CN111308991A - 一种磨煤机运行故障识别方法及应用 - Google Patents
一种磨煤机运行故障识别方法及应用 Download PDFInfo
- Publication number
- CN111308991A CN111308991A CN202010194055.6A CN202010194055A CN111308991A CN 111308991 A CN111308991 A CN 111308991A CN 202010194055 A CN202010194055 A CN 202010194055A CN 111308991 A CN111308991 A CN 111308991A
- Authority
- CN
- China
- Prior art keywords
- coal mill
- fault
- coal
- mill
- parameters
- 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.)
- Granted
Links
- 239000003245 coal Substances 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000000513 principal component analysis Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims description 21
- 239000013598 vector Substances 0.000 claims description 21
- 238000000227 grinding Methods 0.000 claims description 17
- 238000002955 isolation Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000011068 loading method Methods 0.000 claims description 3
- 239000010687 lubricating oil Substances 0.000 claims description 3
- 239000000843 powder Substances 0.000 claims description 3
- 230000002269 spontaneous effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 8
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 4
- 239000002245 particle Substances 0.000 description 3
- 101100322888 Escherichia coli (strain K12) metL gene Proteins 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
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)
- Disintegrating Or Milling (AREA)
- Crushing And Grinding (AREA)
Abstract
本发明提供了一种磨煤机运行故障识别方法，包括以下步骤：采集磨煤机运行故障的历史运行参数以及对应的故障类型；对历史运行参数进行标准化处理；针对每种故障类型对应的历史运行参数构建PCA模型及对应的T2统计量模型，并确定该故障的预警阈值；将待识别参数代入不同故障对应的T2统计量模型，如果超过预警阈值，则存在对应的故障类型。本发明还提供了应用该方法的磨煤机运行检测系统，通过实时运行参数进行计算并与预警阈值进行比较快速的确定故障和原因。本发明的优点在于：基于参数对异常原因的贡献进行分析，降低了对历史样本数据的依赖；提高识别精度；结合监测模型实现运行状态的在线实时监测和分析，提高生产安全。
