發(fā)布時間：2021-08-20 16:23

　　工業(yè)鍋爐系統(tǒng)通常被認為是單模態(tài)系統(tǒng),但是當其負荷變化時,系統(tǒng)會呈現(xiàn)出明顯的時變和多模態(tài)特性,傳統(tǒng)的主成分分析（PCA）方法難以實施有效地故障監(jiān)測.針對這類問題,提出了一種交叉分段PCA故障診斷方法,選擇某一參數(shù)值作為負荷變化的模態(tài)識別值,通過交叉重疊的分段方法建立多個模型進行監(jiān)測,交叉部分定義為模態(tài)過渡過程,在模態(tài)過渡過程利用兩個模型進行綜合判斷,提高故障監(jiān)測的準確度.通過在某實際工業(yè)鍋爐的應用表明,與傳統(tǒng)PCA方法相比,該方法能夠顯著提高故障診斷的準確度. 

【文章來源】：信息與控制. 2020,49(04)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

循環(huán)泵故障貢獻圖

對于工業(yè)鍋爐這類連續(xù)生產過程, 不存在多個穩(wěn)定模態(tài)和過渡模態(tài). 因此需要選擇特定的工況識別參數(shù)作為模態(tài)識別值, 并將模態(tài)識別值按順序排列, 然后根據(jù)該值的大小把生產過程劃分成不同的模態(tài), 如圖1所示.如圖1所示, 不同模態(tài)包含不同的樣本數(shù)據(jù)集, 在監(jiān)測過程中, 如果樣本處于過渡區(qū)域, 容易出現(xiàn)模態(tài)躍遷, 增大誤報的可能性, 降低模型的監(jiān)測能力. 交叉分段思想是在模態(tài)重構過程中, 使相鄰模態(tài)之間部分數(shù)據(jù)重疊, 產生一個緩沖區(qū)域, 重疊部分的數(shù)據(jù)包含相鄰模態(tài)之間的過渡過程, 增強了模型的抗干擾能力, 其中模態(tài)劃分如圖2所示.

如圖1所示, 不同模態(tài)包含不同的樣本數(shù)據(jù)集, 在監(jiān)測過程中, 如果樣本處于過渡區(qū)域, 容易出現(xiàn)模態(tài)躍遷, 增大誤報的可能性, 降低模型的監(jiān)測能力. 交叉分段思想是在模態(tài)重構過程中, 使相鄰模態(tài)之間部分數(shù)據(jù)重疊, 產生一個緩沖區(qū)域, 重疊部分的數(shù)據(jù)包含相鄰模態(tài)之間的過渡過程, 增強了模型的抗干擾能力, 其中模態(tài)劃分如圖2所示.利用交叉分段PCA方法建立多個模態(tài)模型庫, 每個模態(tài)存在樣本重疊部分和不重疊部分, 由于不重疊部分的樣本數(shù)據(jù)不存在過渡特性, 對于該過程數(shù)據(jù)利用所在模態(tài)的模型進行監(jiān)控; 重疊部分的數(shù)據(jù)存在過渡特性, 利用重疊部分所在的兩個模態(tài)的模型共同監(jiān)測, 兩個模型中, 任意一個監(jiān)測正常, 說明該數(shù)據(jù)正常, 兩個模型監(jiān)測都不正常說明存在異常.

【參考文獻】：
期刊論文
[1]基于一維卷積自編碼器—高斯混合模型的間歇過程故障檢測[J]. 王碩,王培良.  信息與控制. 2019(03)
[2]基于多塊信息提取的PCA故障診斷方法[J]. 顧炳斌,熊偉麗.  化工學報. 2019(02)
[3]基于PCA的卷煙制絲過程監(jiān)測與故障診斷[J]. 王偉,趙春暉.  控制工程. 2017(12)
[4]基于動態(tài)全主成分回歸質量相關的故障檢測[J]. 王光,孫程遠,尹珅.  信息與控制. 2017(06)
[5]基于在線支持向量機的鍋爐動態(tài)建模方法研究[J]. 張曉宇,付林,沈炯,李益國.  中國電機工程學報. 2017(S1)
[6]基于主元分析的鍋爐系統(tǒng)故障檢測與診斷[J]. 李傳金,王文標,花義鋒,高世澤.  機電信息. 2016(24)
[7]化工過程自適應多模型故障監(jiān)測方法研究[J]. 羅靜,胡瑾秋,張來斌,馬曦.  中國安全科學學報. 2016(07)
[8]基于k-ICA-PCA方法的多模態(tài)過程模態(tài)的劃分[J]. 李元,劉寧,唐曉初.  控制工程. 2015(03)
[9]基于BP神經網絡的齒輪故障診斷[J]. 吳偉,鄭娟.  機械研究與應用. 2015(01)
[10]主元分析方法在火電廠鍋爐過程故障檢測中的應用[J]. 黃孝彬,劉吉臻,牛玉廣.  動力工程. 2004(04)

博士論文
[1]基于多模型PCA的翻車機液壓系統(tǒng)故障診斷研究[D]. 鄂東辰.燕山大學 2018
[2]基于自適應PCA和時序邏輯的動態(tài)系統(tǒng)故障診斷研究[D]. 劉康玲.浙江大學 2017
[3]基于數(shù)據(jù)驅動的復雜多模態(tài)過程模態(tài)識別及過程監(jiān)測研究[D]. 張淑美.東北大學 2016



本文編號：3353828