CN109062194A - 一种闭环影响下催化裂化主风机组故障诊断方法和系统 - Google Patents
一种闭环影响下催化裂化主风机组故障诊断方法和系统 Download PDFInfo
- Publication number
- CN109062194A CN109062194A CN201811128539.XA CN201811128539A CN109062194A CN 109062194 A CN109062194 A CN 109062194A CN 201811128539 A CN201811128539 A CN 201811128539A CN 109062194 A CN109062194 A CN 109062194A
- Authority
- CN
- China
- Prior art keywords
- data
- under
- fault
- closed loop
- influence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种闭环影响下催化裂化主风机组故障诊断方法和系统,包括闭环影响下催化裂化主风机组故障诊断系统,所述闭环影响下催化裂化主风机组故障诊断系统包括石化装备闭环控制对故障诊断系统、反馈控制下复合故障的机理分析和振动系统和欠数据下的闭环故障建模及主动诊断系统。本发明综合运用设备运行过程中的性能监测数据和运行信息,研究闭环影响下石化装备的故障建模及故障诊断方法,尝试获得关于闭环石化装备故障机理的创新性理解,并且针对闭环控制下石化装备不同于传统问题的新特点:闭环非线性、反馈引起复合故障、欠数据等研究闭环对石化装备故障检测影响的机理进行分析和处理,具有研究问题层面的创新性。
Description
技术领域
本发明涉及故障诊断方法和系统,特别涉及一种闭环影响下催化裂化主风机组故障诊断方法和系统。
背景技术
随着石化产业规模的大规模发展,石化装备日益趋向大型化、精密化、高速化和自动化方向发展,其控制和结构越来越复杂,非线性闭环控制已经成为系统常态。这些发展一方面提高了生产效率、降低了生产成本,另一方面对石化装备的设计、制造、安装、使用、维修和可靠运行提出了更高、更严格的要求。
石化装备一般都采用闭环控制模式,闭环控制一方面提升了系统的稳定性和鲁棒性,另一方面当系统中发生异常状况时,减少了输出变化,导致对部分故障具有明显掩盖作用。若系统中存在非线性和不确定性环节,则开闭环残差信号之间的关系会变得极其复杂,使得现有基于解析模型的方法很难得到理想效果。闭环控制带来的另一难点是系统中异常情况的传播,某些部位发生的故障可能随着反馈控制回路影响系统多处性能,使得原本正常工作的单元输出异常值,导致故障在系统内部传播,并且目前石化装备故障诊断方法的研究均没有对石化装备中普遍存在的闭环非线性特性、反馈控制下故障复合、强扰动-欠数据等特点开展深入的故障诊断机理分析和诊断方法研究,因此,发明一种闭环影响下催化裂化主风机组故障诊断方法和系统来解决上述问题很有必要。
发明内容
本发明的目的在于提供一种闭环影响下催化裂化主风机组故障诊断方法和系统,本发明综合运用设备运行过程中的性能监测数据和运行信息,研究闭环影响下石化装备的故障建模及故障诊断方法,尝试获得关于闭环石化装备故障机理的创新性理解,并且针对闭环控制下石化装备不同于传统问题的新特点:闭环非线性、反馈引起复合故障、欠数据等研究闭环对石化装备故障检测影响的机理进行分析和处理,具有研究问题层面的创新性,以解决目前石化装备故障诊断方法的研究均没有对石化装备中普遍存在的闭环非线性特性、反馈控制下故障复合、强扰动、欠数据等特点开展深入的故障诊断机理分析和诊断方法研究的问题。
为实现上述目的,本发明提供如下技术方案:一种闭环影响下催化裂化主风机组故障诊断系统,包括闭环影响下催化裂化主风机组故障诊断系统,所述闭环影响下催化裂化主风机组故障诊断系统包括石化装备闭环控制对故障诊断系统、反馈控制下复合故障的机理分析和振动系统和欠数据下的闭环故障建模及主动诊断系统,所述石化装备闭环控制对故障诊断系统包括残差信号预处理模块、残差生成器和残差数据处理中心,所述反馈控制下复合故障的机理分析和振动系统包括故障数据预处理模块、数据匹配模块和DS融合诊断模块,所述欠数据下的闭环故障建模及主动诊断系统包括故障诊断预处理模块、激励信号生成/输入模块和残差分析模块,所述石化装备闭环控制对故障诊断系统、反馈控制下复合故障的机理分析和振动系统和欠数据下的闭环故障建模及主动诊断系统连接端均设有石化装备,所述石化装备闭环控制对故障诊断系统、反馈控制下复合故障的机理分析和振动系统和欠数据下的闭环故障建模及主动诊断系统输出端均设有数据传控中心,所述数据传控中心连接端设有数据显示模块,所述数据传控中心和数据显示模块均通过传输光缆连通有数据库。