Description
技术领域
本发明涉及火力发电技术领域，尤其涉及一种磨煤机运行故障识别方法及应用。
背景技术
磨煤机是火电机组的主要设备之一，常见磨煤机故障类型有磨煤机多煤、磨煤机少煤、磨煤机堵煤等，磨煤机设备故障的发生会严重影响火电机组的安全、经济运行，甚至会造成设备严重损坏和人身伤害等事故；因此需要实现对磨煤机运行状态的实时监控。
相对于实时监控，实现对磨煤机运行故障的有效预警是更为迫切的技术问题；现有技术中大多数还是依靠电厂运行人员通过磨煤机运行的关键参数判断磨煤机是否存在故障以及具体故障类型，由于磨煤机数量多、运行参数多，采用这种方式的效率极低，且无法针对多种磨煤机故障类型进行全面地判断，难以准确地定位磨煤机故障因素。
基于粒子群算法优化核极限学习机的磨煤机故障诊断技术，建立核极限学习机模型，通过粒子群寻优，辨识出磨煤机运行参数与磨煤机故障类型之间的模型关系。这种诊断技术需要运用大量的数学模型、迭代算法，对监测系统的运行速率和计算能力要求较高，而且“灰箱”模型辨识方法，很依赖于样本数据的选取和粒子群优化算法的精度，一旦模型失配后需要重新优化辨识，因此较难在实际生产中应用。此外，还有采用智能神经网络模型或支持向量机模型辨识的方法，以磨煤机运行参数和故障类型之间的模型关系，监测磨煤机运行状态，该方法的精度同样十分依赖样本数据的选取和模型结构，通常一旦样本和模型选取不当，会严重影响系统的预测准确度。
发明内容
本发明所要解决的技术问题在于提供一种能够根据运行参数识别磨煤机是否存在故障的方法，以克服现有技术的识别方法精度不高和对样本数据的依赖性高的问题。
本发明是通过以下技术方案解决上述技术问题的：一种磨煤机运行故障识别方法，包括以下步骤：
步骤A：采集磨煤机运行故障状态下的故障类型及前后一段时间内的历史运行参数；
步骤B：对历史运行参数进行标准化处理；
步骤C：针对每种故障类型对应的历史运行参数构建PCA模型及对应的T2统计量模型，并确定该故障的预警阈值；
步骤D：对待识别参数代入不同故障对应的T2统计量模型，如果超过预警阈值，则待识别参数对应的时刻磨煤机存在或即将出现对应的故障类型。
本发明通过PCA模型和T2统计量对历史数据进行离线处理，仅需分析样本中各个参数之间的主元关系，并以此建立参数与故障之间的判断模型，模型结构简单，预警精度高，对样本和模型结构的依赖小；有效克服现有技术存在的问题。
优选的，步骤B所述的标准化处理的方法为：
如果磨煤机存在N种故障类型，表示为G＝{gn|n∈[1,N]}，磨煤机发生gn类型的故障时，采集故障前后一段时间内的共Mn组运行参数作为样本数据，样本数据的集合表示为Xn＝{Xn,m|m∈[1,Mn]},n∈[1,N]，其中
每一组样本数据中均包括I个运行参数；则标准化后的样本表示为
其中，
为Mn个样本数据中第i个运行参数的平均数，
为Mn个样本数据中第i个运行参数的标准差。
优选的，步骤C中所述的PCA模型的构建方法为：对标准化后的样本进行计算得到协方差矩阵COV，
进行特征分解，使协方差矩阵满足
其中，
是酉矩阵，其列向量
为两两正交的单位向量，其表示主元的负荷向量，Sn为对角线上的元素为特征值，其他元素均为0的矩阵，记为
其中，
表示样本向量
的特征值，且满足，如果i＜j,i,j∈[1,I]，则
如果
则，定义前k个特征值之和为主元累计贡献量CON，即
通过前k个主元表示原始样本，由此将原始样本集经过空间变换压缩至k维，则得分向量
表示为
由此得到第n种故障类型对应的故障预警主元模型
优选的，故障预警中采用T2统计量作为监测磨煤机数据的指标，T2统计量由得分向量Tk在新空间中的马氏距离计算得到，对于第n种故障类型的第m组数据，(Tn,m)2统计量的计算公式为：
以(Tn,m)2统计量数值最大的一组样本数据作为发生gn类型故障时的磨煤机参数；在实际工作时，为了提高预警的灵敏度，实现超前预警，其需要满足
