基於交叉分段PCA的工業鍋爐故障診斷方法與流程
2023-05-29 02:55:41
本發明涉及故障診斷
技術領域：
，尤其涉及一種基於交叉分段PCA的工業鍋爐故障診斷方法。
背景技術：
：現代工業鍋爐系統呈現規模大、複雜程度高等特點，一旦發生故障，可能會引起鏈式反應，導致重大災難性事故發生。因此，對工業鍋爐系統進行故障檢測與診斷是保證其安全、高效運行的重要環節。但工業鍋爐系統由於其工藝複雜時變，變量多且具有強耦合性，難以運用傳統的方法建立精準的機理模型，進行故障檢測與診斷。基於主元分析(PCA)模型是一種多元統計分析方法，在過程監測、數據統計、經營管理等許多領域得到廣泛應用，由於PCA方法只依賴於正常工況下的歷史數據構建模型，不需要過程的機理知識，根據統計特徵進行正交變換(K-L變換)，以消除原有向量各個分量間的相關性，有效地剔除過程數據的中冗餘信息，降低數據維數，這使得PCA在複雜工業過程監控中得到廣泛應用。工業鍋爐系統隨著負荷的變化表現出明顯的時變和多模態特性，利用傳統PCA方法的故障診斷存在用一個線性模型對多個不同的模態進行描述的情況，導致嚴重的誤報或漏報，利用傳統分段PCA方法的故障診斷，使得在負荷過渡過程會出現模型躍遷，增大誤報的可能性，降低模型診斷能力。因此，對於沒有確定模態和過渡過程的工業鍋爐故障診斷的研究是亟待解決的問題。技術實現要素：鑑於已有技術存在的缺陷，本發明的目的是要提供一種基於交叉分段PCA的工業鍋爐故障診斷方法，該方法既保留了傳統PCA方法的優點又提高了其故障診斷的準確性，同時相比傳統PCA方法實現了對具有多模態特性的工業鍋爐系統的故障診斷。為了實現上述目的，本發明的技術方案：一種基於交叉分段PCA的工業鍋爐故障診斷方法，其特徵在於，包括如下步驟：S1、確定工業鍋爐運行過程中能夠影響負荷變化的基礎工藝參數，並將所確定的基礎工藝參數作為工業鍋爐運行在不同負荷工況下的負荷模態識別參數；S2、根據所確定的負荷模態識別參數確認對應的負荷模態識別值並基於所確認的負荷模態識別值對工業鍋爐運行過程中正常歷史數據進行負荷工況重新劃分，即將前述數據劃分為工業鍋爐運行過程中的各穩定負荷工況，以及兩個相鄰穩定負荷工況之間的過渡工況；S3、根據所劃分的各穩定負荷工況及各過渡工況確定每一穩定負荷工況所對應的穩定負荷模態識別區間，並將各過渡工況看作相鄰穩定負荷模態識別區間之間的交叉段；S4、根據所確定的各穩定負荷模態識別區間，對所述正常歷史數據進行模態劃分，並分別建立各自對應的PCA模型；同時對鍋爐在線運行產生的在線數據進行採集；S5、基於所建立的各PCA模型，判斷當前所採集的在線數據是否存在異常，以實現鍋爐故障檢測過程。進一步地，作為本發明的優選方案：所述確定工業鍋爐運行過程中能夠影響負荷變化的基礎工藝參數是指根據工業鍋爐運行過程所涉及的工藝，由實際人工經驗確定對負荷變化影響最大的工藝參數並將其作為基礎工藝參數。優選的，由實際人工經驗可知，鍋爐的給煤量是影響鍋爐負荷變化最重要的參數，因此將給煤閥位值作為基礎工藝參數進而將其確定為負荷模態識別值。進一步地，作為本發明的優選方案：所述S2包括如下步驟：S21、根據鍋爐運行的工藝條件以及運行經驗，對負荷模態識別參數進行分組即預先設定若干預定負荷模態識別值；S22、根據鍋爐實際正常運行在不同負荷工況下產生的歷史數據，計算不同時刻鍋爐實際運行過程所對應的實際負荷模態識別值；S23、按照一定順序對步驟S22中所計算的實際負荷模態識別值進行排列，並重新確認每一預定負荷模態識別值所對應的穩定負荷工況，所述穩定負荷工況的重新確認過程是指以預定負荷模態識別值為基準值，查找當前實際負荷模態識別值中，與所述基準值之差小於額定誤差值所對應的絕對值的實際負荷模態識別值，並將所查找到的實際負荷模態識別值所形成的數值範圍區間作為該預定負荷模態識別值所對應的穩定負荷工況；所述一定順序是指按照自大至小或者自小至大的順序；S24、兩個相鄰穩定負荷工況之間所形成的數值範圍區間即確定為一個過渡工況。