CN109443783A - 一种基于先验知识的燃气轮机欠定气路故障诊断方法 - Google Patents
一种基于先验知识的燃气轮机欠定气路故障诊断方法 Download PDFInfo
- Publication number
- CN109443783A CN109443783A CN201811216095.5A CN201811216095A CN109443783A CN 109443783 A CN109443783 A CN 109443783A CN 201811216095 A CN201811216095 A CN 201811216095A CN 109443783 A CN109443783 A CN 109443783A
- Authority
- CN
- China
- Prior art keywords
- gas path
- priori knowledge
- condition
- combustion engine
- fault diagnosis
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/14—Testing gas-turbine engines or jet-propulsion engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Abstract
一种基于先验知识的燃气轮机欠定气路故障诊断方法,属于燃气轮机故障诊断领域。现有的故障诊断方法无法对燃机故障进行精确部件诊断及定位。一种基于先验知识的燃气轮机欠定气路故障诊断方法,定义燃机气路部件的流量系数和效率系数;选取性能参数组成性能参数矩阵;选取测量参数组成测量参数矩阵;通过气路故障条件下性能参数间的约束关系构成的先验知识,将路故障条件下性能参数间的约束关系构成的先验知识融合进入惩罚系数的计算中,设置目标函数和惩罚适应度函数进行欠定气路故障诊断。本发明方法的诊断结果相比传统方法更为精确,且能够将气路故障隔离至气路部件。后期加入新的先验知识能进行更为精确的诊断,具有极强的扩展性。
Description
技术领域
本发明涉及一种燃气轮机故障诊断方法,特别涉及一种基于先验知识的燃气轮机欠定气路故障诊断方法。
背景技术
燃气轮机自身精密且昂贵,而长时间处于高温高压的恶劣环境中,一旦出现故障就会对燃机的性能和安全造成严重影响。因此燃机故障诊断已由第二代的“预防维修”到根据燃机运行状态来进行可靠性分析。这样不仅可以监测和诊断燃机转态,还能提前给予适定的维护行动,因此它不仅提高了可行性,也最大限度地减少了维护成本。另一方面燃机长期处于极端条件下运行,极易发生故障,一旦发生燃机气路故障,轻则性能下降,影响可靠性和安全性,重则引发安全事故。因此燃机推广应用的迅猛势头和燃机气路故障的恶劣后果迫使对燃气轮机气路故障诊断进行理论和应用研究,具有重要意义。
燃气轮机气路由于长期处于高温高压条件下工作,同时吸入的空气中有大量沙尘、矿物质等,内部油污、碎屑等对气路造成冲刷、腐蚀和结垢等影响,造成燃气轮机气路部件效率和流通能力退化。研究表明,气路故障占航空发动机总体故障的90%以上,相应的维护费用占总体维护费用的60%。燃气轮机气路故障诊断可以对燃机部件气路通流部分的运行状态进行实时的监测和评价,针对燃气轮机的运行状态合理安排燃机的运行和维修计划,减少不必要维修,最大限度的提高燃气轮机系统的安全性、可靠性和经济性,因此燃气轮机气路故障诊断研究具有重要的理论意义和工程应用价值。特别的对于气路故障诊断存在监测参数少于需要估计的性能参数情况,需要研究特定的解法来得到故障的合理解。
在实际应用中,通常燃气轮机可测参数只有压气机出口温度、出口压力、透平排气温度和功率等有限几个,而常见的气路故障需要估计的性能参数至少就有压气机效率、压气机流通能力、燃烧室效率、透平效率和透平流通能力。而且由于负荷、大气温度、大气压力、大气湿度和传感器故障也增加了自由度。由于可测参数少,而我们希望估计的性能参数多,信息不足的矛盾使得问题欠定,利用传统解法时无法对燃机故障进行诊断。
发明内容
本发明的目的是为了解决现有的故障诊断方法存在无法对燃机故障进行精确部件诊断及定位的问题,而提出一种基于先验知识的燃气轮机欠定气路故障诊断方法。
一种基于先验知识的燃气轮机欠定气路故障诊断方法,所述方法通过以下步骤实现:
步骤一、定义燃机气路部件的流量系数gi和效率系数ηi:
流量系数gi:
效率系数ηi:
ηi=ηi,ac/(ηi,ac)0
式中:Gi表示燃机气路当前流量;G0表示燃机气路额定流量;wi表示气路部件流量;Ti表示部件入口温度;pi表示部件入口压力;ηi,ac表示部件效率;下标i表示某气路部件;下标0表示燃机健康基准工况;
步骤二、选取性能参数:燃烧室效率ηBurner、压气机效率ηComp、压气机流量修正系数gComp、透平效率ηTurb和透平流量修正系数gTurb组成性能参数矩阵:
步骤三、选取测量参数:压气机排气温度T2、压气机排气压力p2、透平排气温度T4和功率pe组成测量参数矩阵:
步骤四、通过气路故障条件下性能参数间的约束关系构成的先验知识,将路故障条件下性能参数间的约束关系构成的先验知识融合进入惩罚系数的计算中,设置目标函数和惩罚适应度函数进行欠定气路故障诊断。
本发明的有益效果为:
本发明是融合先验知识的燃气轮机欠定气路故障诊断方法,其优势在于其诊断结果相比传统方法更加精确,且能够将气路故障隔离至气路部件;并且这种方法可以在后期加入再次获取的先验知识,进行更为精确的诊断,具有极强的扩展性。相比于以往方法计算速度得到极大提升,且先验知识获取越多所节省时间比例越高。例如有Z个先验知识,原方法需要进行Z次参数设置及计算,而本方法只需要1次,且设置通用不需大的变动,理论上计算时间会变为原来的1/Z。
附图说明
图1为本发明背景技术涉及的燃机气路故障诊断原理;
图2为本发明方法的流程图;
具体实施方式
具体实施方式一:
本实施方式的一种基于先验知识的燃气轮机欠定气路故障诊断方法,所述方法通过以下步骤实现:
解决燃气轮机气路故障的欠定问题,必须通过融合燃气轮机气路故障的先验信息,使得得到满足约束条件下的欠定问题的最优解,只要添加的先验信息与实际气路故障能够相吻合,在此约束条件下的最优解逼近气路故障的真解,从而实现对气路故障的诊断。
燃气轮机主要气路部件包括压气机、燃烧室及透平,能够反映这些部件的工作状态的参数成为性能参数,这些参数一般情况下是不可测的。
实际情况下,我们关心的燃机气路性能是气路部件的效率和流通能力。但是燃机的压气机、燃烧室和涡轮的特性曲线一般是厂家给定的,没有一定的解析表达式。因此很难给出某一工况下的效率和流量。同时为方便建模,取当前效率和流量相对于基准效率和流量的比值来表征燃机气路性能。
步骤一、定义燃机气路部件的流量系数gi和效率系数ηi:
流量系数gi:
效率系数ηi:
ηi=ηi,ac/(ηi,ac)0
式中:Gi表示燃机气路当前流量;G0表示燃机气路额定流量;wi表示气路部件流量;Ti表示部件入口温度;pi表示部件入口压力;ηi,ac表示部件效率;下标i表示某气路部件;下标0表示燃机健康基准工况;
步骤二、选取性能参数:燃烧室效率ηBurner、压气机效率ηComp、压气机流量修正系数gComp、透平效率ηTurb和透平流量修正系数gTurb组成性能参数矩阵:
步骤三、对燃机进行监测是燃机故障诊断的基础,测量参数越多,测量越精确,就越能全面反映燃机的运行状态。但是受到实际情况的限制,比如有些参数在现有技术条件下不可测,使得通常情况下测量参数的数目要小于关心的燃机气路部件性能参数。选取测量参数时需要考虑一下情况,1.可测性,2.对气路性能故障敏感,3.参数之间的相关性小。因此选取测量参数:压气机排气温度T2、压气机排气压力p2、透平排气温度T4和功率pe组成测量参数矩阵:
步骤四、在燃气轮机气路部件性能参数偏差在-5%至5%之间时,压气机排气温度、压气机排气压力、透平排气温度和功率偏差与性能参数偏差具有较好的线性关系;在稳态工况点附近测量参数偏差量δy与性能参数偏差量δxh具有较好的线性关系,满足方程δy=G·δxh,现在通过测量参数偏差δy反求影响系数矩阵G;
燃机发生某气路部件故障时,并不是单一的效率或者流量性能(效率包括压气机和涡轮的效率系数,流量包括压气机和涡轮的流量系数)发生退化,而是二者之间存在一定的关系,对于这类定量先验知识的总结,如表1所示;
表1典型气路故障条件下性能参数间约束关系形成的先验知识
通过对上述典型气路故障条件下性能参数间的约束关系构成的先验知识,将其融合进入遗传算法求解中,即将路故障条件下性能参数间的约束关系构成的先验知识融合进入惩罚系数的计算中,以利用遗传算法进行欠定气路故障诊断。
具体实施方式二:
与具体实施方式一不同的是,本实施方式的一种基于先验知识的燃气轮机欠定气路故障诊断方法,将路故障条件下性能参数间的约束关系构成的先验知识融合进入惩罚系数的计算中,步骤四所述的设置目标函数和惩罚适应度函数的过程为,利用遗传算法进行设置目标函数和惩罚适应度函数的设置,具体为:,燃气轮机气路故障的复杂性使得气路故障的先验信息并不具有特定的规律,导致添加约束项的多样性,遗传算法内在的并行性,对于适应度函数的可操作性,以及处理优化难题的能力使得遗传算法能够很好的解决燃气轮机气路诊断问题。
步骤四一、根据燃机气路故障的先验信息构建其目标函数。为方便表述,令:
δx1=δηBurner,δx2=δηComp,δx3=δgComp,δx4=δηTurb,δx5=δgTurb;
以利用遗传算法进行欠定气路故障诊断算法为:
步骤四二、随机生成一组性能参数偏差量δxh;其中,xh是由燃机气路故障的先验信息x1,x2,...xi组成的矩阵,表示种群;i表示性能参数矩阵长度;
步骤四三、设置目标函数M为:并判断性能参数偏差量δxh是否满足先验信息;其中,G表示m×n维的影响系数矩阵,δy表示可测参数偏差量,δxh表示待估计性能参数偏差量;
若不满足,则适应度函数N设置为:0<ε<1<1为惩罚项;
若满足,则适应度函数N设置为
步骤四四、寻找适应性函数N的结果的最大值;
步骤四五、重复执行步骤四三和步骤四四,直至遗传算法迭代终止。