Ln为故障gn对应的预警阈值；设置的预警阈值Ln比实际计算得到的最大故障检测值要小一些。具体差值根据运行情况和提前预警的时间进行确定，从而在磨煤机即将到达实际故障状态时之前，提前发出预警信息，即使提醒作业人员进行处理，提高安全性。
优选的，对t时刻的磨煤机运行参数
分别代入每个故障对应的T2统计量计算公式中，得到对应的故障检测值(Tn,t)2，即
如果
(Tn,t)2＞Ln
则运行参数Xt对应的t时刻磨煤机存在或即将出现故障gn；如果磨煤机同时满足多种故障的判断条件，则认为磨煤机同时存在多种故障类型。
优选的，若t时刻磨煤机存在第n种故障时，则第i个参数对第a个主元的贡献量为
其中
表示向量
中的第i个数据，以贡献量最大的参数作为引起该次故障的主要原因。
优选的，所述运行参数包括磨出口风粉温度
磨进出口差压
磨煤机驱动电流
磨辊轴承温度
给煤机煤量
磨入口一次风压
一次风机驱动电流
磨润滑油温度
磨入口冷风门开度
磨入口热风门开度
磨推力瓦温度
磨入口风温度
磨密封风压力
磨加载压力
和磨煤机电机铁芯温度
优选的，所述参数还包括磨进出口温差
和磨煤风比
优选的，所述磨煤机的故障类型包括磨煤机煤粉自燃、磨煤机过载、磨煤机断煤、磨煤机堵煤和磨煤机出力下降。
本发明还提供了应用所述磨煤机运行故障识别方法的磨煤机运行状态实时监测系统，包括
采集磨煤机运行参数的传感器模块；
所述传感器模块与隔离变送器模块通信连接，将磨煤机运行参数传输给隔离变送器模块，所述隔离变送器模块将磨煤机运行参数转化为标准工业信号；
所述隔离变送器模块与A/D转换器模块通信连接，将处理后的运行参数传输给A/D转换器模块，所述A/D转换器模块将模拟量转化为数字量；
所述A/D转换器模块与低通滤波器通信连接，将转换后的数字量传输给低通滤波器，所述低通滤波器对数据进行滤波降噪处理；
所述低通滤波器与数据采集卡通信连接，数据采集卡与磨煤机监测模块通信连接，数据采集卡从低通滤波器中采集信号并传输给磨煤机监测模块，
所述磨煤机监测模块中设置有所述预警阈值，磨煤机监测模块对实时采集的运行参数进行运算计算实时运行参数在不同故障类型的T2统计量的数值并与预警阈值进行比较，将比较结果报告给用户。
本发明提供的磨煤机运行故障识别方法及应用的优点在于：通过PCA模型和T2统计量对历史数据进行离线处理，仅需分析样本中各个参数之间的主元关系，并以此建立参数与故障之间的判断模型，模型结构简单，预警精度高，对样本和模型结构的依赖小，预测结果更加精准，提高识别精度。结合监测模型有效的实现了磨煤机运行状态的在线实时监测和预警，及时进行故障报警和处理，提高生产安全。
附图说明
图1为本发明的实施例提供的磨煤机运行故障识别方法的流程图；
图2为本发明的实施例提供的磨煤机运行状态实时监测系统的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
如图1所示，本实施例提供了一种磨煤机运行故障识别方法，
具体包括以下步骤：
步骤A：采集磨煤机运行故障状态下的故障类型及前后一段时间内的历史运行参数；
如果磨煤机存在N种故障类型，表示为G＝{gn|n∈[1,N]}，磨煤机发生gn类型的故障时，采集故障前后一段时间内的共Mn组运行参数作为样本数据，样本数据的集合表示为Xn＝{Xn,m|m∈[1,Mn]},n∈[1,N]，其中
表示每一组样本数据中均包括I个运行参数；
步骤B：对历史样本数据Xn进行标准化处理，标准化后的样本表示为
具体方法为：
其中，
为Mn个数据中第i个运行参数的平均数，
为Mn个数据中第i个运行参数的标准差；通过平均数和标准差的除法运算，统一了原始样本数据的量纲，方便接下来的运算处理。
步骤C：针对每种故障类型对应的历史运行参数构建PCA(principal componentsanalysis，主成分分析)模型及对应的T2统计量模型，并确定该故障的预警阈值；
所述的PCA模型的构建方法为：对标准化后的样本进行计算得到协方差矩阵COV，
对协方差矩阵进行特征分解，使协方差矩阵满足
其中，
是酉矩阵，其列向量
