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。

基于MSET的压气机故障预警研究

为了解决压气机故障预警问题,通过对压气机典型运行特性进行分析,提出了一种基于多元状态估计技术(MSET)和偏离度的故障预警方法,并利用MSET建立了压气机正常运行状态下的非参数模型。对观测向量进行最优估计并得到估计向量,观测向量与估计向量之间的差异可以定性反映压气机是否异常。引入偏离度定量衡量观测向量与估计向量之间的偏离程度,然后利用滑动窗口法确定故障预警阈值,当平均偏离度超过预警阈值时,发出预警信息。实验结果表明,该方法有较高的预测精度,可以及时发现压气机的异常,从而实现对压气机运行状态的预警监测,减少经济损失。

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。

基于多元状态评估和相关分析的振动故障诊断

针对运行状态汽轮发电机轴振、瓦振异常预警及其原因诊断困难问题,提出一种基于多元状态评估(multivariate state evaluation technology,MSET)和相关分析(correlation analysis, CA)的故障诊断方法。首先基于MSET和滑动窗口计算当前评价窗口内参量估计值与其运行值的残差;其次计算当前评价窗口内参数间相关系数与状态矩阵中对应相关系数的残差;再次通过为各参数相对偏差均值或残差均值、各相关系数残差设定阈值,从而提取出异常特征;最后基于异常特征和欧式距离进行振动异常预警和异常故障诊断。利用掌握的汽轮发电机运行数据测试验证,测试结果表明,所提故障诊断方法切实可行,与单一的参数自身变化评价或相关分析相比,可提取更多异常或故障特征,具备多故障诊断分析能力,更有利于振动异常预警和提高故障诊断准确性。

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。

基于大数据技术的电厂设备状态评估和预警应用研究

为了避免电厂设备在运行期间出现异常状态直接或间接导致机组停机增加维护成本,提出了一种基于大数据技术的设备状态评估和预警方法。多元状态估计技术是该方法实现设备故障诊断和健康管理(PHM)的可行技术之一,它的实现依赖海量健康数据的训练学习。基于大数据技术对历史状态数据离线学习并训练健康状态评估模型,针对目标设备实时分析相关参数的残差值变化,通过滑动窗口残差统计法自动检测偏差情况,实现目标设备异常状态的在线监测。以某电厂火电机组的制粉系统为例进行状态评估和健康诊断研究,引入参数贡献率来表征引起异常的强弱因素,进一步推进了对设备状态和故障问题的分析,试验结果表明该方法能够有效地进行电厂设备状态评估和设备故障预警。

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。

基于多变量状态估计的磨煤机一次风量故障预警仿真

磨煤机一次风量在磨煤机正常运行、机组稳定燃烧、风煤配比过程中起关键调节作用。磨煤机一次风量测量一般采用差压式测量原理,在机组运行过程中容易发生积灰,导致一次风量测量不准,影响机组正常燃烧。分散控制系统报警功能主要是基于上下限的故障报警且各个变量之间没有相互关联,导致故障较为严重时才进行报警。基于此,采用多变量状态估计建立磨煤机一次风量故障预警模型,采用相似度函数建立多变量状态估计的估计矩阵,从而动态更新估计矩阵以便适用于机组的各种工况。基于一次风量的故障预警采用趋势变化进行提前判断,能提醒运行和热控人员提前进行干预解决,从而保证磨煤机和机组的安全、稳定运行。

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。