改善發電設備故障檢測的方法和裝置的製作方法
2023-09-10 11:06:30
專利名稱：改善發電設備故障檢測的方法和裝置的製作方法
本申請要求美國2004年8月25日申請的申請號為60/604374的優先權，其全部內容在本文引作參考。
背景技術：
大型機器，比如發電設備，從購買、安裝、到維護、工作都非常昂貴。因此，確定這類設備是否在所期望的工作參數範圍內工作是非常重要的。對表示設備在這些所期望的參數之外工作的情況進行檢測也是非常重要的，其中設備在這些所期望的參數之外工作會導致設備受損。為了檢測這類狀況，通常採用傳感器來檢測工作參數，比如各種部件的壓力、溫度等等，如果具體的測得值超過了某一特定參數的預定閾值，那麼確定發生了故障。最近，關於故障測量系統的方法更加普遍地去改善檢測故障是否存在的準確性。公知的技術，比如神經網絡、多元狀態估計法(MSET)和模糊邏輯，已經用於上述目的。這類方法都是採用由多個傳感器收集到的、表示過去正常工作和故障狀況的歷史數據，來產生一個模型用於監測設備工作產生的未來數據。如果未來數據與歷史數據模型偏差太多，那麼會發出警告並確定產生了故障。
現有技術中的故障檢測方法通常依賴於歷史數據，來產生觀測到的工作值的估計值，其中這些工作值是期望用特定的傳感器來檢測的。然後，用傳感器檢測實際工作值，並與估計值進行比較。接著，對傳感器餘數(residue)或者估計值與觀測值之間的差值進行計算，如果這個餘數高於所期望的閾值，那麼確定產生了故障。然而，在這類先前的傳感器估計法中，特定傳感器的估計值通常受到採用了故障傳感器而獲得的測得值的影響。特別是，典型的先驗估計法依賴於幾個傳感器測量同一特性的測量值(如多個傳感器來測量一個渦輪機的葉片溫度)以產生來自於各個傳感器期望值的估計值。這類從幾個傳感器中導出的測得值在本文稱作向量。這些方法中通常使估計值與初始值之間的誤差最小化，並有將全部傳感器中個體傳感器的值之間的偏差擴散的趨勢。結果，如果一個傳感器出了故障，會在其測得值中產生明顯誤差，這個誤差將會被分布到全部沒有故障的傳感器中，因此將降低每個傳感器綜合估計值的準確性。這種誤差分布在本文稱作溢出效應。
為了減少這種溢出，已經採用了各種估算法，比如利用公知的梯度下降函數來求解的方法。這類方法的例子可以參見R.J.Huber的「Robust Statistics」，Wiley-Interscience 1981年出版。然而，這些方法需要對控制參數進行選擇，來控制函數以多快的速度收斂。選擇這種控制參數實際上是很困難的。另外，這類方法傾向於集中慢慢地收斂以得到一優化估計值，因此在許多工作應用中是不能實行的。其它試圖減少這種溢出效應的嘗試還包括回歸方法，比如公知的核函數回歸(kernel regression)或多元狀態估計法(MSET)。這類方法在2000年11月在華盛頓召開的關於核電站設備、控制和人機接口技術的國際主題會議上由A.V.Gribok、J.W.Hines和R/E.Uhrig發表的「Use of Kernel BasedTechniques for Sensor Validation」文章中有詳細的描述，這篇文章在本文引作參考。然而，這些回歸方法計算量很大，需要與傳感器數量相等的回歸網絡數量。另外，這種回歸模型在有故障傳感器時也是不準確的。
發明內容
本發明提供一種利用傳感器置信度(sensor confidence)檢測設備中故障的方法和裝置，還提供一種在利用這些傳感器進行測量時確定發電設備正常工作範圍的改進方法。
特別是，根據本發明的一個實施方式，給傳感器分配的置信度同這個傳感器的餘數成比例。如果傳感器具有高的餘數，那麼分配給這個傳感器很小的置信度。如果傳感器具有很低的餘數，那麼分配給這個傳感器很高的置信度，並且給這個傳感器和其它傳感器設定適當的加權。隨後用這個置信度來產生對發電設備特性觀測值的經修整的估計值。