优选的,所述残差生成器在最小方差和鲁棒框架下,分别利用其统计特征信息和系数矩阵结构降低其影响,分別实现最小均方和传递函数无穷范数意义下的最优求解,将最优求解传输至残差数据处理中心。
优选的,所述数据匹配模块在求取基本概率分配值时不能采用多点或一段曲线的有记忆序列与故障样本进行匹配进行实验分析,计算概率权值,采用一种新的基于非参数假设检验方法得到证据推理所需要的信度值,即最佳决策值。
优选的,所述激励信号生成/输入模块在不影响系统控制性能的前提下,充分激发特定故障的症状,并且激励信号需要满足:激励输入为平稳的随机信号;激励信号与系统输入信号及噪声信号相互独立;激励输入应满足特定的结构关系以激发特定的故障信息;激励信号是物理可实现的。
优选的,所述数据显示模块包括用于工作人员进行查看检测的数据和结果的显示屏、触控屏、警报器、控制键盘和鼠标。
本发明还提供了一种闭环影响下催化裂化主风机组故障诊断方法,所述故障诊断方法的具体步骤为:
步骤一:石化装备工作过程中出现故障时将设备的失效阀值分别传输至残差信号预处理模块、故障数据预处理模块和故障诊断预处理模块;
步骤二:残差信号预处理模块对石化装备传输的残差信号进行预处理,降低控制量和外部干扰到残差特征量的增益,处理后将数据传输至残差生成器,残差生成器反馈控制对于残差幅值和某些特征值可能的最坏影响,并调整残差评价函数的形式和相应的阈值,并将数值传输至残差数据处理中心;
步骤三:故障数据预处理模块对石化装备传输的残差信号进行预处理,降低不同故障的影响程度,降低分析困难,并在此类故障发生时对残差信号进行分析,通过观察已解耦故障发生时残差信号是否仍超限报警判断,同时采用增加扰动反馈的方法平衡扰动,通过结构相关性和信号谐波相关性分析,降维处理,分析可能机理,随后将分析数据传输至数据匹配模块,数据匹配模块针对不同故障发生时的残差信号进行特征提取,并分别采用有/无监督学习方法进行相关性分析,深入挖掘故障表征的相关性,对故障来源进行精确推断,随后DS融合诊断模块针对遗传编程算法局部搜索能力差、容易出现早熟收敛等不足,采用改进的遗传编程算法,从而推导出能满足不同类型的多重复合故障诊断要求的新无量纲免疫检测器;
步骤四:故障诊断预处理模块对石化装备传输的残差信号进行预处理,针对欠数据下的石化装备团环故障建模问题:根据石化装备不同的负载、对象等运行环境,采用机理与数据相结合的方法实现复杂环境下的故障分类和故障建模,分析石化装备运行环境主要影响因素,完成故障发生可能性与环境依赖关系的划分,通过故障特征提取对故障进行归类,随后通过激励信号生成/输入模块对归类后的数据传输新的信号,与原控制信号叠加输入系统,从而获得由激励信号的加入产生的额外信息,随后残差分析模块在合理选择主动激励输入信号后,得到系统新的、激发除了特定故障信息的测量信号,随后可以利用原控制信号、激励输入控制信号和系统测量信号进行残差生成,进而对满足相应结构化要求的故障信号进行有针对性的检测与定位;
步骤五:数据传输中心分别接收残差数据处理中心、DS融合诊断模块和残差分析模块所工作后得到的数据和结果,并将数据传输在数据显示模块上给工作人员查看,同时将数据存储在数据库内并从数据库内提取相类似数据的结果传输在数据显示模块为工作人员提供参考。
本发明的技术效果和优点:
1、本发明综合运用设备运行过程中的性能监测数据和运行信息,研究闭环影响下石化装备的故障建模及故障诊断方法,尝试获得关于闭环石化装备故障机理的创新性理解,并且针对闭环控制下石化装备不同于传统问题的新特点:闭环非线性、反馈引起复合故障、欠数据等研究闭环对石化装备故障检测影响的机理进行分析和处理,具有研究问题层面的创新性;
2、根据石化装备在闭环影响下催化裂化主风机组故障时所产生的闭环非线性、反馈引起故障复合、欠数据等实际特征,利用数据库存储的实际数据,开展石化装备闭环故障诊断方法的验证研究,是故障诊断技术应用的新领域,具有工程应用层面的创新性。
附图说明
图1为本发明的故障诊断系统整体流程图;
图2为本发明的故障诊断系统。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
