工業(yè)鍋爐系統(tǒng)通常被認(rèn)為是單模態(tài)系統(tǒng),但是當(dāng)其負(fù)荷變化時(shí),系統(tǒng)會(huì)呈現(xiàn)出明顯的時(shí)變和多模態(tài)特性,傳統(tǒng)的主成分分析（PCA）方法難以實(shí)施有效地故障監(jiān)測(cè).針對(duì)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(fù)荷變化的模態(tài)識(shí)別值,通過交叉重疊的分段方法建立多個(gè)模型進(jìn)行監(jiān)測(cè),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(gè)模型進(jìn)行綜合判斷,提高故障監(jiān)測(cè)的準(zhǔn)確度.通過在某實(shí)際工業(yè)鍋爐的應(yīng)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(zhǔn)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(xiàn)圖

對(duì)于工業(yè)鍋爐這類連續(xù)生產(chǎn)過程, 不存在多個(gè)穩(wěn)定模態(tài)和過渡模態(tài). 因此需要選擇特定的工況識(shí)別參數(shù)作為模態(tài)識(shí)別值, 并將模態(tài)識(shí)別值按順序排列, 然后根據(jù)該值的大小把生產(chǎn)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(cè)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(bào)的可能性, 降低模型的監(jiān)測(cè)能力. 交叉分段思想是在模態(tài)重構(gòu)過程中, 使相鄰模態(tài)之間部分?jǐn)?shù)據(jù)重疊, 產(chǎn)生一個(gè)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(qiáng)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(cè)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(bào)的可能性, 降低模型的監(jiān)測(cè)能力. 交叉分段思想是在模態(tài)重構(gòu)過程中, 使相鄰模態(tài)之間部分?jǐn)?shù)據(jù)重疊, 產(chǎn)生一個(gè)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(qiáng)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(gè)模態(tài)模型庫, 每個(gè)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(duì)于該過程數(shù)據(jù)利用所在模態(tài)的模型進(jìn)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(gè)模態(tài)的模型共同監(jiān)測(cè), 兩個(gè)模型中, 任意一個(gè)監(jiān)測(cè)正常, 說明該數(shù)據(jù)正常, 兩個(gè)模型監(jiān)測(cè)都不正常說明存在異常.

【參考文獻(xiàn)】：
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(cè)[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(xué)報(bào). 2019(02)
[3]基于PCA的卷煙制絲過程監(jiān)測(cè)與故障診斷[J]. 王偉,趙春暉.  控制工程. 2017(12)
[4]基于動(dòng)態(tài)全主成分回歸質(zhì)量相關(guān)的故障檢測(cè)[J]. 王光,孫程遠(yuǎn),尹珅.  信息與控制. 2017(06)
[5]基于在線支持向量機(jī)的鍋爐動(dòng)態(tài)建模方法研究[J]. 張曉宇,付林,沈炯,李益國.  中國電機(jī)工程學(xué)報(bào). 2017(S1)
[6]基于主元分析的鍋爐系統(tǒng)故障檢測(cè)與診斷[J]. 李傳金,王文標(biāo),花義鋒,高世澤.  機(jī)電信息. 2016(24)
[7]化工過程自適應(yīng)多模型故障監(jiān)測(cè)方法研究[J]. 羅靜,胡瑾秋,張來斌,馬曦.  中國安全科學(xué)學(xué)報(bào). 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(jīng)網(wǎng)絡(luò)的齒輪故障診斷[J]. 吳偉,鄭娟.  機(jī)械研究與應(yīng)用. 2015(01)
[10]主元分析方法在火電廠鍋爐過程故障檢測(cè)中的應(yīng)用[J]. 黃孝彬,劉吉臻,牛玉廣.  動(dòng)力工程. 2004(04)

博士論文
[1]基于多模型PCA的翻車機(jī)液壓系統(tǒng)故障診斷研究[D]. 鄂東辰.燕山大學(xué) 2018
[2]基于自適應(yīng)PCA和時(shí)序邏輯的動(dòng)態(tài)系統(tǒng)故障診斷研究[D]. 劉康玲.浙江大學(xué) 2017
[3]基于數(shù)據(jù)驅(qū)動(dòng)的復(fù)雜多模態(tài)過程模態(tài)識(shí)別及過程監(jiān)測(cè)研究[D]. 張淑美.東北大學(xué) 2016



本文編號(hào)：3353828