根據本發明的另一實施方式，採用特徵空間軌跡(FST)方法來模擬發電設備特性的正常工作範圍曲線分布。具體來說，是將這種FST方法與最小跨度樹(MST)方法結合起來使用來確定多個點，然後將這些點用大致為曲線的線段連接起來。一旦這個曲線大致形成，檢測傳感器置信度的方法，如前面所討論的，可以用來確定及改善傳感器估計值。
對本領域技術人員來說，通過參考下面詳細說明和附圖，可以清楚了解本發明的這些以及其它優點。
圖1示出了傳感器向量估計示意圖和利用監測系統收集到的觀測值，以及這些估計量/值是如何與舉例的渦輪發電機正常工作範圍進行比較的；圖2示出了舉例的傳感器置信度值函數的示意性圖表，其中這個函數用於根據本發明原理給傳感器分配置信度；圖3示出了根據本發明一個實施方式的方法，其利用圖2中示出的傳感器置信度值函數來獲得改善的估計值X；圖4示出了發電設備某一特性的正常工作範圍的示意性特徵空間軌跡(FST)模擬；圖5示出了一種根據本發明原理的方法，其對圖4中的FST模擬進行了改善；圖6示出了採用了圖4中曲線表示的訓練數據的特徵空間軌跡，其中舉例示出了三個質心位置V』1、V』2、V』3，並是利用最小跨度樹(MST)方法連接起來的；圖7示出了計算機的示意圖，該計算機適於計算傳感器置信度值和/或執行計算及確定與FST/MST相關的方法，該方法用於確定發電設備的正常工作範圍。
具體實施例方式
圖1示出了傳感器向量估計示意圖和利用監測系統收集到的觀測值，以及這些估計/值是如何與正常工作範圍進行比較的，例如，發電渦輪機中的部件的溫度。特別是，參考圖1，兩個傳感器，本文指定傳感器1和傳感器2是監測系統的一部分。例如傳感器1是故障傳感器，傳感器2沒有故障。這些傳感器例如是被設置用來監測前述渦輪機工作特性，示意性的舉例來說，工作特性是渦流機中葉片的葉片通道溫度。本領域的技術人員可以理解，如從圖1中所看到的，多個溫度測得值，比如由傳感器1和傳感器2獲得的測得值，可以分別用向量102和103來表示。具體來說，沿垂直方向和水平方向的向量102和103分別表示的測得值例如是葉片通道溫度測得值x1(由傳感器1測得)和x2(由傳感器2測得)。因此，測得值形成二維圖表而不是採用由單個傳感器得出的溫度測得值的簡單一維區域，其中這個二維圖表是分別從傳感器1和傳感器2中獲得的溫度測得值x1和x2的函數。因此，圖1中每個點表示一個垂直分量和一個水平分量，其中這個垂直分量是由傳感器1測得的一個或多個測得值，水平分量是由傳感器2測得的一個或多個測得值。
正常工作範圍101是表示例如為發電設備的正常工作範圍的曲線，並且是通過公知方法來確定的，這個公知方法中是利用設在發電設備所期望的位置上的傳感器來收集與該設備工作有關的歷史數據。這些數據或者部分數據用於估計，並採用公知的統計模式方法來描述出該設備的正常工作範圍。在設備工作過程中，如果某一測得值明顯偏離計算出的正常工作範圍，那麼可以確定出現了故障。對發電設備正常工作範圍曲線101的確定將在下文進一步討論。
再次看圖1，一旦確定了正常工作範圍101，隨後可以通過傳感器1和傳感器2獲得工作特性(比如溫度)的測得值。向量x107表示由傳感器1和傳感器2獲得的溫度值的理想估計值的位置，或者換句話說，是實際工作葉片通道溫度的值。然而，再次假設傳感器1是個故障傳感器，因而其測得值是不準確的。如圖1所示，在這種情況下，這些由傳感器1和2獲得的測量值是觀測向量y110。這一點是可以看到的，向量y110從理想估計值x107位置處沿垂直方向偏移一定量，這是由故障傳感器1引起的誤差。這個垂直偏移在本文中稱作傳感器2的傳感器餘數，並由傳感器1中的故障直接導致的。