当求解出来的δxh不满足先验信息时设计惩罚项ε,直至遗传算法迭代终止,进而设计相应的目标函数和惩罚项。
N为适应度函数,结合遗传算法原理,利用适应度函数N对种群进行筛选,逼近真实解;预先随机生成xh种群后,挑选种群里最合适的解,反求真实的xh;由目标函数M得到适应度函数N再返回到目标函数M时xh参数已经发生变化,且目标函数M在循环后形成新的目标函数。
具体实施方式三:
与具体实施方式一不同的是,本实施方式的一种基于先验知识的燃气轮机欠定气路故障诊断方法,根据表1给出典型气路故障条件下性能参数间约束先验知识,所述的求解出来的δxh不满足先验信息时设计惩罚项的条件包括以下情况:
第一种条件:迭代中的δxh不满足|δx1|<0.005且|δx4|<0.005且|δx5|<0.005且|2·δx2-δx3|<0.005;
第二种条件:迭代中的δxh不满足|δx2|<0.005且|δx3|<0.005且|δx4|<0.005且|δx5|<0.005;
第三种条件:迭代中的δxh不满足|δx1|<0.005且|δx2|<0.005且|δx3|<0.005且|2·δx4+δx5|<0.005;
第四种条件:迭代中的δxh不满足|δx1|<0.005且|δx2|<0.005且|δx3|<0.005且|2·δx5-δx4|<0.005;
第五种条件:迭代中的δxh不满足|δx1|<0.005且|δx4|<0.005且|δx5|<0.005且|2·δx3-δx2|<0.005;
当求解出来的δxh不满足上述条件中的某一条,则增加惩罚项,且惩罚项ε的具体形式为:
实施例1:
假设存在一组测量参数偏差,如表2所示。
表2利用先验知识的故障诊断结果
可以发现利用测量参数偏差能够较好的将气路故障隔离至气路部件,为基于遗传算法的燃机气路故障辨识做好了基础。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (3)
1.一种基于先验知识的燃气轮机欠定气路故障诊断方法,其特征在于:所述方法通过以下步骤实现:
步骤一、定义燃机气路部件的流量系数gi和效率系数ηi:
流量系数gi:
效率系数ηi:
ηi=ηi,ac/(ηi,ac)0
式中:Gi表示燃机气路当前流量;G0表示燃机气路额定流量;wi表示气路部件流量;Ti表示部件入口温度;pi表示部件入口压力;ηi,ac表示部件效率;下标i表示某气路部件;下标0表示燃机健康基准工况;
步骤二、选取性能参数:燃烧室效率ηBurner、压气机效率ηComp、压气机流量修正系数gComp、透平效率ηTurb和透平流量修正系数gTurb组成性能参数矩阵:
步骤三、选取测量参数:压气机排气温度T2、压气机排气压力p2、透平排气温度T4和功率pe组成测量参数矩阵:
步骤四、通过气路故障条件下性能参数间的约束关系构成的先验知识,将路故障条件下性能参数间的约束关系构成的先验知识融合进入惩罚系数的计算中,设置目标函数和惩罚适应度函数进行欠定气路故障诊断。
2.根据权利要求1所述的一种基于先验知识的燃气轮机欠定气路故障诊断方法,其特征在于:将路故障条件下性能参数间的约束关系构成的先验知识融合进入惩罚系数的计算中,步骤四所述的设置目标函数和惩罚适应度函数的过程为,利用遗传算法进行设置目标函数和惩罚适应度函数的设置,具体为:
步骤四一、令:δx1=δηBurner,δx2=δηComp,δx3=δgComp,δx4=δηTurb,δx5=δgTurb以根据燃机气路故障的先验信息构建其目标函数;
步骤四二、随机生成一组性能参数偏差量δxh;其中,xh是由燃机气路故障的先验信息x1,x2,...xi组成的矩阵,表示种群;i表示性能参数矩阵长度;
步骤四三、设置目标函数M为:并判断性能参数偏差量δxh是否满足先验信息;其中,G表示m×n维的影响系数矩阵,δy表示可测参数偏差量,δxh表示待估计性能参数偏差量;
若不满足,则适应度函数N设置为:0<ε<1<1为惩罚项;
若满足,则适应度函数N设置为:
步骤四四、寻找适应性函数N的结果的最大值;
步骤四五、重复执行步骤四三和步骤四四,利用遗传算法对燃气轮机欠定气路故障进行诊断:
当求解出来的δxh不满足先验信息时设计惩罚项ε,直至遗传算法迭代终止,进而设计相应的目标函数和惩罚项。
3.根据权利要求1或2所述一种基于先验知识的燃气轮机欠定气路故障诊断方法,其特征在于:步骤四五所述的求解出来的δxh不满足先验信息时设计惩罚项的条件包括以下情况:
第一种条件:迭代中的δxh不满足|δx1|<0.005且|δx4|<0.005且|δx5|<0.005且|2·δx2-δx3|<0.005;
第二种条件:迭代中的δxh不满足|δx2|<0.005且|δx3|<0.005且|δx4|<0.005且|δx5|<0.005;
第三种条件:迭代中的δxh不满足|δx1|<0.005且|δx2|<0.005且|δx3|<0.005且|2·δx4+δx5|<0.005;
第四种条件:迭代中的δxh不满足|δx1|<0.005且|δx2|<0.005且|δx3|<0.005且|2·δx5-δx4|<0.005;
