基于多元统计分析的火电厂控制系统故障诊断研究

论文摘要

随着自动控制技术的不断发展,火电厂控制系统的控制策略已日臻成熟,并形成了比较完善的体系。因此针对火电厂的控制理论应用研究正逐步向更高层次发展,其中一个重要研究方向就是火电厂控制系统的故障诊断。这是因为随着火电厂控制系统规模不断扩大和复杂性日益提高,控制系统故障点也随之增加并且更难以发现,这就对火电厂控制系统的可靠性、可维修性提出了更高的要求。传统的限幅报警和人工点检的方式显然已经满足不了要求,因此有必要研究火电厂控制系统的先进故障诊断技术。考虑到火电厂控制系统规模庞大结构复杂等特点,本文选用了一种不依赖数学模型的多元统计分析方法进行研究。使用了两个多元统计分析工具,即主元分析(PCA)和费舍尔判别分析(FDA),通过对过程数据的分析来实现对控制系统的故障诊断。其中着重使用PCA方法进行故障检测的研究,使用FDA方法进行故障分离和识别的研究,并将两种方法相互配合,构成完整的故障诊断系统。本文的主要工作包括以下几个方面:第一,分析了在火电厂控制系统故障诊断中应用多元统计方法的可行性和优越性。明确了基于多元统计分析的火电厂控制系统故障诊断的范围、对象和理论方法。第二,研究了火电厂控制系统在稳态条件下的PCA故障检测问题。着重分析了PCA故障检测的内涵,并给出了一个指导故障检测的结论。研究了PCA故障检测中的数据预处理问题,并结合实例给出了传感器和执行器的PCA故障检测方法。第三,针对火电厂生产过程存在的变工况特性,提出一种动态多主元模型的故障检测方法。它通过对主元模型组的模糊推理动态得到与检测工况相匹配的主元模型,解决了主元模型的工况适应性问题,改善了变工况条件下的PCA故障检测效果。第四,研究了火电厂控制系统的故障分离问题,提出一种基于FDA贡献图的新型故障分离方法。它保持了贡献图法简单易行的优点,同时提高了故障分离的准确度。第五,将FDA与模式识别思想相结合来进行火电厂控制系统故障识别的研究,提出一种结合FDA的DTW故障识别方法。它使用FDA作为故障特征提取工具,使用DTW作为特征匹配工具,对系统的时变特性表现出良好的鲁棒性,并有着较高的故障分辨率和识别精度。在研究过程中,充分利用现场实际数据对论文中提出的各种故障诊断方法进行了大量的实验研究,通过实验验证了这些方法的可行性和有效性。相比较原来仅通过Matlab平台下搭建仿真模型来进行仿真实验而言,现在的实验方式无疑更具实际意义。

论文目录

• 英文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的目的和意义
• 1.2 本文涉及的基本概念
• 1.3 本课题的国内外研究动态
• 1.3.1 控制系统故障诊断技术的发展现状
• 1.3.2 故障诊断技术在火电厂控制系统中的研究和应用现状
• 1.4 多元统计分析在故障诊断中的应用
• 1.4.1 多元统计分析研究的内容
• 1.4.2 基于多元统计分析的故障诊断的发展过程
• 1.5 论文的框架结构及主要内容
• 第二章 火电厂控制系统故障诊断若干基本问题的探讨
• 2.1 引言
• 2.2 火电厂控制系统故障分析报告
• 2.3 火电厂控制系统故障诊断的研究范围
• 2.4 火电厂控制系统故障诊断的研究对象
• 2.5 火电厂过程变量的统计特性分析
• 2.5.1 应用多元统计分析的三个前提
• 2.5.2 基于 Q-Q 图的火电厂过程变量正态性检验
• 2.6 火电厂控制系统故障诊断系统的方案设计
• 2.7 本章小结
• 第三章 稳态工况下的 PCA 故障检测方法研究
• 3.1 引言
• 3.2 主元分析方法
• 3.2.1 概述
• 3.2.2 主元的计算方法
• 3.2.3 数据重构与降维
• 3.3 PCA 故障检测方法
• 3.3.1 主元模型
• 3.3.2 检测统计量
• 3.3.3 PCA 故障检测内涵分析
• 3.3.4 PCA 故障检测的实施步骤
• 3.4 数据预处理
• 3.4.1 降噪
• 3.4.2 剔除异常点
• 3.4.3 确定训练样本点数量
• 3.5 故障检测实例
• 3.5.1 概述
• 3.5.2 传感器故障检测研究
• 3.5.3 执行器故障检测研究
• 3.5.4 小结
• 3.6 本章小结
• 第四章 变工况条件下的 PCA 故障检测方法研究
• 4.1 引言
• 4.2 常规PCA 故障检测方法的应用局限性
• 4.2.1 火电厂生产过程运行特点分析
• 4.2.2 工况变化对PCA 故障检测的影响
• 4.3 基于动态多主元模型的故障检测方法
• 4.4 动态主元模型的模糊推理
• 4.4.1 主元模型的模糊化
• 4.4.2 模糊推理系统的结构
• 4.4.3 动态主元模型的计算
• 4.5 故障检测方法的实施步骤
• 4.5.1 建立主元模型组
• 4.5.2 在线动态故障检测
• 4.6 仿真实例
• 4.6.1 概述
• 4.6.2 实验与分析
• 4.7 本章小节
• 第五章 基于 FDA 贡献图的故障分离方法研究
• 5.1 引言
• 5.2 基于 PCA 贡献图的故障分离方法
• 5.3 基于 FDA 贡献图的故障分离方法
• 5.3.1 FDA 理论基础
• 5.3.2 方法原理及实现步骤
• 5.3.3 FDA 贡献图产生示例
• 5.4 仿真实例
• 5.4.1 概述
• 5.4.2 实验及分析
• 5.5 本章小结
• 第六章 基于模式识别的 FDA 故障识别方法研究
• 6.1 引言
• 6.2 一类故障识别方法概述
• 6.3 基于 FDA 故障方向的故障识别方法
• 6.4 结合 FDA 和 DTW 的故障识别方法
• 6.4.1 DTW 算法原理
• 6.4.2 基于 DTW 的故障识别方法
• 6.4.3 改进的 DTW 故障识别方法
• 6.5 仿真实例
• 6.5.1 概述
• 6.5.2 实验及分析
• 6.6 本章小节
• 第七章　结论
• 7.1 论文的工作总结
• 7.2 课题研究的展望
• 参考文献
• 致谢
• 个人简历、在学期间的研究成果及发表的学术论文