在先前的故障監測系統中，一旦測量到諸如傳感器向量y的觀測值，那麼通常將盡力使測得值中的任何誤差最小化。這個努力通常包括將觀測向量映射到在正常工作範圍內最近的點上，將這個最近點作為實際測得值。參考圖1，根據這個方法，通過確定正常工作範圍101上到向量y110的最近點，可以使向量y110相對於設備正常工作範圍表示的誤差最小化。這個最近點用 表示，其是在正常工作範圍101上距離向量y110最短距離104的點。點 沿垂直和水平方向分別偏離理想估計值107距離105和106。本領域技術人員將可以觀察到，原始觀測到的向量y110沒有相對於x107沿水平方向偏移，點 偏移距離106。距離106在本文中稱作傳感器2的溢出誤差，正如前面討論的，這個溢出誤差是由故障傳感器1在正常工作傳感器測量值中引起的誤差。在這個情況中，努力將觀測到的向量y110映射到正常工作範圍上，會直接導致溢出，該溢出是由於故障傳感器1引起的錯誤。
根據本發明的原理，這個溢出問題可以大致得到解決。具體來說，根據本發明的一個實施方式，給傳感器分配置信度，這個置信度同這個傳感器相關的餘數成正比。如果該傳感器具有很高的餘數，那麼分配給這個傳感器很小的置信度。如果傳感器具有很低的餘數，則分配給這個傳感器很高的置信度，並提供給這個傳感器和其它傳感器適當的權值。具體來說，給第i個傳感器定義的置信度，wi，是wi＝g(di)等式1其中wi是第i個傳感器的置信度，di是第i個傳感器的觀測傳感器值和估計傳感器值之間的歸一化的絕對差值。對一個特定的傳感器來說，隨著該傳感器的值與估計值之間的差值增加，該傳感器的餘數也增加。具體來說，di如下定義di=|x~i-yi||x~-y|]]>等式2其中，再次強調， 是利用傳統統計模型估計的全部傳感器組合中的傳感器向量估計值； 是利用這個模型，第i個傳感器中的傳感器向量估計值；yi是第i個傳感器的觀測傳感器向量；y是從全部傳感器組合中測得的觀測傳感器向量。歸一化的絕對差值用來減少不同傳感器餘數被歸一化的影響。圖2示出了置信度值函數201的示意性圖表，其中這個函數用於根據本發明描述的方法給傳感器分配置信度。再次參看圖2，本領域技術人員可以理解，沿垂直軸202分配給傳感器的置信度g(di)是一個隨著di的增加而從1到0減少的函數，用水平軸203表示。具體來說，圖2示出了用下列等式定義的示意性置信度值函數g(d)g(d)＝exp(γd2) 等式3其中，d如前面所定義的，γ是所選擇的收斂值，其中γ＜0。如圖2所示出的圖表，γ是按照g(1)＝0.001的方式來進行選擇。
通過採用這樣的置信度值函數，可以獲得經更新的、更準確的傳感器向量估計值 具體來說，第i個傳感器的這種改善的傳感器向量估計值 可以通過下式進行計算x^i=wiyi+(1-wi)x~i]]>等式4其中，等式4中的變量如前所述。這一點從圖1中可以看到，新更新的明顯地在水平方向靠近於理想估計值x，因此由故障傳感器1引起的溢出效應可以大大的減少。
圖3示出了根據本發明一個實施方式的方法，其中利用上面的等式和圖2中的傳感器置信度值函數獲得了經改善的估計值x。尤其是，參考圖3，在步驟301中，為了計算觀測傳感器值y和傳感器估計值 之間的歸一化的絕對差值di，觀測傳感器向量y輸入到等式2中。接下來，在步驟302，這個經計算的di值利用圖2中示出的置信度值函數映射到特定置信度值wi＝g(di)上，正如上述討論的那樣。一旦確定了wi值，在步驟303，觀測傳感器向量yi和初始估計值 輸入到等式4中以獲得如前面所討論的值 一旦為每個傳感器計算了這個值，在步驟304，對新的 進行計算，這個值是觀測傳感器向量改良的估計值，其中這個觀測傳感器向量是考慮了減少分配給傳感器1的置信度而被精修的。接著，在步驟305，這個新的值 隨後輸入到統計模型中以確定新的、經更新的值 在步驟306，需要確定是否新的 到先前計算好的 之間的距離小於所期望的閾值。如果小於，那麼在步驟307中，電流值 則用作理想估計值x的最佳值。如果相反，在步驟305，新的 與先前計算好的 之間的距離大於所期望的閾值，那麼程序要回到步驟301並用這個新的值 來根據等式2來計算更新的di、新的 值。按照前面所描述的繼續進行程序直到電流值 到先前值 之間的距離小於所期望的閾值。按照這個方式，由於給傳感器分配了置信度值，因此可以顯著降低故障傳感器對正常工作傳感器測量值的溢出。