本发明提供了如图1-2所示的一种闭环影响下催化裂化主风机组故障诊断系统,包括闭环影响下催化裂化主风机组故障诊断系统,所述闭环影响下催化裂化主风机组故障诊断系统包括石化装备闭环控制对故障诊断系统、反馈控制下复合故障的机理分析和振动系统和欠数据下的闭环故障建模及主动诊断系统,所述石化装备闭环控制对故障诊断系统包括残差信号预处理模块、残差生成器和残差数据处理中心,所述反馈控制下复合故障的机理分析和振动系统包括故障数据预处理模块、数据匹配模块和DS融合诊断模块,所述欠数据下的闭环故障建模及主动诊断系统包括故障诊断预处理模块、激励信号生成/输入模块和残差分析模块,所述石化装备闭环控制对故障诊断系统、反馈控制下复合故障的机理分析和振动系统和欠数据下的闭环故障建模及主动诊断系统连接端均设有石化装备,所述石化装备闭环控制对故障诊断系统、反馈控制下复合故障的机理分析和振动系统和欠数据下的闭环故障建模及主动诊断系统输出端均设有数据传控中心,所述数据传控中心连接端设有数据显示模块,所述数据传控中心和数据显示模块均通过传输光缆连通有数据库。
所述数据显示模块包括用于工作人员进行查看检测的数据和结果的显示屏、触控屏、警报器、控制键盘和鼠标。
本实施例有益效果:本发明综合运用设备运行过程中的性能监测数据和运行信息,研究闭环影响下石化装备的故障建模及故障诊断方法,尝试获得关于闭环石化装备故障机理的创新性理解,并且针对闭环控制下石化装备不同于传统问题的新特点:闭环非线性、反馈引起复合故障、欠数据等研究闭环对石化装备故障检测影响的机理进行分析和处理,具有研究问题层面的创新性;根据石化装备在闭环影响下催化裂化主风机组故障时所产生的闭环非线性、反馈引起故障复合、欠数据等实际特征,利用数据库存储的实际数据,开展石化装备闭环故障诊断方法的验证研究,是故障诊断技术应用的新领域,具有工程应用层面的创新性。
实施例二:
所述残差生成器在最小方差和鲁棒框架下,分别利用其统计特征信息和系数矩阵结构降低其影响,分別实现最小均方和传递函数无穷范数意义下的最优求解,将最优求解传输至残差数据处理中心。
残差信号的特征是实现故障定位和分离的基础,由于闭环系统反馈控制会实时在线调整,因此一旦残差特征受到反馈控制的显著影响,不断变化的控制必然会对故障检测和分离造成干扰,所以有必要研究不同控制、不同故障诊断方法下故障的可诊断性和可分离性,其难点在于如何针对不同的方法对可诊断性和可分离性进行精确的数学定义,并在故障诊断单元设计时提高其可诊断性。
本实施例有益效果:若模型不确定性和非线性的结构信息已知,可以采取未知输入观测器的方法,使得控制信号到残差信号的增益为零,即残差信号对于控制信号解耦;如果解耦无法实现,可以在某种意义下如数学期望意义下、鲁棒准则意义下使得残差信号与不受控制的影响或者限制其影响尽量小,并采用正向或者反向递推黎卡提方程进行求解,若残差生成器需要考虑检测时延、抗扰动等其他性能指标,而非单纯考虑降低闭环反馈的影响,则需要利用残差递推式,通过三角不等式和柯西不等式分析历史反馈控制对于残差幅值和某些特征值可能的最坏影响,并调整残差评价函数的形式和相应的阈值,最后可以在统计意义下利用概率密度函数分析这种变化对故障误报率和漏报率的影响,为了排除反馈控制量对故障诊断的影响,需要先对残差信号进行预处理,如利用鲁棒最小方差指标,降低控制量和外部干扰到残差特征量的增益,即抑制控制量和干扰对残差特征量的影响,在最小方差和鲁棒框架下,分别利用其统计特征信息和系数矩阵结构降低其影响,分別实现最小均方和传递函数无穷范数意义下的最优求解。
实施例三:
所述数据匹配模块在求取基本概率分配值时不能采用多点或一段曲线的有记忆序列与故障样本进行匹配进行实验分析,计算概率权值,采用一种新的基于非参数假设检验方法得到证据推理所需要的信度值,即最佳决策值,新的基于非参数假设检验方法为KoImogorov-Smirnov检验方法,可以推理所需要的信度值。
石化装备在复杂环境下的复合故障分离算法问题:复合故障分离的难点在于不同故障产生的影响之间存在大量交集,无法通过简单的残差变化准确判断故障发生的位置和种类,后续还需要大量的推理和分析,针对传统的无量纲指标,无法实现对旋转机械轴系不同频段、不同类型并发的典型复合故障振动特征信息、变化规律,分析、掌握各类复合故障可诊断性,对传统无量纲进行推导、改正,构建一批新无量纲,并且理论推导、证明新无量纲的有效性;针对不同种类的故障诊断单元结论。
本实施例有益效果:石化装备系统中复合故障成因复杂,难以从机理,上准确判断故障的相关性,比较不同结构,不同特性的复合故障状态,若模型不确定性和非线性的结构信息已知,可以采取未知输入观测器的方法,使得残差信号对于某一类故障在最多方向.上解耦,降低不同故障的影响程度,降低分析困难,并在此类故障发生时对残差信号进行分析,通过观察已解耦故障发生时残差信号是否仍超限报警判断,同时采用增加扰动反馈的方法平衡扰动,通过结构相关性和信号谐波相关性分析,降维处理,分析可能机理,针对不同故障发生时的残差信号进行特征提取,并分别采用有/无监督学习方法进行相关性分析,深入挖掘故障表征的相关性,对故障来源进行精确推断,通过Ko Imogorov-Smirnov检验方法得到证据推理所需要的信度值;利用D-S融合出最佳的决策值;针对遗传编程算法局部搜索能力差、容易出现早熟收敛等不足,采用改进的遗传编程算法,从而推导出能满足不同类型的多重复合故障诊断要求的新无量纲免疫检测器,通过粗糙集确定权重,构建一种新证据推理方法,解决证据体高冲突,实现基于权重系数与冲突概率重新分配的证据合成方法。