進一步地，作為本發明的優選方案：所述根據所劃分的各穩定負荷工況及各過渡工況確定每一穩定負荷工況所對應的穩定負荷模態識別區間並將各過渡工況看作穩定負荷模態識別區間之間的交叉段是指將任意一個穩定負荷工況以及與該穩定負荷工況相鄰的過渡工況所形成的數值範圍區間均劃定為該穩定負荷工況所對應的負荷模態識別區間；進而使得相鄰的負荷模態識別區間之間存在數值範圍交叉的區間。進一步地，作為本發明的優選方案：根據所確定的各穩定負荷模態識別區間，對所述正常歷史數據進行模態劃分，並分別建立各自對應的PCA模型時還包括對所述正常歷史數據進行預處理，所述預處理包括：根據鍋爐運行情況，採集在不同負荷工況下產生的正常歷史數據若干組並構成樣本矩陣X，將所採集的數據按照所確定的各穩定負荷模態識別區間，進行負荷模態劃分，以構成若干負荷模態矩陣Xi＝x1,x2…xm(i＝1,2,…，m)，並對各所述負荷模態矩陣Xi進行標準化處理。優選採用將Xi的每一列減去一定變量均值且除以一定變量標準差的標準化處理方法，所述均值、標準差所對應的變量由操作者按照實際需要隨機設定。進一步地，作為本發明的優選方案：所述步驟S5包括如下步驟：S51、根據所確定的各穩定負荷模態識別區間，對所採集的在線數據進行模態劃分，將所述在線數據劃分為若干個負荷模態數據組；S52、確認每一負荷模態數據組所對應的PCA模型；S52、計算當前負荷模態數據組的Hotelling’sT2統計量及SPE統計量，並判斷所計算的Hotelling’sT2統計量及SPE統計量是否超過各自對應的控制限；若均不超過則確認當前負荷模態數據組為正常數據；否則則為故障數據。與現有技術相比，本發明的有益效果：本發明通過工業鍋爐過程工藝和實際人工經驗確定影響負荷變化最主要的工藝參數，作為鍋爐運行在不同負荷的識別值；根據負荷識別值大小確定鍋爐運行的負荷工況及相鄰工況之間的過渡工況；根據鍋爐的負荷工況及過渡工況確定鍋爐運行的穩定負荷模態，其中將過渡工況看作相鄰穩定負荷模態之間的交叉部分；根據不同負荷模態的正常歷史數據作預處理並分別建立PCA模型；以通過交叉分段PCA方法實現對工業過程在不同負荷模態下的故障診斷，其有效解決了的現有技術中供熱系統鍋爐存在亞健康的問題，提高了供熱品質。附圖說明圖1為本發明基於交叉分段PCA方法的鍋爐故障診斷流程圖；圖2a為本發明所述方法中步驟S2對應的模態劃分原理圖；圖2b為本發明所述方法中步驟S3對應的模態劃分原理圖；圖3a為本發明所述方法對應的故障診斷結果示意圖；圖3b為傳統PCA方法對應的故障診斷結果示意圖；圖3c為常規分段PCA方法對應的故障診斷結果示意圖。具體實施方式為使本發明的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的附圖，對本發明的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。如圖1所示，本發明所述方法，包括如下兩大階段：其分別為離線建模以及在線監測；所述離線建模階段具體包括：S1、確定工業鍋爐運行過程中能夠影響負荷變化的基礎工藝參數，並將所確定的基礎工藝參數作為工業鍋爐運行在不同負荷工況下的負荷模態識別參數；所述確定工業鍋爐運行過程中能夠影響負荷變化的基礎工藝參數是指根據工業鍋爐運行過程所涉及的工藝，由實際人工經驗確定對負荷變化影響最大的工藝參數並將其作為基礎工藝參數。