基于改进PCA算法的振荡故障根因定位方法

发布时间：2021-11-17 02:46

　　考虑到工业系统中对系统性能影响巨大的振荡故障,提出一种改进的主成分分析（Principal Component Analysis,PCA）方法来实现整个系统的故障根因定位。引入格兰杰因果检验理论扩展PCA方法实现振荡变量传播路径分析,从而确定故障根因。将该方法应用于固体氧化物燃料电池（SOFC）发电系统上。仿真结果表明,改进后的PCA方法能够准确地在线定位SOFC发电系统振荡源,具有很好的实用性,并为其他复杂工业系统的故障根因定位提供参考。 

【文章来源】：计算机应用与软件. 2020,37(11)北大核心

【文章页数】：7 页

【部分图文】：

振荡故障定位流程图

采用1 kW带水蒸气重整SOFC发电系统的过程数据进行振荡故障定位分析。该独立发电系统由SOFC电堆集成热箱(含重整器、燃烧室与换热器)与冷箱(含风机、功率变换器与控制系统)等外围部件(Balance of Plant,BOP)组成,图2为系统流程示意图,具体的系统描述可参考文献[15]。图2给出主要传感器分布情况,这些传感器测量包括气体流量、压力以及各组件内部温度共21个过程变量数据。从系统中每隔1 s采集24个过程变量数据用于振荡故障分析,包括上述传感器数据以及电堆电压、电流和功率三组电特性数据,图3为过程数据归一化时间趋势曲线。可以看出,将近一半的过程变量都出现了不同程度的振荡。由于整个发电过程涉及变量众多、控制回路关联性复杂,振荡信号可以很容易地在多个控制回路中传播,因而很难确定故障源。

从系统中每隔1 s采集24个过程变量数据用于振荡故障分析,包括上述传感器数据以及电堆电压、电流和功率三组电特性数据,图3为过程数据归一化时间趋势曲线。可以看出,将近一半的过程变量都出现了不同程度的振荡。由于整个发电过程涉及变量众多、控制回路关联性复杂,振荡信号可以很容易地在多个控制回路中传播,因而很难确定故障源。4.2 仿真实验结果与讨论

【参考文献】：
期刊论文
[1]基于混合PCA模型的多工况过程监控方法[J]. 张建明,徐磊,许仙珍,谢磊.  控制工程. 2010(04)

博士论文
[1]基于多元统计分析的故障诊断与质量监测研究[D]. 胡静.浙江大学 2015

硕士论文
[1]数据驱动的非线性过程监测方法研究[D]. 任泽林.哈尔滨工业大学 2017



本文编号：3500058