实施例四:
所述激励信号生成/输入模块在不影响系统控制性能的前提下,充分激发特定故障的症状,并且激励信号需要满足:激励输入为平稳的随机信号;激励信号与系统输入信号及噪声信号相互独立;激励输入应满足特定的结构关系以激发特定的故障信息;激励信号是物理可实现的。
本实施例有益效果:根据石化装备不同的负载、对象等运行环境,采用机理与数据相结合的方法实现复杂环境下的故障分类和故障建模,分析石化装备运行环境主要影响因素,完成故障发生可能性与环境依赖关系的划分,通过故障特征提取对故障进行归类,在此基础上,根据不同环境下所能导致的不同故障特性,对各类故障建立更实际,更具针对性的数学描述方法,对于可以推测其机理的故障,我们基于物理学原理对其进行动力学分析;针对难以推测其作用机理的故障,可基于数学逼近方法对其运行动态进行逼近,最后,以不同运行环境下具体的实际系统故障数据确定故障模型的参数,在此过程中采用数据增容技术,合理构建系统的输出信号,使其能更加有效的反映出系统中的异常情况,在合理选择主动激励输入信号后,可以得到系统新的、激发除了特定故障信息的测量信号后,此时可以利用原控:制信号、激励输入控制信号和系统测量信号进行残差生成,进而对满足相应结构化要求的故障信号进行有针对性的检测与定位,闭环的系统结构对某些特定故障具有掩盖作用,利用故障激励思想的主动故障检测技术可主动增强特定故障的外在表现,为故障检測提供了一个全新的解决思路,激励信号一般选择由标准高斯白噪声通过激励生成子系统,依照系统的特点进行结构化选择,针对特定的故障或故障集合生成新的测量信号,分析系统测量信号与输入激励信号之间的相关性,利用时域信息检测的方法滤掉与激励信号随机不相关的扰动及控制输入信号,提取出与激励信号随机相关的故障信息,生成相应的残差后通过随机信号分析的方法得到故障的准确信息。
实施例五:
本发明还提供了一种闭环影响下催化裂化主风机组故障诊断方法,所述故障诊断方法的具体步骤为:
步骤一:石化装备工作过程中出现故障时将设备的失效阀值分别传输至残差信号预处理模块、故障数据预处理模块和故障诊断预处理模块;
步骤二:残差信号预处理模块对石化装备传输的残差信号进行预处理,降低控制量和外部干扰到残差特征量的增益,处理后将数据传输至残差生成器,残差生成器反馈控制对于残差幅值和某些特征值可能的最坏影响,并调整残差评价函数的形式和相应的阈值,并将数值传输至残差数据处理中心;
步骤三:故障数据预处理模块对石化装备传输的残差信号进行预处理,降低不同故障的影响程度,降低分析困难,并在此类故障发生时对残差信号进行分析,通过观察已解耦故障发生时残差信号是否仍超限报警判断,同时采用增加扰动反馈的方法平衡扰动,通过结构相关性和信号谐波相关性分析,降维处理,分析可能机理,随后将分析数据传输至数据匹配模块,数据匹配模块针对不同故障发生时的残差信号进行特征提取,并分别采用有/无监督学习方法进行相关性分析,深入挖掘故障表征的相关性,对故障来源进行精确推断,随后DS融合诊断模块针对遗传编程算法局部搜索能力差、容易出现早熟收敛等不足,采用改进的遗传编程算法,从而推导出能满足不同类型的多重复合故障诊断要求的新无量纲免疫检测器;
步骤四:故障诊断预处理模块对石化装备传输的残差信号进行预处理,针对欠数据下的石化装备团环故障建模问题:根据石化装备不同的负载、对象等运行环境,采用机理与数据相结合的方法实现复杂环境下的故障分类和故障建模,分析石化装备运行环境主要影响因素,完成故障发生可能性与环境依赖关系的划分,通过故障特征提取对故障进行归类,随后通过激励信号生成/输入模块对归类后的数据传输新的信号,与原控制信号叠加输入系统,从而获得由激励信号的加入产生的额外信息,随后残差分析模块在合理选择主动激励输入信号后,得到系统新的、激发除了特定故障信息的测量信号,随后可以利用原控制信号、激励输入控制信号和系统测量信号进行残差生成,进而对满足相应结构化要求的故障信号进行有针对性的检测与定位;
