基于通勤时间距离的LE污水处理过程故障检测方法

污水处理过程的性能监测与故障诊断,对于保障污水处理过程正常运行及保证出水质量达标具有重要意义.针对污水处理过程数据具有非线性、不确定性及且易受随机噪声影响等特征,提出了一种新的基于通勤时间距离的LE流形学习算法实现对复杂过程数据的特征提取.改进算法采用通勤时间距离方式进行样本间的相似度衡量并构造邻域图,理论分析和仿真测试表明改进算法可有效克服基本LE算法的邻域参数敏感问题并提高了算法的鲁棒性.将基于通勤时间距离的LE流形学习算法用于污水处理过程故障检测建模,在低维流形子空间构造综合统计量进行过程监测.应用结果表明,与基于PCA方法和LE方法的故障检测模型相比,基于改进算法的故障检测模型可及时探测故障的发生,具有较低的故障漏报率和故障误报率.为污水处理等复杂工业过程的故障监测提供了一种可行的解决方案.     

多元时间序列PCA分割及在天然气脱水装置工况识别中的应用

目的建立不同的工作状态下的设备状态预测评估模型。方法利用主成分分析法将多元时间序列数据进行切割,将分割后的数据段按照基于密度的方法,依照定义的距离,对多元时间序列进行聚类合并,从而得到不同工况下的时间序列。结果按照脱水装置工况状态,将重沸器特征对应的多元时间序列划分为不同的数据段。结论有效实现了脱水装置重沸器的参数数据分割,并识别出不同工况。     

基于决策树支持向量机算法的船用设备故障诊断

目的 提高船用设备的智能化水平,增强船舶的安全性、可靠性,对船上设备进行状态监测,并基于监测数据对设备健康状况进行评估,对可能存在的故障工况进行识别.方法 通过采集机舱内的振动数据,对数据进行预处理、快速傅里叶变换,提取1/3倍频带特征,将倍频带谱信号作为特征向量,利用支持向量机算法进行模型训练及分类.对于船上多种工况及可能存在的多种故障类别,采用决策二叉树方法,提出一种快速、准确的状态监测及故障诊断策略.结果 在实验室工况下识别准确率接近100％.结论 该方法能够对船用设备进行状态监控、故障诊断、健康评估等提供支持,为设备检修、传感器布置等决策提供依据.     

基于PCA/MSET联用模型的烟气轮机故障预警研究

针对催化裂化装置烟气轮机运行环境恶劣,故障频发等特点,开展基于PCA和MSET联合模型的振动监测预警研究。基于原始振动波形进行时频域特征提取计算,获得29个时频域特征参量,采用PCA方法将29个时频域特征参量重新组合成6个新主元,可以有效实现数据降维。烟气轮机正常运行状态下振动监测数据量的选择影响T²值变化,主元99%可信区间阈值随着数据量的增加降低至稳定值,采用时间点数据量2 000满足分析要求。主元6是均方根值、方差和频率标准差的综合表征,在发生故障阶段波动较大,采用MSET模型进行残差分析,相对固定高报报警监测,可以超前预警8.5 h。     

基于小波包模糊熵与RBF神经网络的滚动轴承故障诊断

针对滚动轴承发生故障的振动信号具有复杂度高、非线性的特点,难以准确提取滚动轴承的故障特征和故障识别问题,提出了基于小波包分解(WPD)与径向基函数(RBF)神经网络相结合的轴承故障诊断方法。该方法对滚动轴承振动信号进行三层小波包分解,然后重构各频段的信号,计算各频段信号的模糊熵作为特征矢量,构建训练集和测试集,对RBF神经网络模型进行训练,使用经过训练的RBF神经网络进行故障识别,输出滚动轴承的故障类型。采用美国CWRU轴承数据中心的数据进行仿真实验,结果表明该方法能更有效地诊断出轴承故障类型。     

PCA和SDG融合的天然气脱水装置故障诊断

目的 快速定位天然气脱水装置的故障源.方法 对反映脱水系统运行状态的众多监测参数进行主成分分析,从而识别其中的异常参数.结合脱水工艺流程图,对所有参数及潜在设备故障进行因果分析,以建立脱水装置整体的SDG模型,将各异常参数的符号代入到该模型,按照双向推理规则最终确定造成这些参数异常的故障源.结果 通过主成分分析构造的SPE和T2统计量在脱水装置正常运行的时间段分别保持在低于20和141的控制限范围内,出现故障时两者几乎同时急剧增大,随后一直在远高于控制限的区间上波动.用贡献图法识别出的该故障的主导参数有三甘醇循环量、重沸器温度和缓冲罐液位.结论 将PCA与SDG相结合能够综合两种方法各自的优点,提高石化装备检维修的效率,保障设备的可靠运行.     

基于遗传神经网络的除湿机故障诊断与寿命预测

目的识别除湿机的性能状态和预测吸附剂的剩余寿命。方法针对除湿机故障过程缓变的特点,提出一种基于数据驱动的遗传神经网络模型。首先,为解决设备失效程度划分模糊的问题,由5个热力参数组成反映吸附剂劣化程度的特征向量,关联分析得到除湿机的5类故障模式。其次,利用遗传神经网络建立状态参数和故障模式的映射关系。最后,对表征设备吸附能力的主参数进行外推预测。结果训练好的诊断网络可准确地识别出设备的劣化程度及其演变过程,预测网络的预测精度非常高。结论该方法可有效地实现对除湿机的故障诊断与预测。。     

关于供电设备状态检修的思考

状态维修是以设备的当前实际的工作状况为依据,通过先进的状态监测、可靠性评价以及寿命预测手段,综合各种设备的状态信息,判断设备南状态,识别故障早期征兆,对故障部位及其严重程度、故障发,展趋势做出判断,并根据分析诊断的结果在设备性能下降到一定程度或故障将要发生前进行维修。     

一种新的海洋富营养化程度模糊评价方法

目前普遍运用的模糊综合评判模型M（∧．∨）在进行海洋富营养化等环境质量评价时易使评价结果均化甚至失真。故在模糊集中权距离概念的基础上提出了一种新的海洋富营养化程度模糊评价方法──模糊识别分析方法．将其应用对于大连湾海域近年来的营养化状况的评价．结果表明大连湾已呈现富营养甚至过营养状态，并有逐步恶化的趋势．     

基于条件变分自编码器的齿轮箱故障诊断

目的实现齿轮箱故障类型的智能识别诊断。方法针对传统故障诊断方法通用性不广、数据依赖强、泛化能力弱并需人工提取特征问题,提出一种基于条件变分自编码器的故障诊断方法。以故障类别概率分布为目标并将振动信号频谱作为条件,通过条件变分自编码器,建立齿轮箱振动信号频谱到对应各故障下的条件概率模型,并通过多层神经网络结合变分推断方法进行训练优化,实现对齿轮箱各类型故障的高精度分类诊断。结果在仅有少量训练数据条件下,实现了准确的故障识别。结论条件变分自编码器在齿轮箱振动信号频谱概率分布建模上具有优异性能,对故障信号数据量的依赖低、泛化能力强,无需人工提取特征。能有效实现齿轮箱故障的智能分类诊断。