交叉分段PCA在锅炉故障诊断中的应用

发布时间：2021-08-20 16:23

　　工业锅炉系统通常被认为是单模态系统,但是当其负荷变化时,系统会呈现出明显的时变和多模态特性,传统的主成分分析（PCA）方法难以实施有效地故障监测.针对这类问题,提出了一种交叉分段PCA故障诊断方法,选择某一参数值作为负荷变化的模态识别值,通过交叉重叠的分段方法建立多个模型进行监测,交叉部分定义为模态过渡过程,在模态过渡过程利用两个模型进行综合判断,提高故障监测的准确度.通过在某实际工业锅炉的应用表明,与传统PCA方法相比,该方法能够显著提高故障诊断的准确度. 

【文章来源】：信息与控制. 2020,49(04)北大核心CSCD

【文章页数】：6 页

【部分图文】：

循环泵故障贡献图

对于工业锅炉这类连续生产过程, 不存在多个稳定模态和过渡模态. 因此需要选择特定的工况识别参数作为模态识别值, 并将模态识别值按顺序排列, 然后根据该值的大小把生产过程划分成不同的模态, 如图1所示.如图1所示, 不同模态包含不同的样本数据集, 在监测过程中, 如果样本处于过渡区域, 容易出现模态跃迁, 增大误报的可能性, 降低模型的监测能力. 交叉分段思想是在模态重构过程中, 使相邻模态之间部分数据重叠, 产生一个缓冲区域, 重叠部分的数据包含相邻模态之间的过渡过程, 增强了模型的抗干扰能力, 其中模态划分如图2所示.

如图1所示, 不同模态包含不同的样本数据集, 在监测过程中, 如果样本处于过渡区域, 容易出现模态跃迁, 增大误报的可能性, 降低模型的监测能力. 交叉分段思想是在模态重构过程中, 使相邻模态之间部分数据重叠, 产生一个缓冲区域, 重叠部分的数据包含相邻模态之间的过渡过程, 增强了模型的抗干扰能力, 其中模态划分如图2所示.利用交叉分段PCA方法建立多个模态模型库, 每个模态存在样本重叠部分和不重叠部分, 由于不重叠部分的样本数据不存在过渡特性, 对于该过程数据利用所在模态的模型进行监控; 重叠部分的数据存在过渡特性, 利用重叠部分所在的两个模态的模型共同监测, 两个模型中, 任意一个监测正常, 说明该数据正常, 两个模型监测都不正常说明存在异常.

【参考文献】：
期刊论文
[1]基于一维卷积自编码器—高斯混合模型的间歇过程故障检测[J]. 王硕,王培良.  信息与控制. 2019(03)
[2]基于多块信息提取的PCA故障诊断方法[J]. 顾炳斌,熊伟丽.  化工学报. 2019(02)
[3]基于PCA的卷烟制丝过程监测与故障诊断[J]. 王伟,赵春晖.  控制工程. 2017(12)
[4]基于动态全主成分回归质量相关的故障检测[J]. 王光,孙程远,尹珅.  信息与控制. 2017(06)
[5]基于在线支持向量机的锅炉动态建模方法研究[J]. 张晓宇,付林,沈炯,李益国.  中国电机工程学报. 2017(S1)
[6]基于主元分析的锅炉系统故障检测与诊断[J]. 李传金,王文标,花义锋,高世泽.  机电信息. 2016(24)
[7]化工过程自适应多模型故障监测方法研究[J]. 罗静,胡瑾秋,张来斌,马曦.  中国安全科学学报. 2016(07)
[8]基于k-ICA-PCA方法的多模态过程模态的划分[J]. 李元,刘宁,唐晓初.  控制工程. 2015(03)
[9]基于BP神经网络的齿轮故障诊断[J]. 吴伟,郑娟.  机械研究与应用. 2015(01)
[10]主元分析方法在火电厂锅炉过程故障检测中的应用[J]. 黄孝彬,刘吉臻,牛玉广.  动力工程. 2004(04)

博士论文
[1]基于多模型PCA的翻车机液压系统故障诊断研究[D]. 鄂东辰.燕山大学 2018
[2]基于自适应PCA和时序逻辑的动态系统故障诊断研究[D]. 刘康玲.浙江大学 2017
[3]基于数据驱动的复杂多模态过程模态识别及过程监测研究[D]. 张淑美.东北大学 2016



本文编号：3353828