具體的，作為本發明的優選實例，由實際人工經驗可知，在穩定運行狀態下鍋爐的給煤量是影響鍋爐負荷變化最重要的參數，因此將給煤閥位值作為基礎工藝參數進而將其確定為負荷模態識別參數。S2、根據所確定的負荷模態識別參數確認對應的負荷模態識別值並基於所確認的負荷模態識別值對工業鍋爐運行過程中正常歷史數據進行負荷工況重新劃分，即將前述數據劃分為工業鍋爐運行過程中的各穩定負荷工況，以及兩個相鄰穩定負荷工況之間的過渡工況；具體的，如圖2a所示，作為本發明的優選實例，所述S2包括如下步驟：S21、根據鍋爐運行的工藝條件以及運行經驗，對負荷模態識別參數進行分組即預先設定若干預定負荷模態識別值；S22、根據鍋爐實際正常運行在不同負荷工況下產生的歷史數據，計算不同時刻鍋爐實際運行過程所對應的實際負荷模態識別值；S23、按照一定順序對步驟S22中所計算的實際負荷模態識別值進行排列，並重新確認每一預定負荷模態識別值所對應的穩定負荷工況，所述穩定負荷工況的重新確認過程是指以預定負荷模態識別值為基準值，查找當前實際負荷模態識別值中，與所述基準值之差小於額定誤差值所對應的絕對值的實際負荷模態識別值，並將所查找到的實際負荷模態識別值所形成的數值範圍區間作為該預定負荷模態識別值所對應的穩定負荷工況；所述一定順序是指按照自大至小或者自小至大的順序；S24、兩個相鄰穩定負荷工況之間所形成的數值範圍區間即確定為一個過渡工況。具體的，作為本發明的優選實例，所述方法將給煤量確認為負荷模態識別值並採集鍋爐運行產生的歷史數據；首先假設鍋爐主要穩定在30％、40％、50％負荷模態下切換並設定各預定負荷模態識別值-給煤閥位值分別為30％、40％、50％，然而在實際工業過程中，鍋爐很難按照預定負荷模態識別值穩定運行，一般均圍繞在其所對應的負荷模態識別值上下波動運行；其次，根據鍋爐實際正常運行在不同負荷工況下產生的大量的歷史數據，計算出不同時刻鍋爐實際運行過程的負荷值大小並將其作為實際負荷模態識別區間，如通過鍋爐實際運行數據確定出不同穩定工況所對應給煤閥位數量級區間分別為20-25、30-35、40-45；按照從大到小或者從小到大的順序對給煤閥位值進行排列，並設定給煤閥位值若位於在預定負荷模態識別值上下±4％範圍內，為穩定負荷工況，不在上述範圍內則處於不在穩定狀態區間，即為過渡工況，則過渡工況所對應的區間為26-29、36-39。S3、根據所劃分的各穩定負荷工況及各過渡工況確定每一穩定負荷工況所對應的穩定負荷模態識別區間，並將各過渡工況看作相鄰穩定負荷模態識別區間之間的交叉段；進一步地，如圖2b所示，所述根據所劃分的各穩定負荷工況及各過渡工況確定每一穩定負荷工況所對應的穩定負荷模態識別區間並將各過渡工況看作穩定負荷模態識別區間之間的交叉段是指將任意一個穩定負荷工況以及與該穩定負荷工況相鄰的過渡工況所形成的數值範圍區間均劃定為該穩定負荷工況所對應的負荷模態識別區間；進而使得相鄰的負荷模態識別區間之間存在數值範圍交叉的區間。整個步驟S3是利用負荷模態識別值大小確定的負荷工況情況，進一步確定出不同負荷工況改變的過渡區域，將兩種穩定負荷工況都覆蓋該過渡區域，即將穩定負荷工況和過渡工況相互融合，構成相鄰穩定負荷工況之間的交叉部分即交叉段或者稱為交叉區間，此原理是利用鍋爐運行所產生的數據，來描述其運行特性，將交叉段的覆蓋程度進行模糊清晰化，轉移到模態識別值的數值區間；對應到上述優選實例，則負荷模態識別值數量級在區間0-29、26-39、36-45時，能夠構成交叉分段區間樣本，該樣本既包括穩定工況和過渡工況特性，同時也區分具有多模態特性系統在不同工況的特性，增強了模型的識別能力，提高故障診斷的準確性。