發(fā)布時(shí)間：2020-09-08 18:37

　　 針對(duì)火電機(jī)組熱力參數(shù)傳感器中多故障模式識(shí)別問(wèn)題,同時(shí)為了克服參數(shù)隨機(jī)性和離群點(diǎn)給ELM隱含層輸出矩陣帶來(lái)的病態(tài)現(xiàn)象,提出了一種基于拉普拉斯特征映射(LE)和極限學(xué)習(xí)機(jī)(ELM)的熱力參數(shù)傳感器故障診斷模型。該方法首先利用LE算法提取傳感器的故障特征參量,并保持高維數(shù)據(jù)的距離相似性,減少離群點(diǎn)的出現(xiàn),接著利用ELM作為故障模式的訓(xùn)練和診斷分類器。最后通過(guò)熱力參數(shù)傳感器的故障診斷實(shí)例驗(yàn)證了方法的有效性,實(shí)驗(yàn)結(jié)果表明,采用LE-ELM的組合進(jìn)行熱力參數(shù)傳感器故障診斷相比其他方法具有更高的診斷準(zhǔn)確率。
【部分圖文】：

示樣本的期望輸出值，n為網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)，m為輸出層節(jié)點(diǎn)數(shù)。設(shè)隱含層神經(jīng)元的激活函數(shù)為g(x)，則網(wǎng)絡(luò)輸出模型為∑mi=1βigi(xj)=∑mi=1βigi(ωixj+bi)=yj(3)式中:j=1，2，…，N;ω為輸入節(jié)點(diǎn)與第i個(gè)隱層神經(jīng)元的權(quán)重，ω=［ωi1，ωi2，…，ωin］T;βi為第i個(gè)隱層神經(jīng)元與輸出節(jié)點(diǎn)的權(quán)重，βi=［βi1，βi2，…，βim］T;bi為第i個(gè)隱層神經(jīng)元的閾值;yj為輸出值;L為隱層神經(jīng)元個(gè)數(shù)。極限學(xué)習(xí)機(jī)的具體模型結(jié)構(gòu)如圖1所示。圖1極限學(xué)習(xí)機(jī)模型為求解方便，將式(3)改寫(xiě)成矩陣形式:Hβ=Y(4)

)，計(jì)算隱含層輸出矩陣H;(3)計(jì)算輸出層權(quán)重:^β=H錛T。3基于LE和ELM的熱力參數(shù)傳感器故障診斷3．1診斷模型根據(jù)流形學(xué)習(xí)理論可知，嵌入在高維數(shù)據(jù)中的低維流形結(jié)構(gòu)常常難以被挖掘［14］，而熱力參數(shù)傳感器輸出故障信號(hào)的連續(xù)動(dòng)態(tài)特性使得原始樣本特征之間存在強(qiáng)相關(guān)性，且局部化特征較明顯，LE算法可以保證在挖掘低維流形結(jié)構(gòu)的過(guò)程中不破壞樣本點(diǎn)之間的距離相似性，減少離群點(diǎn)的個(gè)數(shù)，同時(shí)從相關(guān)程度較高的特征之間提取規(guī)律性強(qiáng)、敏感性好的特征。基于LE和ELM的火電機(jī)組熱力參數(shù)傳感器故障診斷流程如圖2所示，主要包括以下幾個(gè)步驟:圖2基于LE和ELM的熱力參數(shù)傳感器故障診斷流程(1)采集故障數(shù)據(jù):采集熱力參數(shù)傳感器不同故障下的異常輸出信號(hào)，構(gòu)成原始故障樣本集，并對(duì)其進(jìn)行歸一化的預(yù)處理，得到標(biāo)準(zhǔn)化樣本集;(2)LE算法特征提取:利用LE算法對(duì)標(biāo)準(zhǔn)化樣本集進(jìn)行特征提取，得到高維數(shù)據(jù)的低維嵌入坐標(biāo);(3)劃分訓(xùn)練樣本和測(cè)試樣本:將經(jīng)過(guò)LE算法處理后的樣本特征參量劃分為訓(xùn)練樣本集和測(cè)試樣本集，分別用于ELM的訓(xùn)練和測(cè)試;(4)ELM的學(xué)習(xí)訓(xùn)練過(guò)程:確定隱含層神經(jīng)元個(gè)數(shù)，隨機(jī)設(shè)置輸入層與隱含層的連接權(quán)重以及隱含層神經(jīng)元的閾值，輸入訓(xùn)練樣本，選擇激活函數(shù)，計(jì)算輸出層權(quán)重;(5)故障診斷:輸入測(cè)試樣本集，利用訓(xùn)練好的ELM模型對(duì)測(cè)試樣本進(jìn)行分類，完成故障模式識(shí)別。3．2實(shí)驗(yàn)配置本文實(shí)驗(yàn)選用某火電廠一臺(tái)600MW火電機(jī)組中的主蒸汽溫度傳感器作為測(cè)試傳感器，在對(duì)該傳感器進(jìn)行故障狀態(tài)分析的基礎(chǔ)上，從實(shí)際運(yùn)行數(shù)據(jù)獲得了該傳感器包含正常、完全失效、精度下降、恒定偏差、漂移5種故障模式下的故障樣本各150個(gè)，每個(gè)樣本由120個(gè)數(shù)據(jù)點(diǎn)構(gòu)成。實(shí)驗(yàn)平臺(tái)為MATLABＲ2014a，CPU為酷睿雙核3．5GHz，內(nèi)存為4G，故障模