步骤五:数据传输中心分别接收残差数据处理中心、DS融合诊断模块和残差分析模块所工作后得到的数据和结果,并将数据传输在数据显示模块上给工作人员查看,同时将数据存储在数据库内并从数据库内提取相类似数据的结果传输在数据显示模块为工作人员提供参考。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种闭环影响下催化裂化主风机组故障诊断系统,包括闭环影响下催化裂化主风机组故障诊断系统,其特征在于:所述闭环影响下催化裂化主风机组故障诊断系统包括石化装备闭环控制对故障诊断系统、反馈控制下复合故障的机理分析和振动系统和欠数据下的闭环故障建模及主动诊断系统,所述石化装备闭环控制对故障诊断系统包括残差信号预处理模块、残差生成器和残差数据处理中心,所述反馈控制下复合故障的机理分析和振动系统包括故障数据预处理模块、数据匹配模块和DS融合诊断模块,所述欠数据下的闭环故障建模及主动诊断系统包括故障诊断预处理模块、激励信号生成/输入模块和残差分析模块,所述石化装备闭环控制对故障诊断系统、反馈控制下复合故障的机理分析和振动系统和欠数据下的闭环故障建模及主动诊断系统连接端均设有石化装备,所述石化装备闭环控制对故障诊断系统、反馈控制下复合故障的机理分析和振动系统和欠数据下的闭环故障建模及主动诊断系统输出端均设有数据传控中心,所述数据传控中心连接端设有数据显示模块,所述数据传控中心和数据显示模块均通过传输光缆连通有数据库。
2.根据权利要求1所述的一种闭环影响下催化裂化主风机组故障诊断系统,其特征在于:所述残差生成器在最小方差和鲁棒框架下,分别利用其统计特征信息和系数矩阵结构降低其影响,分別实现最小均方和传递函数无穷范数意义下的最优求解,将最优求解传输至残差数据处理中心。
3.根据权利要求1所述的一种闭环影响下催化裂化主风机组故障诊断系统,其特征在于:所述数据匹配模块在求取基本概率分配值时不能采用多点或一段曲线的有记忆序列与故障样本进行匹配进行实验分析,计算概率权值,采用一种新的基于非参数假设检验方法得到证据推理所需要的信度值,即最佳决策值。
4.根据权利要求1所述的一种闭环影响下催化裂化主风机组故障诊断系统,其特征在于:所述激励信号生成/输入模块在不影响系统控制性能的前提下,充分激发特定故障的症状,并且激励信号需要满足:激励输入为平稳的随机信号;激励信号与系统输入信号及噪声信号相互独立;激励输入应满足特定的结构关系以激发特定的故障信息,激励信号是物理可实现的。
5.根据权利要求1所述的一种闭环影响下催化裂化主风机组故障诊断系统,其特征在于:所述数据显示模块包括用于工作人员进行查看检测的数据和结果的显示屏、触控屏、警报器、控制键盘和鼠标。
6.一种闭环影响下催化裂化主风机组故障诊断方法,其特征在于:所述故障诊断方法的具体步骤为:
步骤一:石化装备工作过程中出现故障时将设备的失效阀值分别传输至残差信号预处理模块、故障数据预处理模块和故障诊断预处理模块;
步骤二:残差信号预处理模块对石化装备传输的残差信号进行预处理,降低控制量和外部干扰到残差特征量的增益,处理后将数据传输至残差生成器,残差生成器反馈控制对于残差幅值和某些特征值可能的最坏影响,并调整残差评价函数的形式和相应的阈值,并将数值传输至残差数据处理中心;
步骤三:故障数据预处理模块对石化装备传输的残差信号进行预处理,降低不同故障的影响程度,降低分析困难,并在此类故障发生时对残差信号进行分析,通过观察已解耦故障发生时残差信号是否仍超限报警判断,同时采用增加扰动反馈的方法平衡扰动,通过结构相关性和信号谐波相关性分析,降维处理,分析可能机理,随后将分析数据传输至数据匹配模块,数据匹配模块针对不同故障发生时的残差信号进行特征提取,并分别采用有/无监督学习方法进行相关性分析,深入挖掘故障表征的相关性,对故障来源进行精确推断,随后DS融合诊断模块针对遗传编程算法局部搜索能力差、容易出现早熟收敛等不足,采用改进的遗传编程算法,从而推导出能满足不同类型的多重复合故障诊断要求的新无量纲免疫检测器;
步骤四:故障诊断预处理模块对石化装备传输的残差信号进行预处理,针对欠数据下的石化装备团环故障建模问题:根据石化装备不同的负载、对象等运行环境,采用机理与数据相结合的方法实现复杂环境下的故障分类和故障建模,分析石化装备运行环境主要影响因素,完成故障发生可能性与环境依赖关系的划分,通过故障特征提取对故障进行归类,随后通过激励信号生成/输入模块对归类后的数据传输新的信号,与原控制信号叠加输入系统,从而获得由激励信号的加入产生的额外信息,随后残差分析模块在合理选择主动激励输入信号后,得到系统新的、激发除了特定故障信息的测量信号,随后可以利用原控制信号、激励输入控制信号和系统测量信号进行残差生成,进而对满足相应结构化要求的故障信号进行有针对性的检测与定位;