第五种条件:迭代中的δxh不满足|δx1|<0.005且|δx4|<0.005且|δx5|<0.005且|2·δx3-δx2|<0.005;
当求解出来的δxh不满足上述条件中的某一条,则增加惩罚项,且惩罚项ε的具体形式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811216095.5A CN109443783A (zh) | 2018-10-18 | 2018-10-18 | 一种基于先验知识的燃气轮机欠定气路故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811216095.5A CN109443783A (zh) | 2018-10-18 | 2018-10-18 | 一种基于先验知识的燃气轮机欠定气路故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109443783A true CN109443783A (zh) | 2019-03-08 |
Family
ID=65547090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811216095.5A Pending CN109443783A (zh) | 2018-10-18 | 2018-10-18 | 一种基于先验知识的燃气轮机欠定气路故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109443783A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489829A (zh) * | 2019-07-31 | 2019-11-22 | 中国航发沈阳发动机研究所 | 一种基于流量特性的空气系统元件设计方法 |
CN112052952A (zh) * | 2020-08-19 | 2020-12-08 | 哈尔滨工程大学 | 基于遗传算法的柴油机故障诊断中监测参数优化选取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200062A (zh) * | 2014-08-04 | 2014-12-10 | 南京航空航天大学 | 一种航空发动机气路故障的融合诊断方法 |
CN104657596A (zh) * | 2015-01-27 | 2015-05-27 | 中国矿业大学 | 一种基于模型迁移的大型新压缩机性能预测快速建模方法 |
CN106447039A (zh) * | 2016-09-28 | 2017-02-22 | 西安交通大学 | 基于自编码神经网络的无监督特征提取方法 |
CN106815641A (zh) * | 2017-01-19 | 2017-06-09 | 中国航发沈阳发动机研究所 | 一种基于模型和模糊模式识别的气路故障诊断方法 |
CN107389349A (zh) * | 2017-07-19 | 2017-11-24 | 中国人民解放军空军第航空学院 | 基于气路静电探测的航空发动机气路故障监测系统 |
-
2018
- 2018-10-18 CN CN201811216095.5A patent/CN109443783A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200062A (zh) * | 2014-08-04 | 2014-12-10 | 南京航空航天大学 | 一种航空发动机气路故障的融合诊断方法 |
CN104657596A (zh) * | 2015-01-27 | 2015-05-27 | 中国矿业大学 | 一种基于模型迁移的大型新压缩机性能预测快速建模方法 |
CN106447039A (zh) * | 2016-09-28 | 2017-02-22 | 西安交通大学 | 基于自编码神经网络的无监督特征提取方法 |
CN106815641A (zh) * | 2017-01-19 | 2017-06-09 | 中国航发沈阳发动机研究所 | 一种基于模型和模糊模式识别的气路故障诊断方法 |
CN107389349A (zh) * | 2017-07-19 | 2017-11-24 | 中国人民解放军空军第航空学院 | 基于气路静电探测的航空发动机气路故障监测系统 |
Non-Patent Citations (1)
Title |
---|
蔡鼎: "融合先验知识的燃气轮机欠定气路故障诊断方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110489829A (zh) * | 2019-07-31 | 2019-11-22 | 中国航发沈阳发动机研究所 | 一种基于流量特性的空气系统元件设计方法 |
CN110489829B (zh) * | 2019-07-31 | 2022-11-22 | 中国航发沈阳发动机研究所 | 一种基于流量特性的空气系统元件设计方法 |
