[发明专利]风烟系统设备故障的智能预警与在线诊断方法及系统

权利要求书

1.一种风烟系统设备故障的智能预警与在线诊断方法，其特征在于，包括以下步骤：

S1：采集风烟系统各设备的振动信号和非振动信号，分别得到风烟系统各设备的振动状态信号矩阵和非振动状态信号矩阵；

S2：对风烟系统各设备的所述振动状态信号矩阵、所述非振动状态信号矩阵进行标准化处理，并合并风烟系统各设备的所述振动状态信号矩阵与所述非振动状态信号矩阵，分别得到对应的标准状态矩阵；

S3：对风烟系统各设备的所述标准状态矩阵进行非线性转换、核主元分析，计算得到Q统计量和控制限Q_α，并对风烟系统各设备的所述标准状态矩阵进行多元状态估计，得到故障预警阈值；

S4：通过所述故障预警阈值进行故障智能预警，其中，通过所述Q统计量和所述控制限Q_α进行故障类型的诊断。

2.根据权利要求1所述的风烟系统设备故障的智能预警与在线诊断方法，其特征在于，所述振动信号至少包括风机前后轴承振动信号、风机电机驱动端和非驱动端振动信号、空预器传动电机轴承振动信号中的一种或多种信号，所述非振动信号至少包括温度、压力、流量、差压、氧量、露点、门开度、转速、飞灰含碳量、机组负荷、烟气浊度中的一种或多种信号。

3.根据权利要求1所述的风烟系统设备故障的智能预警与在线诊断方法，其特征在于，所述步骤S2进一步包括：

S21：对风烟系统各设备的所述振动状态信号矩阵X_2-1^*进行小波包及标准化处理分别得到对应的标准振动矩阵X₂^*，并且对风烟系统各设备的所述非振动状态信号矩阵X_1-1^*进行标准化处理分别得到对应的标准非振动矩阵X₁^*；

S22：合并风烟系统各设备的所述标准振动矩阵X₂^*和所述标准非振动矩阵X₁^*，分别得到对应的多元矩阵X^*；

S23：对风烟系统各设备的所述多元矩阵X^*进行标准化处理分别得到对应的所述标准状态矩阵X。

4.根据权利要求1所述的风烟系统设备故障的智能预警与在线诊断方法，其特征在于，所述步骤S3中，所述对风烟系统各设备的所述标准状态矩阵进行非线性转换、核主元分析，计算得到Q统计量和控制限Q_α进一步包括：

对风烟系统各设备的所述标准状态矩阵进行非线性转换；

对非线性转换之后的所述标准状态矩阵进行指数加权动态核主元分析，其中，计算核矩阵并中心化，确定所述核函数的主元数目，并根据风烟系统各设备的所述标准状态矩阵对应的核矩阵分配的权值，计算得到所述Q统计量和所述控制限Q_α。

5.根据权利要求4所述的风烟系统设备故障的智能预警与在线诊断方法，其特征在于，所述步骤S4中，所述通过所述Q统计量和所述控制限Q_α进行故障类型的诊断进一步包括：

根据所述Q统计量和所述控制限Q_α判断是否存在故障：

当Q统计量大于所述控制限Q_α，则确认存在故障，并结合所述主元数目及对应的主元贡献率进行主元排序，确定得到故障类型；

当Q统计量小于等于所述控制限Q_α，则确认不存在故障。

6.根据权利要求1所述的风烟系统设备故障的智能预警与在线诊断方法，其特征在于，所述步骤S3中，所述对风烟系统各设备的所述标准状态矩阵进行多元状态估计，得到故障预警阈值进一步包括：

通过滑动窗口统计法风烟系统各设备的所述标准状态矩阵进行多元状态估计，其中，取多个滑动窗口，计算每个窗口内样本的平均偏离度，将多个滑动窗口的平均偏离度中最大值作为所述故障预警阈值。

7.根据权利要求1至6任意一项所述的风烟系统设备故障的智能预警与在线诊断方法，其特征在于，风烟系统包括空气预热器、一次风机、送风机和引风机。