步骤五:数据传输中心分别接收残差数据处理中心、DS融合诊断模块和残差分析模块所工作后得到的数据和结果,并将数据传输在数据显示模块上给工作人员查看,同时将数据存储在数据库内并从数据库内提取相类似数据的结果传输在数据显示模块为工作人员提供参考。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811128539.XA CN109062194A (zh) | 2018-09-27 | 2018-09-27 | 一种闭环影响下催化裂化主风机组故障诊断方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811128539.XA CN109062194A (zh) | 2018-09-27 | 2018-09-27 | 一种闭环影响下催化裂化主风机组故障诊断方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109062194A true CN109062194A (zh) | 2018-12-21 |
Family
ID=64766236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811128539.XA Pending CN109062194A (zh) | 2018-09-27 | 2018-09-27 | 一种闭环影响下催化裂化主风机组故障诊断方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109062194A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111946695A (zh) * | 2020-08-13 | 2020-11-17 | 四川大学 | 一种结合多通道残差与深度学习的作动器故障诊断方法 |
CN113486150A (zh) * | 2021-07-13 | 2021-10-08 | 广西民族大学 | 一种基于事件结构模型的机器故障诊断方法和装置 |
CN115307670A (zh) * | 2022-10-12 | 2022-11-08 | 蘑菇物联技术(深圳)有限公司 | 用于定位中央空调系统异常传感器的方法、设备和介质 |
CN115903740A (zh) * | 2022-11-17 | 2023-04-04 | 中国第一汽车股份有限公司 | 一种bms故障排除系统、电池总成、电动车辆及排除方法 |
-
2018
- 2018-09-27 CN CN201811128539.XA patent/CN109062194A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111946695A (zh) * | 2020-08-13 | 2020-11-17 | 四川大学 | 一种结合多通道残差与深度学习的作动器故障诊断方法 |
CN113486150A (zh) * | 2021-07-13 | 2021-10-08 | 广西民族大学 | 一种基于事件结构模型的机器故障诊断方法和装置 |
CN113486150B (zh) * | 2021-07-13 | 2024-02-02 | 广西民族大学 | 一种基于事件结构模型的机器故障诊断方法和装置 |
CN115307670A (zh) * | 2022-10-12 | 2022-11-08 | 蘑菇物联技术(深圳)有限公司 | 用于定位中央空调系统异常传感器的方法、设备和介质 |
CN115307670B (zh) * | 2022-10-12 | 2023-01-13 | 蘑菇物联技术(深圳)有限公司 | 用于定位中央空调系统异常传感器的方法、设备和介质 |
CN115903740A (zh) * | 2022-11-17 | 2023-04-04 | 中国第一汽车股份有限公司 | 一种bms故障排除系统、电池总成、电动车辆及排除方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109062194A (zh) | 一种闭环影响下催化裂化主风机组故障诊断方法和系统 | |
CN102821007B (zh) | 一种基于自律计算的网络安全态势感知系统及其处理方法 | |
CN106202665B (zh) | 基于域映射与加权关联规则的早期故障根原因识别方法 | |
CN107544460B (zh) | 考虑航天器控制系统非完全失效故障的可诊断性量化方法 | |
