本发明属于化工设备故障预测技术领域,尤其涉及一种化工废料处理设备的多工况故障预测方法。
背景技术:
化工废料就是化工原料在生产利用的过程中剩余的边角料,或者是生产过程中被污染的,不能再利用的废弃物。目前,化学生产工艺在化学生产中的发展一直处于开发阶段,而化学工艺的研发在近几年却变得逐渐火热起来,随着节能环保和低碳生活理念的持续火热,对于环境的重视程度也逐渐增强,所以,在化工生产当中就需要及时对其进行改变。在过去,由于化工产生当中产生的污染排放问题通常很难得到有效的解决,化工废料的排放非常的严重,这就给我们的生活环境带来很大的污染。因此,化工废料的处理非常重要。然而,现有化工废料处理设备运维效率低;同时,现有对化工废料处理设备故障诊断精度不高,难以满足需求。
综上所述,现有技术存在的问题是:
(1)现有化工废料处理设备运维效率低;同时,现有对化工废料处理设备故障诊断精度不高,难以满足需求。
(2)现有技术中电流传感器检测化工废料处理设备工作电流数据的过程中,利用故障点上游和下游故障暂态电流间相似性关系的小电流接地故障区段定位方法,由于缺乏严格的理论证明且原理上存在一定盲区易导致定位错误,不能消除定位盲区,降低了暂态定位原理的可靠性和适应性。
(3)现有技术中噪声传感器采用传统的算法检测化工废料处理设备工作噪声数据的过程中,在保证声音训练样本质量的同时不能减少训练样本数目,降低了训练的效率和声音识别准确率。
(4)现有技术中通过电压传感器测化工废料处理设备工作电压数据的过程中,测量精确度易受环境温度的影响,通过采用现有的算法对电压传感器测量结果进行修正,不能有效的实现对传感器的温度补偿。
技术实现要素:
针对现有技术存在的问题,本发明提供了一种化工废料处理设备的多工况故障预测方法。
本发明是这样实现的,一种化工废料处理设备的多工况故障预测方法,所述化工废料处理设备的多工况故障预测方法包括:
第一步,对化工废料处理设备工作电流数据,化工废料处理设备工作电压数据和化工废料处理设备工作噪声数据进行数据采集;
第二步,根据采集的数据,对化工废料处理设备的运行情况和故障类型进行判断;
第三步,根据故障诊断的数据和结果,构建故障案例库;
第四步,检测的电流、电压、噪声、故障案例库、故障诊断结果进行储存,通过显示器显示相关的数据信息。
进一步,通过电流传感器检测化工废料处理设备工作电流数据,采用电路故障区段定位算法的实现过程如下:
步骤一,变电站终端根据零模电压变化启动,选择故障线路,并将选线结果和故障线路出口零模电流上报主站;
步骤二,各出线的馈线终端根据所在检测点零模电流的突变情况启动,并将故障零模电流上报主站;
步骤三,主站接收终端数据,对故障线路各终端零模电流数据进行滤波,分别提取其暂态分量和工频分量,对健全线路终端数据则不予处理;
步骤四,从故障线路出口开始,依次计算各相邻检测点间的暂态零模电流相关系数和工频零序电流相关系数,合成修正后的暂态零模电流相关系数;
步骤五,从故障线路出口开始,依次判断各区段两侧暂态零模电流相关系数。若某区段两侧修正后的暂态零模电流相关系数小于设定门槛值ρt,则该区段为故障区段;
步骤六,若所有区段两侧的暂态电流相关系数均大于门槛值ρt则最末检测点下游区段为故障区段。
进一步,通过噪声传感器检测化工废料处理设备工作噪声数据,采用基于聚类标注的训练样本选择算法,包括以下步骤:
步骤一,选择大量的样本作为训练样本的初始集,然后通过人工辨别粗略分类为粗糙样本集1,粗糙样本集2,…,粗糙样本集w,每一个粗糙样本集代表同一类声音;
步骤二,对粗糙样本集中每一个样本进行预处理及混合特征提取,得到相应的混合特征向量矩阵;
步骤三,对每一个混合特征向量矩阵求其均值向量表示样本,一共可以获得w个均值向量集;