为两两正交的单位向量，其表示主元的负荷向量，Sn为对角线上的元素为特征值，其他元素均为0的矩阵，记为
其中，
表示样本向量
的特征值，且满足，如果i＜j,i,j∈[1,I]，则
如果
则，定义前k个特征值之和为主元累计贡献量CON，即
通过前k个主元表示原始样本，由此将原始样本集经过空间变换压缩至k维，则得分向量
表示为
由此得到第n种故障类型对应的故障预警主元模型
故障预警中采用T2统计量作为监测磨煤机数据的指标，T2统计量由得分向量Tk在新空间中的马氏距离计算得到，对于第n种故障类型的第m组数据，其对应的(Tn,m)2统计量的计算公式为：
以(Tn,m)2统计量数值最大的一组样本数据作为发生gn类型故障时的磨煤机参数。
由此可针对不同的故障类型分别确定各自的主元模型Y＝{Yn|n∈[1,N]}，以及对应的故障监测值T2＝{(Tn)2|n∈[1,N]}。在实际工作时，为了提高预警的灵敏度，实现超前预警，其需要满足
Ln为故障gn对应的预警阈值；设置的预警阈值Ln比实际计算得到的最大故障检测值要小一些，具体差值根据运行情况和提前预警的时间进行确定，从而在磨煤机即将到达实际故障状态时之前，提前发出预警信息，及时提醒作业人员进行处理，提高安全性。
步骤D：将待识别参数代入不同故障对应的T2统计量模型，如果超过预警阈值，则待识别参数对应的时刻磨煤机存在或即将出现对应的故障类型；
对t时刻的磨煤机运行参数
分别代入每个故障对应的T2统计量计算公式中，得到对应的故障检测值(Tn,t)2，即
如果
(Tn,t)2＞Ln
则运行参数Xt对应的t时刻磨煤机存在或即将出现故障gn；如果磨煤机同时满足多种故障的判断条件，则认为磨煤机同时存在多种故障类型。
进一步的，还需要确定引起故障的主要运行参数，方法为：若t时刻磨煤机存在第n种故障时，则第i个参数对第a个主元的贡献量为
其中
表示向量
中的第i个数据，以
数值最大即主元贡献量最大的参数i作为引起该次故障的主要原因。
本实施例通过PCA模型和T2统计量对历史数据进行离线处理，得到运行参数与故障类型之间的关系，预测结果更加精准，降低了对历史样本数据的依赖。
本实施例中主要关注的异常类型为磨煤机煤粉自燃、磨煤机过载、磨煤机断煤、磨煤机堵煤和磨煤机出力下降；需要采集的运行参数包括磨出口风粉温度
磨进出口差压
磨煤机驱动电流
磨辊轴承温度
给煤机煤量
磨入口一次风压
一次风机驱动电流
磨润滑油温度
磨入口冷风门开度
磨入口热风门开度
磨推力瓦温度
磨入口风温度
磨密封风压力
磨加载压力
和磨煤机电机铁芯温度
以上数据可通过传感器直接采集得到，在具体运算时，还需要关注磨进出口温差
和磨煤风比
参考图2，基于以上方法，本实施例还提供了一种磨煤机运行状态实时监测系统，包括采集磨煤机运行参数的传感器模块；所述传感器模块与隔离变送器模块通信连接，将磨煤机运行参数传输给隔离变送器模块，所述隔离变送器模块将磨煤机运行参数转化为标准工业信号，即4-20mA电信号，本实施例中所述隔离变送器模块采用型号为T1100L-F的无源隔离变送模块，具备输入、输出、电源之间的电气隔离性能，抵抗电信号在传输过程中遇到的各种干扰，增强现场采集系统的共模抑制比，保证采集信号的精度；所述隔离变送器模块与A/D转换器模块通信连接，将处理后的运行参数传输给A/D转换器模块，所述A/D转换器模块将模拟量转化为数字量，本实施例中所述A/D转换器模块选用美国BB公司(Burr-Brown)生产的ADS7805转换器，16位并行输出的A/D芯片，其转换速度快，精度高，满足监测系统实时性的需求；所述A/D转换器模块与低通滤波器通信连接，将转换后的数字量传输给低通滤波器，所述低通滤波器对数据进行滤波降噪处理，有效抑制现场数据中夹杂的高频噪声；所述低通滤波器与数据采集卡通信连接，数据采集卡与磨煤机监测模块通信连接，数据采集卡具备实时、高精度、快速的数据采集能力，数据采集卡从低通滤波器中采集信号并传输给磨煤机监测模块，磨煤机监测模块对实时采集的运行参数进行运算计算实时运行参数在不同故障类型的T2统计量的数值并与预警阈值进行比较，将比较结果报告给用户；通过适当的降低预警阈值，可以实现对运行故障的提前预警。