為了確保上面描述的傳感器置信度方法是準確的，必須要確保正常工作範圍，如圖1中的曲線101，的識別是精確的識別。本發明已經發現，在許多例子中，工作設備，比如發電設備，具有一個或多個組高度關聯的傳感器，比如前述渦輪機中的葉片通道溫度傳感器。這些傳感器被稱作高度關聯，是因為這些傳感器相對於另一個傳感器是在物理上位於已知位置上的，並且通過另一個傳感器的測量值可以相對準確地、沒有失誤地預知一個傳感器的未來測量值。本領域的技術人員將可以發現，由於這個關聯關係，任何一對高度關聯的傳感器在二維空間上的分布都像個曲線。由於這個關聯關係，可以假設由這些傳感器的測量值組成的傳感器向量的分布也是一個曲線。為了根據歷史傳感器測量值形成曲線進而獲得發電設備的正常工作範圍曲線，採用了公知的使用原理性曲線和同樣公知的變異方法。尤其是，這種方法包括確定在傳感器向量空間穿過訓練數據中心的曲線。然而，這種方法常常是不妥當的，因為它們不能恰當地收斂成所期望的曲線，尤其是在曲線為複雜形狀的時候。結果，表示發電設備正常工作範圍的特定曲線有時很難確定。
因此，本發明人已經認識到特徵空間軌跡法可以用來模擬發電設備特性的正常工作範圍曲線分布。這些特徵空間法在其它領域也是被普遍公知的，例如圖像識別，因此，這裡僅對其進行描述到使大家理解本發明原理的程度。通常，這些FST方法在對多個節點進行識別並將這些節點用近似曲線的線段進行連接方面很有幫助。圖4給出了一種用於舉例的FST模擬，在下文中我們將對其進行進一步探討，在這個例子中，模擬包括三條線段v1v2、v2v3和v3v4。如上所述，再次使用測試輸入向量y進行統計得到值 在這個例子中， 是使y與線段之間產生最小距離401的估計值。如前面討論那樣，一旦確定了值 那麼也就確定了傳感器置信度，改良的傳感器估計值也可以迭代形成。
為了計算FST，例如圖4中的FST 400，典型地，必須知道圖4中的諸如v1、v2、v3和v4節點，並且還要知道這些節點的順序，這樣才能將這些節點依次連接，形成一條曲線。然而，在本例子中，訓練數據中的節點和它們的順序都是不知道的，因此必須從訓練傳感器向量數據組中得到這些信息。因此，本發明人已經認識到k均值聚類(k mean clustering)可以用來確定存在於訓練數據中的傳感器向量，然後再得到用於FST的節點。在這種k均值聚類中，通過確定數據組中的數據點(例如傳感器訓練數據)與質心位置之間的距離並根據每個點與一個質心之間的最小距離來將數據點分組，可以確定一組數據中的多個質心位置。這種聚類是公知的，這裡不再進一步描述。
一旦確定了節點，則必須要確定節點的順序並將它們根據這個順序連接起來。根據本發明原理的實施方式中，採用最小跨度樹(MST)運算法則來完成這個任務。正如公知的，MST運算法則有助於按照連接長度的總和(跨度)最短的方式連接多個點。這個結果通常繪成樹狀曲線圖。然而，在這個例子中，所期望的的樹要模擬發電設備的正常工作範圍。因為這樣，本發明人認為，通過給MST法則的函數施加某種限制，那麼很可能將前面描述的FST方法產生的節點連接起來，並對正常工作範圍曲線進行準確的模型化。尤其是，圖5中示出了根據本發明一個實施方式的方法對圖4中的FST進行改進。具體來說，在步驟501中，對將要連接的初始k個節點進行確定，這個例子中k＝3。這個數目與訓練數據中最初確定的質心數目是相對應的，並且這個數目也是模擬一個曲線所必須的最少點數(兩個點只能連成一條連接這兩個點的直線)。