步骤四,对这w个均值向量集分别进行聚类,类别数的选择依据实际情况而定,每一个均值向量集可以聚成pw类,然后从每一类中选择少数均值向量所对应的样本作为最终的训练样本代表集。
进一步,通过电压传感器测化工废料处理设备工作电压数据,通过校准系数对电压传感器测量结果进行修正,实现对传感器的温度补偿,具体算法,如下:
步骤一,基准电压源产生频率为f2,有效值为u2的基准电压信号,二次转换器从电压传感器校准电压输出端接收的基准电压信号u2经过解调处理后,得到高温度稳定性、高精确度的电压信号,表示为
式中n为数据样本的计数;tn为第n个数据的采样时间;
步骤二,二次转换器从电压传感器的感应信号输出端接收光学电压传感单元敏感获得的感应被测电压信号u′1和感应基准电压信号u′2,并对该信号进行数据处理,得到易受环境温度影响的感应被测电压和感应基准电压,分别表示为
式中δk为环境温度等外界影响因素引起光学电压传感单元的输出系数变化量,与敏感电压信号频率无关;
步骤三,利用三角窗加权算法和离散傅里叶算法,二次转换器实现对获得的感应基准电压信号u′2和基准电压信号u2的多周期数据的有效值计算;
环境温度等外界影响因素引起光学电压传感单元的输出系数变化量k通过下式计算得到;
式中u′2为光学电压传感单元敏感得到的感应基准电压信号u′2的有效值;
步骤四,利用上述系数对光学电压传感单元敏感的感应被测电压信号u′1进行修正,得到几乎不受环境温度影响的输出电压信号为
式中1+δk为电压传感器输出信号的自校准系数;
被测电压源输出电压信号u1除包含基波频率外,还可能包含其他高次谐波频率,上述计算方法同样适用。
本发明的另一目的在于提供一种执行所述化工废料处理设备的多工况故障预测方法的化工废料处理设备的多工况故障预测系统,所述化工废料处理设备的多工况故障预测系统包括:
电流检测模块,与主控模块连接,用于通过电流传感器检测化工废料处理设备工作电流数据;
电压检测模块,与主控模块连接,用于通过电压传感器检测化工废料处理设备工作电压数据;
噪声检测模块,与主控模块连接,用于通过噪声传感器检测化工废料处理设备工作噪声数据;
主控模块,与电流检测模块、电压检测模块、噪声检测模块、故障库构建模块、故障诊断模块、预警模块、检测数据存储模块、显示模块连接,用于通过单片机控制各个模块正常工作;
故障库构建模块,与主控模块连接,用于通过数据构建程序构建故障案例库;
故障诊断模块,与主控模块连接,用于通过故障诊断程序根据噪声数据诊断化工废料处理设备故障类型;
预警模块,与主控模块连接,用于通过报警器根据诊断结果进行预警通知;
检测数据存储模块,与主控模块连接,用于通过存储器存储检测的电流、电压、噪声、故障案例库、故障诊断结果;
显示模块,与主控模块连接,用于通过显示器显示检测化工废料处理设备工作时的电流、电压、噪声、故障案例库、故障诊断结果。
本发明的另一目的在于提供一种应用所述化工废料处理设备的多工况故障预测方法的化工设备故障预测平台。
本发明的优点及积极效果为:本发明通过故障库构建模块建立了一种高效的多级状态检测数据综合索引模型,构建一种行之有效的故障案例库,并以故障树、故障谱的方法对案例库进行索引,提高了带电检测数据的信息量和可利用率,提高了化工废料处理设备检测数据运维的准确性,降低的运维的成本,提高了运维的工作效率;同时,通过故障诊断模块采用组合分类方法实现了化工废料处理设备零部件故障的诊断,能用于在线实时故障诊断,及时发现机械设备故障,防止重大事故的发生;显著提高了故障诊断的精度。