CN112052952A (zh) * | 2020-08-19 | 2020-12-08 | 哈尔滨工程大学 | 基于遗传算法的柴油机故障诊断中监测参数优化选取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hanachi et al. | A physics-based modeling approach for performance monitoring in gas turbine engines | |
CN109443783A (zh) | 一种基于先验知识的燃气轮机欠定气路故障诊断方法 | |
CN101595288B (zh) | 监测内燃机过程状态的方法和系统 | |
Ali et al. | Redundant sensor network design for linear processes | |
CN108062428B (zh) | 一种涡扇发动机在线部件故障诊断方法及系统 | |
CN111502804A (zh) | 用于后处理系统监测的系统、方法和设备 | |
WO2014041013A1 (de) | Verfahren zur überwachung zumindest eines abgasturboladers | |
Mathioudakis et al. | Performance analysis of industrial gas turbines for engine condition monitoring | |
CN106289628A (zh) | 一种柴油发动机燃油供油系统的压力在线动态监测装置 | |
CN110080884B (zh) | 涡扇发动机热端虚拟传感器信号生成与气路故障诊断方法 | |
CN106525442A (zh) | 一种监测燃气轮机气路性能的方法及装置 | |
CN103853144B (zh) | 基于采油生产数据的现场传感器故障检测方法 | |
CN109359662A (zh) | 一种面向百万千瓦超超临界机组非平稳特性的基于因果分析的多层贝叶斯网络故障诊断方法 | |
CN106199241B (zh) | 一种基于数据协调及假设检验的电站系统多故障诊断方法 | |
US20140088766A1 (en) | Health management having system level diagnostic feedback and information fusion | |
Kestner et al. | Diagnostics of highly degraded industrial gas turbines using Bayesian networks | |
Mathioudakis et al. | Uncertainty reduction in gas turbine performance diagnostics by accounting for humidity effects | |
CN115144186A (zh) | 一种燃气涡轮发动机气路故障连续高精度诊断方法 | |
CN109308484A (zh) | 航空发动机多类故障最小风险诊断方法及装置 | |
Hanachi et al. | A physics-based performance indicator for gas turbine engines under variable operating conditions | |
Salar et al. | Improving model-based gas turbine fault diagnosis using multi-operating point method | |
Ohba | Software quality= test accuracy× test coverage | |
Kamboukos et al. | Multipoint non-linear method for enhanced component and sensor malfunction diagnosis | |
Jenny | Interaction mechanisms between rim seal purge flow and profiled end walls in a low-pressure turbine | |
US20230273095A1 (en) | Successive Gas Path Fault Diagnosis Method with High Precision for Gas Turbine Engines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190308 |
|
WD01 | Invention patent application deemed withdrawn after publication |