,直接决定了MSET模型的预测精度和预警的正确性。提出了一种包含典型工况特性的记忆矩阵选取方法,考虑样本分布的空间大小、样本分布的均匀程度以及冗余程度,构造记忆矩阵的评价指标。在此基础上,从历史运行数据中选取具有较大工况特性的记忆矩阵。同时,对不同记忆矩阵样本选取方法下模型的预警效果进行了对比验证。验证结果表明,该记忆矩阵样本选取方法,能够有效地选择具有较大工况特性的样本,使建立的MSET模型具有较高的精度,并能够实现对引风机故障的准确预警。

动态多元状态估计算法在火力发电设备智能预警中的应用

火力发电设备的健康状态直接影响机组的安全性、可靠性,因此对设备的状态进行实时监测显得尤为重要。基于设备的历史正常运行工况,提出将动态多元状态估计算法用于实时判断火力发电设备的运行状态,分别对某燃气蒸汽联合循环电厂的高压给水泵、某联合循环电厂的燃气轮机及660 MW超超临界燃煤机组的末级过热器建立动态多元状态估计技术(DMSET)智能预警算法。测试结果表明:当设备正常运行时,估计向量与实时观测向量之间的欧氏距离较短,预测精度较高;当设备异常时,估计向量与实时观测向量之间的欧氏距离显著大于正常状态下的值。研究表明,所建立的DMSET智能预警算法能敏锐捕捉到设备的异常信息。

基于MSET算法的发电设备预警诊断增量学习方法研究

为进一步提高预警模型性能,充分利用发电设备数据,节约计算资源,提出了一种基于MSET算法的发电设备预警诊断增量学习方法。实验采用某电厂真实运行数据,选取送风机设备特征,对比基线阶段原始运行算法的效果与增量学习阶段的效果,结果表明通过增量学习能利用少量数据激活失效模型,帮助电厂关键设备模型适应数据漂移等问题,从而提高系统的实时性和适应性。所提出的方法在发电设备预警诊断方面具有较好的性能。

基于PMI-IMSET的锅炉辅机故障预警

为实现锅炉辅机设备潜在故障预警功能,保障锅炉系统正常运行,提出基于偏互信息和改进多元状态估计技术的故障预警方法。偏互信息法被用于提取故障特征信息及筛选故障相关变量;改进多元状态估计技术被用于构建辅机设备正常状态模型,采用概率分布采样法代替传统采样法构造过程记忆矩阵。采用观测状态与模型估计正常状态之间的滑动平均相似度作为故障预警标准,当相似度低于阈值时触发警报。以循环流化床锅炉引风机为例,结果表明该方法能够有效预警辅机设备故障。

基于MSET和SPRT的导弹振动故障诊断

提出了一种基于多元状态估计技术(MSET,multivariate state estimation techniques)和序贯概率比检验(SPRT,sequential probability ratio test)的导弹机构振动故障诊断方法。首先建立常规情况下导弹3处振动传感器所收集的振动信号的关联模型;然后根据导弹3处异常振动信号的当前观测测特征向量与各建模样本特征向量之间的相似性程度,使用MSET对当前异常信号特征向量进行估计,得到与异常信号特征向量相对应的估计残差;最后使用SPRT对异常信号的估计残差进行均值和方差检验,确定系统的工作状态。仿真结果表明,MSET可有效地增强故障状态下的信号特征呈现,而SPRT可在较少的周期内实现对弹体机构异常工作的识别,MSET和SPRT的结合有效地实现了对导弹机构异常工作的早期诊断。

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。

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。

基于PCA-MSET的主通风机健康评估方法

为了保证煤矿生产中通风机的健康运行,提出了一种基于PCA-MSET的健康评估方法。以山西某煤矿2#主通风机为研究对象,利用主成分分析法(PCA)对通风机的13个监测变量进行线性降维处理;以主通风机主电机的主成分参数为特征参数,建立基于多元状态估计技术(MSET)的主风机健康状态评估模型,利用滑动窗口统计法设置观测向量和估计向量的残差阈值,最后人为模拟故障数据进行模型的验证,结果表明主风机健康状态评估模型能够有效实现预期功能。

基于MSET的电厂引风机故障预警

为提高电厂引风机故障预警的准确性,提出了一种基于多元状态估计技术(MSET)和偏离度函数法的引风机故障预警方法。通过引风机正常运行状态下的多变量数据,建立了MSET模型,得到了模型运算的最优估计值。利用偏离度函数判断出实际值与最优估计值之间的偏离度,较直观地反映出故障发展过程。应用该方法对华能浙江某热电厂引风机的故障问题进行了验证,结果表明,该方法能够及时发现引风机的异常,实现引风机的故障预警。

滚动轴承性能退化的MSET模型及其故障预警

针对滚动轴承在变速变载的恶劣运行工况下极易出现性能退化现象,本文利用多元状态估计技术(Multivariate State Estimation Technique,MSET)构建多特征变量的优势,提出了一种基于MSET的滚动轴承性能退化及故障预警方法。首先提取滚动轴承振动信号的状态特征,建立健康状态振动信号特征向量间的关联模型;其次通过平均偏离度定量衡量观测向量与估计向量之间的差异,并作为轴承性能退化评估指标;最后结合滑移窗口法(Sliding Window Method,SWM)高效计算平均偏离度,实现在役滚动轴承在线状态监测和性能退化评估。轴承全寿命试验数据分析结果表明,本文所提方法可以及时有效判别轴承健康状态,实现在线故障预警。