本发明中电流检测模块通过电流传感器检测化工废料处理设备工作电流数据的过程中,利用故障点上游和下游故障暂态电流间相似性关系的小电流接地故障区段定位方法,避免由于缺乏严格的理论证明且原理上存在一定盲区易导致定位错误,为了消除定位盲区,提高暂态定位原理的可靠性和适应性,采用一种电路故障区段定位算法。
本发明中噪声检测模块用于通过噪声传感器检测化工废料处理设备工作噪声数据的过程中,为了在保证声音训练样本质量的同时减少训练样本数目,提高训练的效率,提高声音识别准确率,采用基于聚类标注的训练样本选择算法。
本发明中电压检测模块通过电压传感器测化工废料处理设备工作电压数据的过程中,测量精确度易受环境温度的影响,通过校准系数对电压传感器测量结果进行修正,实现对传感器的温度补偿。
附图说明
图1是本发明实施例提供的化工废料处理设备的多工况故障预测方法流程图。
图2是本发明实施例提供的化工废料处理设备的多工况故障预测系统结构示意图;
图中:1、电流检测模块;2、电压检测模块;3、噪声检测模块;4、主控模块;5、故障库构建模块;6、故障诊断模块;7、预警模块;8、检测数据存储模块;9、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的化工废料处理设备的多工况故障预测方法包括以下步骤:
s101:对化工废料处理设备工作电流数据,化工废料处理设备工作电压数据和化工废料处理设备工作噪声数据进行数据采集;
s102;根据上述获得的数据,对化工废料处理设备的运行情况和故障类型进行判断,如出现故障,报警器根据诊断结果进行预警通知;
s103:根据故障诊断的数据和结果,构建故障案例库;
s104:检测的电流、电压、噪声、故障案例库、故障诊断结果进行储存,通过显示器显示相关的数据信息。
如图2所示,本发明提供的化工废料处理设备的多工况故障预测系统包括:电流检测模块1、电压检测模块2、噪声检测模块3、主控模块4、故障库构建模块5、故障诊断模块6、预警模块7、检测数据存储模块8、显示模块9。
电流检测模块1,与主控模块4连接,用于通过电流传感器检测化工废料处理设备工作电流数据;
电压检测模块2,与主控模块4连接,用于通过电压传感器测化工废料处理设备工作电压数据;
噪声检测模块3,与主控模块4连接,用于通过噪声传感器检测化工废料处理设备工作噪声数据;
主控模块4,与电流检测模块1、电压检测模块2、噪声检测模块3、故障库构建模块5、故障诊断模块6、预警模块7、检测数据存储模块8、显示模块9连接,用于通过单片机控制各个模块正常工作;
故障库构建模块5,与主控模块4连接,用于通过数据构建程序构建故障案例库;
故障诊断模块6,与主控模块4连接,用于通过故障诊断程序根据噪声数据诊断化工废料处理设备故障类型;
预警模块7,与主控模块4连接,用于通过报警器根据诊断结果进行预警通知;
检测数据存储模块8,与主控模块4连接,用于通过存储器存储检测的电流、电压、噪声、故障案例库、故障诊断结果;
显示模块9,与主控模块4连接,用于通过显示器显示检测化工废料处理设备工作时的电流、电压、噪声、故障案例库、故障诊断结果。
所述电流检测模块1通过电流传感器检测化工废料处理设备工作电流数据的过程中,利用故障点上游和下游故障暂态电流间相似性关系的小电流接地故障区段定位方法,避免由于缺乏严格的理论证明且原理上存在一定盲区易导致定位错误,为了消除定位盲区,提高暂态定位原理的可靠性和适应性,采用一种电路故障区段定位算法的实现过程如下:
步骤一,变电站终端根据零模电压变化启动,选择故障线路,并将选线结果和故障线路出口零模电流上报主站;
步骤二,各出线的馈线终端根据所在检测点零模电流的突变情况启动,并将故障零模电流上报主站;
步骤三,主站接收终端数据,对故障线路各终端零模电流数据进行滤波,分别提取其暂态分量和工频分量,对健全线路终端数据则不予处理;