接下來在步驟502，應用k均值聚類來確定三個質心位置。參考圖6，採用由圖4中曲線表示的訓練數據，示意性地確定了三個質心位置v』1、v』2和v』3。接著，在步驟503，正如前面所述的，對這些k個節點應用MST算法以將它們按順序連接起來，在圖6中用線601和602表示。然而，為了確保這些節點能夠形成曲線，在步驟504，要確定兩個端點是否屬於一邊(即是僅將一個節點與另一個節點連接)。如果是屬於一個邊，在步驟505中，要確定全部剩餘節點(即兩個邊節點之間)是否屬於兩個邊(也就是說僅將另外的兩個節點同他們連接)。步驟504和505的作用是確保這些節點可以形成曲線模型而不是其它形狀，比如具有單個分開段的數。如果在步驟505，確定了每個中間節點屬於兩個邊，那麼在步驟506，進一步確定相鄰邊之間形成的角度θ是否大於預定角度，比如30度。這是防止MST形成的訓練數據邊界具有鋸齒狀邊緣。如果在步驟506中確定了為是，那麼在步驟507，將k修改為k＝k+1，在這個情況下k＝4，程序返回到步驟502。在這種情況下，當k＝4時，圖4中示意性的FST將會改進為具有線段v1v2，v2v3和v3v4。對本領域的技術人員來說很顯然，遵守上面限制的節點數越多，則圖1的正常工作範圍101的估計值將會越準確。因此，上面的程序隨著k值的增加反覆的進行，直到步驟504、505或506中的一個步驟確定為否。在這種情況下，在步驟508，MST程序的結果作為由訓練數據來確定發電設備正常運行範圍的最終表示結果。
本領域的技術人員可以理解，利用傳感器置信度值和/或檢測發電設備正常工作範圍的FST/MST方法的監測系統，正如前面所描述的，可以在可編程的計算機上執行，這個計算機適於執行電腦程式步驟來計算置信度值函數和/或FST/MST。參考圖7，這種監測系統700可以在任何適當的計算機上執行，這個計算機適於接收、存儲和傳送諸如前述電話薄信息的數據。尤其是，例如示意性的監測系統700具有處理器702(或者多個處理器)，其控制監測系統700的全部工作過程。這種工作由存儲在存儲器703中的電腦程式指令來限定並由處理器702來執行。存儲器703可以是任何類型的計算機可讀介質，並且沒有限制是電的、磁的或者光學介質。然而在圖7中示出了一個存儲器單元703，應當理解的是存儲器單元703可以包括多個存儲器單元，這種存儲器單元包括任何類型的存儲器。監測系統700還包括示意性的數據機701和網絡接口704。監測系統700還包括存儲介質，比如計算機硬碟驅動器705用於存儲例如數據和按照前面所描述的適於本發明原理的電腦程式。最後，監測系統700還包括一個或多個輸入/輸出裝置，圖7中用終端706表示，用於允許與例如技術人員或者資料庫管理人員進行人機對話。本領域技術人員將可以理解，地址監測系統700事實上僅僅是示意性的，具有相同優點的各種硬體和軟體組件也適於用於根據本發明原理的計算機中。
應該理解，前面詳細的說明是示意性的和說明性的，而不是限制性的，本文所公開的發明範圍並不是從上述詳細說明中確定的，而是依據專利法允許的限度內，從權利要求中確定的。應該理解，示出和描述的實施方式僅僅是說明本發明原理的，本領域技術人員在不偏離本發明範圍和精神範圍內的各種調整都是可以的。本領域技術人員可以在不偏離本發明原理和精神範圍內將進行各種其它方式的組合。
權利要求
1.一種方法，用於改良具有監測系統的裝置中的工作數據測量值，所述監測系統包括多個傳感器，所述方法包括接收來自所述多個傳感器中一個傳感器的工作數據元，所述工作數據元表示所述裝置觀測條件的測量值；把所述傳感器的置信度值確定為所述工作數據元的函數；把所述測量值的估計值確定為所述置信度值的函數。
2.根據權利要求1的方法，其中所述裝置包括發電設備。
