[发明专利]一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法

摘要

本发明公开了一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法。首先，用典型变量分析(CVA)来提取变量中时序相关的部分，然后对时序相关的部分进行慢特征分析(SFA)，分别提取稳态特征和时变特征。所提取的时变特征和稳态特征能充分反映汽轮机轴承的闭环控制系统中变量的时序相关性及变化速度。最后，将提取出来的特征输入连续隐马尔可夫模型(CHMM)中预测故障退化状态。该方法同时考虑了故障发生时，闭环控制系统动态调节过程中变量的时序相关性和变化速度，能够更加准确地预测智能电厂汽轮机轴承的闭环控制系统故障的退化状态。

主权项

1.一种面向智能电厂汽轮机轴承的闭环控制系统故障退化状态预测方法，其特征在于，包括以下步骤：(1)数据采集：获取整个故障退化过程的数据，设汽轮机轴承的闭环控制系统中包含J个过程变量，每次采样可以得到一个1×J的向量，采样M次后得到一个故障退化过程下的二维矩阵X(M×J)；(2)提取特征：用CVA对汽轮机轴承的闭环控制系统的故障数据进行分析，提取时序相关的部分Z，然后使用SFA对时序相关的部分Z进行分析，分别提取稳态特征S和时变特征(3)根据闭环控制系统的故障退化状态所经历的时间，对稳态特征S和时变特征进行划分，获得各个故障状态下的稳态特征和时变特征。(4)建立模型：使用各个故障状态下的稳态特征和时变特征来训练对应的故障退化状态的CHMM模型，建立包含各个故障退化状态CHMM模型的故障退化状态库。(5)在线预测：对于实时采集的数据，采用步骤(2)所述的方式提取特征，然后将提取的特征分别输入故障退化状态库中的CHMM模型中，比较其输出的概率，输出概率最大的CHMM模型所对应的故障退化状态即为当前闭环控制系统所处的故障退化状态。