步骤四,从故障线路出口开始,依次计算各相邻检测点间的暂态零模电流相关系数和工频零序电流相关系数,合成修正后的暂态零模电流相关系数;
步骤五,从故障线路出口开始,依次判断各区段两侧暂态零模电流相关系数。若某区段两侧修正后的暂态零模电流相关系数小于设定门槛值ρt(包括负值),则该区段为故障区段;
步骤六,若所有区段两侧的暂态电流相关系数均大于门槛值ρt则最末检测点下游区段为故障区段。
所述噪声检测模块3,用于通过噪声传感器检测化工废料处理设备工作噪声数据的过程中,为了在保证声音训练样本质量的同时减少训练样本数目,提高训练的效率,提高声音识别准确率,采用基于聚类标注的训练样本选择算法,包括以下步骤:
步骤一,选择大量的样本作为训练样本的初始集,然后通过人工辨别粗略分类为粗糙样本集1,粗糙样本集2,…,粗糙样本集w,每一个粗糙样本集代表同一类声音;
步骤二,对粗糙样本集中每一个样本进行预处理及混合特征提取,得到相应的混合特征向量矩阵;
步骤三,对每一个混合特征向量矩阵求其均值向量表示样本,一共可以获得w个均值向量集;
步骤四,对这w个均值向量集分别进行聚类,类别数的选择依据实际情况而定,每一个均值向量集可以聚成pw类,然后从每一类中选择少数均值向量所对应的样本作为最终的训练样本代表集。
所述电压检测模块2通过电压传感器测化工废料处理设备工作电压数据的过程中,测量精确度易受环境温度的影响,通过校准系数对电压传感器测量结果进行修正,实现对传感器的温度补偿,具体算法,如下:
步骤一,基准电压源产生频率为f2,有效值为u2的基准电压信号,二次转换器从电压传感器校准电压输出端接收的基准电压信号u2经过解调处理后,得到高温度稳定性、高精确度的电压信号,表示为
式中n为数据样本的计数;tn为第n个数据的采样时间;
步骤二,二次转换器从电压传感器的感应信号输出端接收光学电压传感单元敏感获得的感应被测电压信号u′1和感应基准电压信号u′2,并对该信号进行数据处理,得到易受环境温度影响的感应被测电压和感应基准电压,分别表示为
式中δk为环境温度等外界影响因素引起光学电压传感单元的输出系数变化量,与敏感电压信号频率无关;
步骤三,利用三角窗加权算法和离散傅里叶算法,二次转换器实现对获得的感应基准电压信号u′2和基准电压信号u2的多周期数据的有效值计算;
环境温度等外界影响因素引起光学电压传感单元的输出系数变化量k通过下式计算得到;
式中u′2为光学电压传感单元敏感得到的感应基准电压信号u′2的有效值;
步骤四,利用上述系数对光学电压传感单元敏感的感应被测电压信号u′1进行修正,得到几乎不受环境温度影响的输出电压信号为
式中1+δk为电压传感器输出信号的自校准系数;
被测电压源输出电压信号u1除包含基波频率外,还可能包含其他高次谐波频率,上述计算方法同样适用。
本发明提供的故障库构建模块5构建方法如下:
1)通过故障检测设备检测化工废料处理设备的多工况故障数据;
2)建立高效多级状态检测数据综合索引模型,从多个维度对检测数据进行建模;
3)开展专家经验、案例库和规则库智能化的研究;
4)利用基于各类规范化的状态检测数据的分析诊断技术、利用多信息融合技术来提高分析诊断的准确性;
5)针对化工废料处理设备的多工况故障案例库和相关关系库研究标准化、智能化的典型故障案例库的构建技术,构建基于故障案例的设备故障树和故障谱;
6)构建变电设备现场运维的典型案例库,在此基础上,利用案例的快速检索匹配技术,实现典型案例的规范化存储、快速匹配,辅助现场的运维决策。