96InstrumentTechniqueandSensorOct.2017(a)完全失效(b)精度下降(c)恒定偏差(d)偏移故障圖3熱力參數(shù)傳感器典型故障波形圖120的標(biāo)準(zhǔn)化樣本矩陣�；痣姍C(jī)組的熱力系統(tǒng)環(huán)境的復(fù)雜性造成了溫度傳感器數(shù)據(jù)的波動(dòng)性，通常會(huì)包含一定的噪聲，而噪聲的存在是特征提取過(guò)程中產(chǎn)生離群點(diǎn)的主要因素之一，為觀察不同預(yù)處理方法下低維空間中特征參量的離群點(diǎn)分布情況，本文分別利用PCA和LE算法對(duì)標(biāo)準(zhǔn)化樣本矩陣進(jìn)行特征提取，目標(biāo)子空間d=2，經(jīng)過(guò)兩種方法降維處理后的二維特征分布圖如圖4、圖5所示。由圖4、圖5可知，經(jīng)LE算法特征提取后的特征參量的聚類效果明顯優(yōu)于PCA，該實(shí)驗(yàn)證明了經(jīng)過(guò)LE算法處理后的樣本離群點(diǎn)個(gè)數(shù)更少，更適合于ELM模型的訓(xùn)練和測(cè)試。若要對(duì)特征參量進(jìn)行可分性測(cè)度分析，可以用類間距Sb和類內(nèi)距Sw對(duì)特征提取的聚類效果進(jìn)行評(píng)價(jià)，若特征參量表達(dá)式為(f1，f2，…，fd)，則兩個(gè)參數(shù)的表達(dá)式分別為:Sb=∑cp=1(μpf－μs詅)(μpf－μs詅)T(8)圖4PCA二維特征分布圖圖5LE二維特征分布圖Sw=∑cp=1∑fk∈Cp(fk－μpf)(fk－μpf)T(9)式中:c為故障類別數(shù);μpf為某一類樣本特征參量的平均值;μf為所有類樣本特征參量的平均值。明顯地，類間距越大，類內(nèi)距越小，聚類效果也越好。對(duì)于兩組實(shí)驗(yàn)得到的類間距Bb和類內(nèi)距Sw結(jié)果如表2所示。從表2數(shù)據(jù)可以看出經(jīng)過(guò)LE算法預(yù)處理后的熱力參數(shù)傳感器故障樣本特征，聚類效果更好，說(shuō)明了LE算法可以有效提取該傳感器故障時(shí)的局部化特征。表2類間距與類內(nèi)距評(píng)價(jià)類型SbSwSb/SwPCA0．0541．2380．0436LE0．0363．3×10－610.9×103

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張鴻輝;閆艷軍;黃貞貞;;基于神經(jīng)模糊系統(tǒng)的傳感器故障診斷分析[J];現(xiàn)代商貿(mào)工業(yè);2009年16期

2 宋彥彬;電腦臺(tái)車傳感器故障診斷[J];工程機(jī)械與維修;1998年06期

3 朱平,黃文虎,姜興謂,王日新;基于模型的傳感器故障診斷技術(shù)的研究[J];傳感技術(shù)學(xué)報(bào);1999年01期

4 郭其一,王立德;一種基于解析性冗余的傳感器故障診斷技術(shù)[J];鐵道學(xué)報(bào);2000年04期

5 熊良才,史鐵林,楊叔子;機(jī)電系統(tǒng)中傳感器故障診斷的控制圖法[J];機(jī)械與電子;2000年05期

6 黃孝彬,牛玉廣,劉吉臻,劉武林;基于模糊動(dòng)態(tài)模型的傳感器故障診斷方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2003年03期