3.根據權利要求1的方法，其中所述確定置信度值的步驟還包括計算下列表達式di=|x~i-yi||x~-y|]]>其中 是利用統計模型組合起來的全部傳感器的傳感器向量估計值； 是第i個傳感器的傳感器向量估計值；di是第i個傳感器的測量值的工作數據元與一個估計值之間的歸一化的絕對差值；yi是第i個傳感器處的觀測傳感器向量。
4.根據權利要求1的方法，其中所述確定改良的估計值的步驟包括下列計算表達式x^i=wiyi+(1-wi)x~i]]>其中，wi是第i個傳感器的置信度； 是所述測量值改良後的估計值； 是第i個傳感器的傳感器向量估計值；yi是第i個傳感器處的觀測傳感器向量；
5.根據權利要求1的方法，其中所述確定置信度值的步驟包括計算觀測傳感器值和估計傳感器值 之間的歸一化的絕對差值；將所述歸一化的絕對差值映射到一個置信度值。
6.根據權利要求5的方法，其中所述映射步驟包括將所述歸一化的絕對差值映射到置信度值函數上，所述函數用下列表達式限定g(d)＝exp(γd2)其中，d是歸一化的絕對差值；γ是選擇的收斂因數。
7.根據權利要求6的方法，其中γ是按照g(1)＝0.001的方式選擇出來的。
8.根據權利要求1的方法，還包括利用所述測量值的改良估計值代替所述工作數據元來表示所述的觀測條件。
9.根據權利要求5的方法，其中計算觀測傳感器值和估計傳感器值 之間的歸一化的絕對差值，包括確定一組訓練數據中的多個節點，所述節點表示所述正常工作範圍；和通過將所述多個節點中的每個節點與至少一個其它節點連接估計出表示所述裝置正常工作範圍的曲線，上述連接是按照該連接長度的總和最小化的方式進行的。
10.根據權利要求9的方法，其中所述估計傳感器值 是位於所述曲線上的向量。
11.一種裝置，用於改良具有監測系統的裝置中的工作數據測量值，所述監測系統包括多個傳感器，所述裝置包括用於接收來自所述多個傳感器中一個傳感器的工作數據元的裝置，所述工作數據元表示所述裝置觀測條件的測量值；把所述傳感器的置信度值確定為所述工作數據元的函數的裝置；把所述測量值估計值確定為所述置信度值的函數的裝置。
12.根據權利要求11的裝置，其中所述設備包括發電設備。
13.根據權利要求11的裝置，其中所述確定置信度值的裝置還包括計算下述表達式的裝置di=|x~i-yi||x~-y|]]>其中 是利用統計模型組合起來的全部傳感器中的傳感器向量估計值； 是第i個傳感器的傳感器向量估計值；di是第i個傳感器的工作數據元與所述估計值之間的歸一化的絕對差值；和yi是第i個傳感器處的觀測傳感器向量。
14.根據權利要求11的裝置，其中所述確定改良的估計值的裝置包括計算以下表達式的裝置x^i=wiyi+(1-wi)x~i]]>其中，wi是第i個傳感器的置信度； 是所述測量值改良後的估計值； 是第i個傳感器的傳感器向量估計值；和yi是第i個傳感器處的觀測傳感器向量。
15.根據權利要求11的裝置，其中所述確定置信度的裝置包括用於計算觀測傳感器值和估計傳感器值 之間的歸一化的絕對差值的裝置；用於將所述歸一化的絕對差值映射到置信度值上的裝置。
16.根據權利要求15的裝置，其中所述用於映射的裝置包括將所述歸一化的絕對差值映射到置信度值函數上的裝置，所述函數用下列表達式限定g(d)＝exp(γd2)其中，d是歸一化的絕對差值；γ是選擇的收斂因數。
17.根據權利要求16的裝置，其中γ是按照g(1)＝0.001的方式選擇出來的。
18.根據權利要求15的裝置，其中所述計算觀測傳感器值和估計傳感器值 之間的歸一化的絕對差值的裝置包括用於確定一組訓練數據中的多個節點的裝置，所述節點表示所述正常工作範圍；和用於通過將所述多個節點中的每個節點與至少一個其它節點連接估計出表示所述裝置正常工作範圍曲線的裝置，上述連接是按照該連接長度的總和最小化的方式進行的。
19.根據權利要求18的裝置，其中所述估計傳感器值 是位於所述曲線上的向量。