通过数据的实时采集、处理、转换、滤波等一系列处理，有效提高状态监测模型的预警精度，能够获得实时的运行参数，然后通过磨煤机检测模块对运行参数进行处理计算，并与预设的预警阈值进行比较，即可实现对磨煤机运行状态的实时监测和故障预警，及时发现异常，提前进行预警，通过传感器模块采集数据，提高数据精度，确保结果准确，确保生产安全。将复杂的数据处理过程通过离线处理完成，磨煤机监测模块只需要对实时采集的参数进行运算处理，并与预警阈值进行比较即可，在确保预测精度的同时，降低了设备成本，能够在现有设备上直接实施，使用方便；磨煤机监测模块能够同时并行处理大量运行参数，时延低、精度高。
所述磨煤机监测模块包括存储器、处理器和通讯单元，所述存储器与数据采集卡通讯连接，存储运行参数，处理器对运行参数进行计算、判断等处理，通讯单元通信连接有显示器，通过所述显示器实时显示磨煤机的运行参数以及异常信息。
所述磨煤机监测模块还通过通讯单元通信连接有分散控制模块，所述分散控制模块直接或通过中间控制器间接控制磨煤机的各项执行模块，所述磨煤机监测模块能够确定引起运行故障的具体异常参数，并将故障类型和异常参数传递给分散控制模块，所述分散控制模块能够调整磨煤机各部分的运行状态，从而主动解决运行异常，提高安全性。同时还能够在显示器上显示具体的异常类型和异常参数，以便作业人员快速确定引发运行异常的原因，从而快速给出应对措施。
Claims (10)
1.一种磨煤机运行故障识别方法，其特征在于：包括以下步骤：
步骤A：采集磨煤机运行故障状态下的故障类型及前后一段时间内的历史运行参数；
步骤B：对历史运行参数进行标准化处理；
步骤C：针对每种故障类型对应的历史运行参数构建PCA模型及对应的T2统计量模型，并确定该故障的预警阈值；
步骤D：对待识别参数代入不同故障对应的T2统计量模型，如果超过预警阈值，则待识别参数对应的时刻磨煤机存在或即将出现对应的故障类型。
2.根据权利要求1所述的一种磨煤机运行故障识别方法，其特征在于：步骤B所述的标准化处理的方法为：
如果磨煤机存在N种故障类型，表示为G＝{gn|n∈[1,N]}，磨煤机发生gn类型的故障时，采集故障前后一段时间内的共Mn组运行参数作为样本数据，样本数据的集合表示为Xn＝{Xn,m|m∈[1,Mn]},n∈[1,N]，其中
每一组样本数据均包括I个运行参数；
对历史样本数据Xn进行标准化处理，标准化后的样本表示为
其中，
为Mn个样本数据中第i个运行参数的平均数，
为Mn个样本数据中第i个运行参数的标准差。
3.根据权利要求2所述的一种磨煤机运行故障识别方法，其特征在于：步骤C中所述的PCA模型的构建方法为：对标准化后的样本进行计算得到协方差矩阵COV，
进行特征分解，使协方差矩阵满足
其中，
是酉矩阵，其列向量
为两两正交的单位向量，其表示主元的负荷向量，Sn为对角线上的元素为特征值，其他元素均为0的矩阵，记为
其中，
表示样本向量
的特征值，且满足，如果i＜j,i,j∈[1,I]，则
如果
则，定义前k个特征值之和为主元累计贡献量CON，即
通过前k个主元表示原始样本，由此将原始样本集经过空间变换压缩至k维，则得分向量
表示为
由此得到第n种故障类型对应的故障预警主元模型
4.根据权利要求3所述的一种磨煤机运行故障识别方法，其特征在于：故障预警中采用T2统计量作为监测磨煤机数据的指标，T2统计量由得分向量Tk在新空间中的马氏距离计算得到，对于第n种故障类型的第m组数据，(Tn,m)2统计量的计算公式为：
以(Tn,m)2统计量数值最大的一组样本数据作为发生gn类型故障时的磨煤机参数；则故障gn对应的预警阈值Ln需满足
5.根据权利要求4所述的一种磨煤机运行故障识别方法，其特征在于：对t时刻的磨煤机运行参数
分别代入每个故障对应的T2统计量计算公式中，得到对应的故障检测值(Tn,t)2，即
如果
(Tn,t)2＞Ln
则运行参数Xt对应的t时刻磨煤机存在或即将出现故障gn；如果磨煤机同时满足多种故障的判断条件，则认为磨煤机同时存在多种故障类型。