S4、根據所確定的各穩定負荷模態識別區間，對所述正常歷史數據進行模態劃分，並分別建立各自對應的PCA模型，建立若干個PCA模型則是為了確定每一穩定負荷模態識別區間所對應的Hotelling’sT2統計量及SPE統計量的控制限即為確定故障數據設定基準數據；同時對鍋爐在線運行產生的在線數據進行採集；具體的，根據所確定的各穩定負荷模態識別區間，對所述正常歷史數據進行模態劃分，並分別建立各自對應的PCA模型時還包括對所述正常歷史數據進行預處理，所述預處理包括：根據鍋爐運行情況，採集在不同負荷工況下產生的正常歷史數據若干組並構成樣本矩陣X，將所採集的數據按照所確定的各穩定負荷模態識別區間，進行負荷模態劃分，以構成若干負荷模態矩陣Xi＝x1,x2…xm(i＝1,2,…，m)，並考慮消除每個樣本變量的量綱和數量級不同的限制，並對各所述負荷模態矩陣Xi進行標準化處理。優選採用將Xi的每一列減去一定變量均值且除以一定變量標準差的標準化處理方法，所述均值、標準差所對應的變量由操作者按照實際需要隨機設定。分別建立不同模態歷史數據所對應的PCA模型，其根據公式：Xi=X^i+E=TiPiT+Ei---(1)]]>Ti＝XiPi(2)其中，表示主元空間，Ei表示殘差空間，Ti表示得分向量，Pi表示負荷向量。S5、基於所建立的各PCA模型，判斷當前所採集的在線數據是否存在異常，以實現鍋爐故障檢測過程。所述步驟S5包括如下步驟：S51、根據所確定的各穩定負荷模態識別區間，對所採集的在線數據進行模態劃分，將所述在線數據劃分為若干個負荷模態數據組；S52、確認每一負荷模態數據組所對應的PCA模型；S52、確認當前所採集的在線數據是否存在異常，以實現鍋爐故障檢測過程即選用Hotelling’sT2統計量和SPE統計量作為故障檢測的指標，計算當前負荷模態數據組的Hotelling’sT2統計量及SPE統計量，並判斷所計算的Hotelling’sT2統計量及SPE統計量是否超過各自對應的控制限；若均不超過則確認當前負荷模態數據組為正常數據；否則則為故障數據。具體的，選用Hotelling’sT2統計量和SPE統計量作為故障檢測的指標，其中變量在主元空間中的變化用T2統計量表示所涉及原理為：根據公式：Ti2＝tiλ-1tiT＝XiPλ-1PTXiT(3)計算每個負荷模態樣本矩陣的T2統計量大小；並利用F分布計算T2統計量控制限，其公式為：Tk.m.a2=k(m-1)/(m-k)*Fk.m-1.a---(4)]]>其中，m是樣本個數；k是所保留的主元個數；α是檢驗水平；Fk,m-1,a是對應於α為檢驗水平，k,m-1是自由度條件下F分布的臨界值。如果滿足則表明該時刻數據T2統計量正常，反之，則為故障。同時上述矩陣樣本在殘差空間的投影用SPE指標衡量，每個樣本SPE統計量大小根據公式計算：SPEi=||(I-PPT)x||2≤δα2---(5)]]>根據公式計算：δα2=θ1(cα2θ2h02θ1+1+θ2h02(h0-1)θ12)1h0---(6)]]>其中，置信水平為α時的控制限，h0＝1-2θ1θ3/(3θ22)，λi為X協方差矩陣的特徵值，Cα是置信度為α的正態分布統計，若滿足SPEi≤δα則該數據正常，反之則為故障。