20.一種方法，用於改良具有監測系統的裝置中的工作數據測量值，所述監測系統適於將至少一個與所述裝置工作特性有關的第一觀測值與該特性的正常工作範圍進行比較，所述方法包括確定一組訓練數據中的多個節點，所述節點表示所述裝置的正常工作範圍；按照所述連接長度的總和最小化的方式，將所述多個節點中的每個節點與至少一個其它節點連接。
21.根據權利要求20的方法，其中所述確定步驟包括利用k均值聚類算法確定一組訓練數據中的多個質心。
22.根據權利要求21的方法，其中所述確定步驟包括確定所述訓練數據中每個數據元與至少一個質心之間的距離。
23.根據權利要求22的方法，其中所述確定步驟包括通過將每個數據元與離所述數據元最近的質心相關聯形成多個節點。
24.根據權利要求23的方法，利用最小跨度樹法將所述節點進行連接。
25.一種用於檢測設備中故障的監測系統，包括多個傳感器中的第一傳感器，用於收集工作數據元，所述工作數據元表示所述設備觀測條件的測量值；利用所述工作數據元確定所述傳感器的置信度值的裝置；把所述測量值的估計值確定為所述置信度值函數的裝置。
26.根據權利要求24的監測系統，其中所述設備包括發電設備。
27.根據權利要求24的監測系統，其中所述確定置信度值的裝置還包括計算下述表達式的裝置di=|x~i-yi||x~-y|]]>其中 是利用統計模型組合起來的全部傳感器的傳感器向量估計值； 是第i個傳感器的傳感器向量估計值；di是所述第i個傳感器的工作數據元與一個估計值之間的歸一化的絕對差值；yi是第i個傳感器的觀測傳感器向量。
28.根據權利要求24的監測系統，其中所述確定改良的估計值的裝置包括計算下述表達式的裝置x^i=wiyi+(1-wi)x~i]]>其中，wi是第i個傳感器的置信度； 是所述測量值改良後的估計值； 是第i個傳感器的傳感器向量估計值；yi是第i個傳感器處的觀測傳感器向量。
29.根據權利要求24的監測系統，其中所述確定置信度值的裝置包括用於計算觀測傳感器值和估計傳感器值 之間的歸一化的絕對差值的裝置；用於將所述歸一化的絕對差值映射到一個置信度值的裝置。
30.根據權利要求29的監測系統，其中所述映射裝置包括將所述歸一化的絕對差值映射到一個置信度值函數的裝置，所述函數用下列表達式限定g(d)＝exp(γd2)其中，d是歸一化的絕對差值；γ是選擇的收斂因數。
31.根據權利要求30的監測系統，其中γ是按照g(1)＝0.001的方式選擇出來的。
32.根據權利要求29的監測系統，其中計算觀測傳感器值和估計傳感器值 之間的歸一化的絕對差值的裝置，包括用於確定一組訓練數據中的多個節點的裝置，所述節點表示所述正常工作範圍；用於通過將所述多個節點中的每個節點與至少一個其它節點連接來估計出表示所述監測系統正常工作範圍曲線的裝置，上述的連接是按照該連接長度的總和最小化的方式進行的。
33.根據權利要求32的監測系統，其中所述估計傳感器值 是位於所述曲線上的向量。
全文摘要
公開了一種利用傳感器置信度檢測電廠設備中故障的方法和裝置，還公開一種在利用這些傳感器進行測量時確定發電設備正常工作範圍的改進方法。給傳感器分配的置信度同這個傳感器有關的餘數成比例。如果傳感器具有很高的餘數，那麼分配給這個傳感器很小的置信度。如果傳感器具有很低的餘數，那麼分配給這個傳感器很高的置信度，並且給這個傳感器和其它傳感器設定適當的加權。採用特徵空間軌跡(FST)方法來模擬發電設備特性的正常工作範圍曲線分布。這種FST方法與最小跨度樹(MST)方法結合起來使用來確定多個節點，然後將這些節點用大致為曲線的線段連接起來。
文檔編號G01D21/02GK1782672SQ20051010989
公開日2006年6月7日 申請日期2005年8月25日 優先權日2004年8月25日
發明者C·元, C·諾伊鮑爾, Z·卡達特佩 申請人:西門子共同研究公司