本发明提供的步骤2)中,状态检测数据从电力设备基础数据、电力设备运行数据、检测仪器、检测数据、气象信息等维度进行数据建模,并利用k-prototypes进行聚类分析,研究各个维度之间的关联性,在此基础上建立类型状态检测数据的高维混合数据标识模型;以此标识模型构建状态检测数据样本库,构建基于指纹搜索的状态检测数据快速索引模型,该模型通过提取待检测数据指纹,在状态检测数据样本库中,进行指纹搜索匹配。
本发明提供的步骤3)中,变电设备状态评估及诊断的专家系统,能够利用具有变量的故障树节点,通过紧致融合模糊集和故障树的算法,实现变电设备故障诊断典型案例的规则表达和存储。
本发明提供的步骤4)中,通过多信息融合技术确定故障分析的输入源或信息源,主要包括设备的信息和支撑设备诊断分析的故障案例库和相关关系库;然后根据诊断设备是否故障停运,在运则通过故障案例库和相关关系库,利用故障预测技术进行预测设备潜在故障,若是停运,则通过故障案例库和相关关系库,利用故障诊断技术诊断进行定位设备故障。
本发明提供的步骤5)中,主要包括以下子步骤:
利用标准化、智能化的典型故障案例库的构建技术,构建基于故障案例的设备故障树和故障谱,故障树采用具有变量的节点,可以直观地反映出系统故障与各种基本故障的逻辑关系,进而再通过故障谱找出系统的最薄弱环节,加强对薄弱环节的检查及维护;
利用基于海量数据的设备台账、历史故障缺陷、历史试验数据、在线监测数据、气象数据等,构建基于故障历史和状态监控的故障预测模型,该模型通过将监测状态与历史故障运行状态进行对比,判断故障发生与否,进而实现设备潜在性故障分析诊断和预测;
利用数据驱动型(统计分析法和人工智能定量诊断法)的故障诊断方法,实现电力设备的故障诊断;
针对现有诊断算法的不足,提出基于故障树框架的电力设备综合诊断方案,该方案利用具有变量节点的故障树,逐级进行层层排查,最终定位故障所在位置及故障原因。
本发明提供的故障诊断模块6诊断方法如下:
(1)利用信号分析方法提取传感器采集信号中包含的化工废料处理设备故障特征,并组成故障特征向量;
(2)利用故障特征向量离线训练故障诊断分类器,所述故障诊断分类器采用组合分类器,该组合分类器采用adaboost提升算法作为组合方法;
(3)运用训练好的故障诊断分类器实时进行化工废料处理设备的故障诊断。
本发明提供的训练和测试故障诊断分类器的步骤如下:
(a)数据集d包括d个数据组:(x1,y1),(x2,y2),…,(xd,yd),其中,xj表示第j个故障特征向量,yj表示类标号,j=1,2,…,d,对数据集d中的每个数据组的权重wj初始化为
(b)从数据集d中进行k轮有放回地抽样,得到训练集di,其中,di表示第i轮抽样得到的训练集,i=1,2,…,k,k为组合分类器中基分类器的个数;
(c)根据训练集di得到对应的基分类器ti;
(d)计算ti的错误率error(ti),当ti的错误率error(ti)超过预设阈值t时,丢弃训练集di,重新产生新的训练集di以及对应的新的基分类器ti;
(e)对于每个被正确分类的数据组,根据ti的错误率error(ti)更新权重wj,并对所有数据组的权重进行规范化,使得更新后的权重之和与更新前的权重之和相同;
(f)赋予每个基分类器ti的表决权重wi,ti的错误率error(ti)值越低,wi的值越高,得到包含k个基分类器的组合分类器;
(g)使用组合分类器对测试数据x分类,将所有类的权重wj初始化为0,从第一个基分类器开始,依次计算每个基分类器的分类结果,则每一个基分类器的输出结果如下:
ci=wi·ti(x);
对于每个类别号,对将同一类别号分配给组合分类器的所有基分类器的输出结果ci求和,将求和值最大所对应的类别号作为返回的预测值。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。