[发明专利]基于数字孪生系统的高炉鼓风机和TRT机组故障诊断方法

说明书

本发明公开了一种基于数字孪生系统的高炉鼓风机和TRT机组故障诊断方法，包括以下步骤：构建高炉鼓风机和TRT机组系统的三维模型；通过采集现场实时数据和计算虚拟数据，搭建高炉鼓风机和TRT机组数字孪生系统；基于数字孪生系统对数据进行异常数据剔除；利用改进的振动频谱占比提取方法，进行频域特征提取；根据时频域特征以及设备的运行参数构建基于Adam算法的神经网络故障诊断算法；最后神经网络输出结果保存在数字孪生系统，形成设备故障部件的故障信息的三维动态展示，生成诊断报告，并推送给现场管理人员。本方法可有效的实现高炉鼓风机和TRT机组的故障诊断和健康分析，与数字孪生系统结合可以对现场操作进行指导，从而保证现场设备的安全高效运行。

技术领域

本发明涉及数字孪生系统、故障诊断等领域，特别涉及一种基于数字孪生系统的高炉鼓风机和TRT机组故障诊断方法。

背景技术

高炉鼓风和TRT系统是高炉炼铁的重要工艺流程，不但能利用高炉煤气的余压进行高效发电，而且还有效地解决了减压阀组产生的噪声污染和管道振动，也为高炉顶压稳定控制有着重要作用。实践证明TRT发电量约为高炉鼓风机所耗电量的40％左右，因此高炉鼓风机和TRT机组的健康情况及其运行的状态直接影响着炼铁的产量和安全性，对其进行故障诊断极其重要。但是在高炉炼铁过程中，高炉鼓风机和TRT机组往往处于工况恶劣、不稳定、功率大、负载重且连续运行状态，由于运行故障导致的恶性事故屡见不鲜。

随着各种智能算法的研究和深入，运用于故障诊断的算法越来越多，但是由于高炉鼓风机和TRT机组运行工况复杂多变，运行参数繁多，故障特征提取也成为故障诊断领域的一大难点。

发明内容

本发明克服了高炉鼓风机和TRT机组运行工况复杂多变，运行参数繁多，故障特征提取困难的问题，提出了一种基于数字孪生系统的高炉鼓风机和TRT机组故障诊断方法。

为了实现上述目的，本发明提供了以下解决方案：

一种基于数字孪生系统的高炉鼓风机和TRT机组故障诊断方法，首先构建高炉鼓风机和TRT机组系统的三维模型；通过采集现场实时数据和计算虚拟数据，搭建高炉鼓风机和TRT机组数字孪生系统；基于数字孪生系统对数据进行异常数据剔除；利用改进的振动频谱占比提取方法，进行时频域特征提取；根据时频域特征以及其他的运行参数构建基于Adam算法的神经网络故障诊断算法；最后神经网络输出结果保存在数字孪生系统，形成设备故障部件的故障信息的三维动态展示，生成诊断报告，并推送给现场管理人员。

上述技术方案中，优选地，所述的步骤S1中，基于Unity3D进行三维建模，包括高炉鼓风机和TRT机组整条生产线的三维建模，复现现场的设备实景，与现场工艺流程一致。

优选地，所述的高炉鼓风机和TRT机组数字孪生系统可进行现场实时数据的采集以及数据建模虚拟数据的预测，实现与现场同步运行的实时系统和当现场停机时也能运行的虚拟孪生系统两种场景，并对每种场景的故障数据进行标记。

优选地，所述的异常数据剔除，为通过滑动平均算法剔除传输异常的数据或因环境中偶然变动因素引起的异常数据，以免影响故障诊断的精确性。具体方法如下：

剔除异常数据后t时刻的运行参数变量X记为X_t，θ_t为剔除异常数据前运行参数变量X在t时刻的取值，β为滑动平均系数，β∈[0,1)，在β＝0时，不使用滑动平均，X_t＝θ_t；使用滑动平均后：

X_t＝β*X_t-1+(1-β)*θ_t

优选地，步骤S4中所述的改进的振动频谱占比提取方法，包括如下步骤：