[发明专利]基于统计原理和智能寻优的脱硫塔氧化风机故障诊断系统及方法

权利要求书

1.一种基于统计原理和智能寻优的脱硫塔氧化风机故障诊断系统,其特征在于：包括：

数据采集单元，所述的数据采集单元以脱硫系统和主机系统的DCS控制系统所记录的历史数据作为故障诊断系统的历史数据来源，通过支持OPC协议的标准OPC方式建立历史数据库，并通过DCS控制系统所采集的实时数据不断扩充历史数据库；

多维SVM数据预处理单元，所述的多维SVM数据预处理单元通过正向云反应发生器、数据归一化和主元分析降维将历史运行数据处理成适合分析的已预处理数据并分别保存于不同数据集；

参数优化单元，所述的参数优化单元通过网格化寻优算法、遗传理论寻优算法和粒子群寻优算法处理并寻找多维支持向量机最优的惩罚参数和核函数参数；

支持向量机分类单元，所述的支持向量机分类单元利用向量机分类原理将数据预处理单元生成的数据进行分类和检验；

实时故障诊断单元，所述的实时故障诊断单元以脱硫塔进出口二氧化硫浓度、循环浆液泵流量、各台浆液循环泵电机电流为参考数据，调用支持向量机分类单元已经训练好的相关参数，对系统氧化风机是否存在故障进行判断；

人机交互单元,所述的人机交互单元利用MATLAB GUI工具箱创建用户可视化图形界面，显示设定时间段内各台浆液循环泵电机电流、各台浆液循环泵喷浆量、烟道出口SO₂浓度的变化趋势，并显示故障诊断的结果。

2.根据权利要求1所述的基于统计原理和智能寻优的脱硫塔氧化风机故障诊断系统，其特征在于：所述多维SVM数据预处理单元采用云模型生成新数据集，对历史运行数据中的异常工况和非正常运行工况的数据进行扩充，为后续各单元提供全工况数据集，参数优化单元利用网格化寻优算法、遗传理论寻优算法和粒子群寻优算法内部不同的寻优机制依次对多维支持向量机最优的惩罚参数和核函数参数进行寻优识别。

3.一种采用如权利要求1所述的基于统计原理和智能寻优的脱硫塔氧化风机故障诊断系统的诊断方法,其特征在于：包括以下步骤：

步骤(1)，多维SVM数据预处理单元接收一个或多个物理量随着时间变化所产生的一组或多组离散数据；

步骤(2)，多维SVM数据预处理单元根据数据使用先后的不同将所接收的一组或多组离散数据按预先设置的比例随机抽取后生成测试集A并保存，所述的测试集A作为实时故障诊断单元中整体测试集的一部分参与故障诊断单元数据输入过程；将所采集的一组或多组离散历史数据作为输入引入云模型并通过正向云模型反应发生器产生足够的和测试集A具有相同统计学特征的离散数据作为数据预处理单元的训练集；

所述云模型数学模型如下：正向云反应发生器的触发机制为，生成以En为期望，以He为方差的正态随机数En’；生成以Ex为期望，以En’2为方差的正态随机数x；采用钟型函数计算确定度函数，(x，μ)是相对于论域U的一个云滴；

其中，为原始数据的样本均值、Ex为原始数据的数学期望、En为云模型的熵、S为原始数据的方差、He为云模型熵的熵；n为构建云模型而输入的原始数据的数目；

步骤(3)，所述的训练集按预先设置的比例随机抽取后生成测试集B并保存，所述的测试集B作为参数优化单元中的测试集引入SVM分类中参与惩罚函数参数c和径向基核函数参数g的寻优过程；

步骤(4)，所述的训练集归一化处理并采用PCA主元分析法降维，分析识别已归一化数据的相互关联程度从而识别出对分类效果影响不大的相关物理量并按照预先设置的前n个主成分总占比数对分类效果有影响的物理量进行主成分占比计算；

步骤(5)，预先设置的前n个主成分总占比计算值满足设定值时数据预处理单元结束并进入参数优化单元，预先设置的前n个主成分总占比计算值不满足设定值时对归一化后数据重新进行主成分降维计算直至预先设置的前n个主成分总占比计算值满足设定值；

步骤(6)，参数优化单元分别采用网格化寻优算法、遗传理论寻优算法、粒子群寻优算法对SVM的两个重要参数惩罚函数参数和核函数参数寻优从而实现SVM方法分类准确率；

步骤(7)，参数优化单元得到的最佳参数c、g作为SVM方法参数设置的重要部分用于指导多维SVM分类，分类准确性通过引入多维SVM数据预处理单元所生成的测试集B来检验；检验符合要求则支持向量机分类单元结束进入实时故障诊断单元，检验符合不要求则返回至数据预处理单元的构建云模型阶段通过正向云反应发生器重新产生云滴数据后按照上述步骤依次重新计算直至支持向量机单元检验符合要求；

步骤(8)，经过训练得到支持向量机相关参数适用于故障诊断的场合，采用作为运行真实数据的测试集A加以仿真。