CN113255188B (zh) | 一种基于事故树的桥梁安全预警方法及系统 | |
CN103678881B (zh) | 一种基于人工免疫与证据理论相结合的复合故障诊断方法 | |
CN108199899A (zh) | 一种无线传感器网络故障检测方法、装置及系统 | |
RU2745136C1 (ru) | Автоматизированная система выявления и прогнозирования осложнений в процессе строительства нефтяных и газовых скважин | |
Ning et al. | A concurrent fault diagnosis model via the evidential reasoning rule | |
Chen et al. | A combination model for evaluating deformation regional characteristics of arch dams using time series clustering and residual correction | |
CN110337640A (zh) | 用于问题警报聚合的方法和系统 | |
Holbert et al. | Redundant sensor validation by using fuzzy logic | |
Samhouri et al. | An intelligent machine condition monitoring system using time-based analysis: neuro-fuzzy versus neural network | |
RU2687848C1 (ru) | Способ и система вибромониторинга промышленной безопасности динамического оборудования опасных производственных объектов | |
CN109990803A (zh) | 检测系统异常的方法、装置及传感器处理的方法、装置 | |
Wu et al. | Traffic sensor health monitoring using spatiotemporal graphical modeling | |
Xiang et al. | Pattern Matching-Based Structural Damage Identification Using Mode Shape Difference Ratio with Limited Sensors | |
CN109324598A (zh) | 一种强扰动状态下反馈控制下复合故障的诊断方法及装置 | |
Sobchuk et al. | Evaluation of efficiency of application of functionally sustainable generalized information system of the enterprise | |
Teyi et al. | A review of application of data science tools in crack identification and localization | |
CN105844023B (zh) | 一种考虑测试点不确定性的测试性建模方法 | |
JP2002169611A (ja) | 故障診断システムおよびその自動設計方法 | |
Thunem et al. | Ussing an Agent-Oriented Framework for Supervision, Diagnosis and Prognosis Applications in Advanced Automation Environments | |
Ragab et al. | Remaining useful life prognostics using pattern-based machine learning | |
RU2745137C1 (ru) | Автоматизированная система выявления и прогнозирования осложнений в процессе строительства нефтяных и газовых скважин |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181221 |