本文選題：微小故障　切入點：主元分析　出處：《控制理論與應用》2014年01期

【摘要】：主元分析(principal component analysis,PCA)是一種有效的數據分析方法,在故障診斷與狀態(tài)監(jiān)測方面已得到廣泛應用.多元指數加權移動平均 主元分析(multivariate exponentially weighted moving average principal component analysis,MEWMA PCA)方法用于解決PCA不能有效檢出微小故障的問題.本文深入研究了MEWMA PCA中EWMA影響主元分析進行故障檢測的機制,導出了MEWMA PCA可檢出微小故障的原因.本文確定了MEWMA PCA中遺忘因子λ、單傳感器故障幅值和遲延時間三者的關系,并進行了數值仿真和火電廠磨煤機組運行狀態(tài)的仿真實驗.實驗結果驗證了MEWMA PCA中EWMA提高PCA的監(jiān)測性能的機制,并給出了根據系統實際要求來選取合適的遺忘因子值,從而在規(guī)定的時間內檢出微小故障的實例.
[Abstract]:Principal component analysis (PCA) is an effective method for data analysis. It has been widely used in fault diagnosis and condition monitoring. Multivariate exponentially weighted moving average principal component analysis method is used to solve the problem that PCA can not effectively detect small faults. The mechanism of EWMA influencing principal component analysis (PCA) for fault detection in MEWMA PCA is studied. The reason why MEWMA PCA can detect minor faults is derived. The relationship among forgetting factor 位, single sensor fault amplitude and delay time in MEWMA PCA is determined. The numerical simulation and the simulation experiment on the operation state of coal mill unit in thermal power plant are carried out. The experimental results verify the mechanism of improving the monitoring performance of PCA by EWMA in MEWMA PCA, and the appropriate forgetting factor value is given according to the actual requirements of the system. Thus in the specified time to detect the small failure of the example.
【作者單位】： 華北電力大學新能源電力系統國家重點實驗室;
【基金】：國家重點基礎研究發(fā)展計劃“973”計劃資助項目(2012CB215203) 國家自然科學基金重點資助項目(51036002) 中央高校基本科研業(yè)務費專項資金資助項目
【分類號】：TM621

【參考文獻】

相關期刊論文 前3條

1 李娟;周東華;司小勝;陳茂銀;徐春紅;;微小故障診斷方法綜述[J];控制理論與應用;2012年12期

2 葛志強;楊春節(jié);宋執(zhí)環(huán);;基于MEWMA-PCA的微小故障檢測方法研究及其應用[J];信息與控制;2007年05期

3 王海清,宋執(zhí)環(huán),李平;主元分析方法的故障可檢測性研究[J];儀器儀表學報;2002年03期

【共引文獻】

相關期刊論文 前8條

1 周福娜;文成林;陳志國;冷元寶;;基于指定元分析的多級相對微小故障診斷方法[J];電子學報;2010年08期

2 王慧;張z馴，

本文編號：1680734