7 尤富強(qiáng),田作華,施頌椒;線性時(shí)滯系統(tǒng)的傳感器故障診斷[J];哈爾濱工程大學(xué)學(xué)報(bào);2005年04期

8 許秀玲,汪曉東,張浩然;基于卡爾曼濾波器的傳感器故障診斷[J];儀器儀表學(xué)報(bào);2005年S1期

9 范小丹;劉曉勇;佟紹成;;模糊時(shí)滯系統(tǒng)的傳感器故障診斷[J];遼寧工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年06期

10 張婭玲;陳偉民;章鵬;胡順仁;黃曉微;鄭偉;;傳感器故障診斷技術(shù)概述[J];傳感器與微系統(tǒng);2009年01期

相關(guān)會(huì)議論文 前9條

1 許秀玲;汪曉東;張浩然;;基于卡爾曼濾波器的傳感器故障診斷[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

2 張柯;李文然;;一種新的傳感器故障診斷設(shè)計(jì)方法[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

3 鄧方;陳杰;陳文頡;;基于數(shù)據(jù)特征的多線傳感器故障診斷[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

4 龔瑞昆;;離散小波變換在傳感器故障診斷中的應(yīng)用[A];中國(guó)儀器儀表學(xué)會(huì)第三屆青年學(xué)術(shù)會(huì)議論文集（下）[C];2001年

5 郭剛;王正兵;;基于連續(xù)小波變換的傳感器故障診斷研究[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

6 李亞楠;段立;顧方勇;;基于支持向量機(jī)的傳感器故障診斷研究[A];艦船電子裝備維修理論與應(yīng)用——中國(guó)造船工程學(xué)會(huì)電子修理學(xué)組第四屆年會(huì)暨信息裝備保障研討會(huì)論文集[C];2005年

7 李華;胡協(xié)和;;完全冗余及在傳感器故障診斷中的應(yīng)用[A];1997中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

8 于蓮芝;梁衛(wèi)沖;顏國(guó)正;;現(xiàn)場(chǎng)總線基于知識(shí)的智能傳感器故障診斷(英文)[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

9 錢(qián)朋朋;劉金國(guó);張偉;魏英姿;;基于多尺度主元分析的傳感器故障診斷[A];中國(guó)儀器儀表學(xué)會(huì)第十三屆青年學(xué)術(shù)會(huì)議論文集[C];2011年

相關(guān)博士學(xué)位論文 前1條

1 付克昌;基于結(jié)構(gòu)優(yōu)化PCA的傳感器故障診斷方法及其應(yīng)用研究[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 任大明;基于神經(jīng)網(wǎng)絡(luò)的航空發(fā)動(dòng)機(jī)傳感器故障診斷研究[D];中國(guó)民航大學(xué);2012年

2 曹文明;異步電機(jī)驅(qū)動(dòng)系統(tǒng)中的電流傳感器故障診斷[D];華中科技大學(xué);2015年

3 黃治軍;基于小波分析的傳感器故障診斷研究[D];西北工業(yè)大學(xué);2004年

4 楊建平;傳感器故障診斷的研究與應(yīng)用[D];華北電力大學(xué)（北京）;2004年

5 于鳳滿;基于模型的傳感器故障診斷研究[D];青島理工大學(xué);2010年

6 高翔;基于小波分析的燃料電池發(fā)動(dòng)機(jī)傳感器故障診斷研究[D];武漢理工大學(xué);2010年

7 陳毅;航空發(fā)動(dòng)機(jī)控制系統(tǒng)傳感器故障診斷研究[D];南京航空航天大學(xué);2007年

8 王霞;基于神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)傳感器故障診斷研究[D];西北工業(yè)大學(xué);2002年

9 胡雅馨;基于粗糙集與證據(jù)理論的瓦斯傳感器故障診斷技術(shù)的研究[D];遼寧工程技術(shù)大學(xué);2009年

10 任翠蕾;基于多源信息融合的傳感器故障診斷技術(shù)的研究[D];華北電力大學(xué);2012年

本文編號(hào)：2814499