對應到本發明所述根據交叉分段PCA方法實現對鍋爐在線運行產生的在線數據在負荷模態下的故障診斷，具體包括：確認每一負荷模態數據組所對應的PCA模型，並根據下述公式計算其對應的SPE統計量以及T2統計量：SPEi=||(I-PPT)x||2≤δα2---(7)]]>Ti2＝tiλ-1tiT＝XiPλ-1PTXiT(8)隨後判斷在線數據是否在交叉段，如果該負荷模態數據組不在交叉段，且判斷是否SPE或T2統計量均超過所對應的PCA模型的控制限，是則該數據為故障數據，反之正常；如果在線數據在交叉段，利用交叉段所在的兩個負荷模態對應的PCA模型共同監測數據，即計算該負荷模態數據組的SPE或T2統計量，且判斷是否兩個模統計量都超過其控制限，是則認為該數據為故障數據，反之正常。將本發明實施例應用於大連某高校供熱系統，該校供暖系統採用的是分布式變頻系統，一個熱源通過多個換熱站向校內樓宇和周邊小區供熱。選擇對熱源鍋爐進行故障診斷。其監控的過程變量如表1所示：表1鍋爐變量參數表序號測量參數單位序號測量參數單位1出水溫度℃7上水壓力Pa2出水壓力MPa8上水溫度℃3爐膛負壓MPa9鼓風閥位％4排煙溫度℃10引風閥位％5出水流量t/h11爐排閥位％6爐膛溫度℃12給煤閥位％本發明實施例通過利用正常工況下產生的歷史數據，建立交叉分段PCA模型，進行在線數據故障診斷。採集鍋爐在不同負荷下1000組正常數據，構成建模樣本矩陣並採集200在線運行的數據，構成監測樣本矩陣其中在線樣本中160-200組數據出現出水溫度傳感器故障，首先根據負荷模態識別值的大小，將歷史數據和在線數據進行模態劃分，其中歷史數據模態劃分結果如下表2：表2模態識別區間給煤閥位0％‐29％26％‐39％36％‐45％模態模態1模態2模態3樣本數1‐400301—800701‐1000模態劃分首先通過專家經驗和對大量鍋爐運行產生的歷史數據進行分析，確定出負荷模態識別值與鍋爐在不同負荷模態運行的對應關係，該實例鍋爐負荷主要穩定在30％、40％、50％負荷狀態，其穩定負荷工況所對應的給煤閥位數量級區間分別為20-25、30-35、40-45，利用模糊劃分原則，其過渡工況所對應的區間應為26-29、36-39；最終將其負荷模態識別區間設定在0-29、26-39、36-45區間，從而構成交叉分段區間樣本。利用交叉分段PCA方法對不同負荷模態的數據建立模型。利用建立的模型對鍋爐在線運行的數據進行故障診斷。其診斷結果如圖3c，結果顯示交叉分段PCA方法檢測到160-200為故障數據，在模態過渡區域未出現誤報、漏報現象。為了驗證該方法的可行性，同時利用傳統的PCA方法和常規的PCA故障診斷方法進行比較，傳統的PCA方法都是利用採集的所有歷史數據建立一個PCA模型，且由於負荷工況的原因，存在檢測精度不夠準確的問題，如圖3a，160-200數據為故障數據，然而該方法所設定的模型卻未檢測，出現了漏報現象；常規的PCA故障診斷方法，如分段PCA方法有考慮過渡過程的躍遷，使過渡過程檢測不準確；如圖3b，過渡過程有誤報顯現；因此可見，兩種現有方法均出現了漏報或者誤報現象，特別是在模態過渡區域。綜上所述，本發明針對沒有確定模態的多模態連續生產過程，本發明提出交叉分段PCA故障檢測方法，通過選擇特定的過程參數作為負荷模態識別值，並採用交叉分段的方式將連續的過程劃分為多個穩定的負荷模態進行監控，使交叉模型部分涵蓋過渡過程，提高故障檢測的準確性。通過是實驗驗證表明該方法與傳統PCA方法和常規分段PCA方法相比，能夠顯著提高故障檢測的準確性，對具有多模態特性的連續生產過程的故障檢測具有很強的實用價值。以上所述，僅為本發明較佳的具體實施方式，但本發明的保護範圍並不局限於此，任何熟悉本
技術領域：
的技術人員在本發明揭露的技術範圍內，根據本發明的技術方案及其發明構思加以等同替換或改變，都應涵蓋在本發明的保護範圍之內。當前第1頁1 2 3