6.根据权利要求5所述的一种磨煤机运行故障识别方法，其特征在于：若t时刻磨煤机存在第n种故障时，则第i个参数对第a个主元的贡献量为
其中
表示向量
中的第a个数据，以贡献量最大的参数作为引起该次故障的主要原因。
7.根据权利要求1-6任一项所述的一种磨煤机运行故障识别方法，其特征在于：所述运行参数包括磨出口温度
磨进出口差压
磨煤机电流
磨辊轴承温度
给煤机煤量
磨入口一次风压
一次风机电流
磨润滑油温度
磨冷风门开度
磨热风门开度
磨推力瓦温度
磨入口风温度
磨密封风压力
磨加载压力
和磨煤机电机铁芯温度
8.根据权利要求7所述的一种磨煤机运行故障识别方法，其特征在于：所述参数还包括磨进出口温差
和磨煤风比
9.根据权利要求7所述的一种磨煤机运行故障识别方法，其特征在于：所述磨煤机的故障类型包括磨煤机煤粉自燃、磨煤机过载、磨煤机断煤、磨煤机堵煤和磨煤机出力下降。
10.应用权利要求1-9任一项所述的磨煤机运行故障识别方法的磨煤机运行状态实时监测系统，其特征在于：包括
采集磨煤机运行参数的传感器模块；
所述传感器模块与隔离变送器模块通信连接，将磨煤机运行参数传输给隔离变送器模块，所述隔离变送器模块将磨煤机运行参数转化为标准工业信号；
所述隔离变送器模块与A/D转换器模块通信连接，将处理后的运行参数传输给A/D转换器模块，所述A/D转换器模块将模拟量转化为数字量；
所述A/D转换器模块与低通滤波器通信连接，将转换后的数字量传输给低通滤波器，所述低通滤波器对数据进行滤波降噪处理；
所述低通滤波器与数据采集卡通信连接，数据采集卡与磨煤机监测模块通信连接，数据采集卡从低通滤波器中采集信号并传输给磨煤机监测模块，
所述磨煤机监测模块中设置有所述预警阈值，磨煤机监测模块对实时采集的运行参数进行运算计算实时运行参数在不同故障类型的T2统计量的数值并与预警阈值进行比较，将比较结果报告给用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010194055.6A CN111308991B (zh) | 2020-03-19 | 2020-03-19 | 一种磨煤机运行故障识别方法及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010194055.6A CN111308991B (zh) | 2020-03-19 | 2020-03-19 | 一种磨煤机运行故障识别方法及应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111308991A true CN111308991A (zh) | 2020-06-19 |
| CN111308991B CN111308991B (zh) | 2021-10-01 |
Family
ID=71160663
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010194055.6A Active CN111308991B (zh) | 2020-03-19 | 2020-03-19 | 一种磨煤机运行故障识别方法及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111308991B (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112036089A (zh) * | 2020-09-03 | 2020-12-04 | 华能国际电力股份有限公司玉环电厂 | 一种基于dpc-mnd和多元状态估计的磨煤机故障预警方法 |
| CN112284785A (zh) * | 2020-10-26 | 2021-01-29 | 华能南京金陵发电有限公司 | 一种基于无监督聚类算法的磨煤机故障状态诊断方法 |
| CN112686477A (zh) * | 2021-01-28 | 2021-04-20 | 北京工业大数据创新中心有限公司 | 一种磨煤机堵磨预警方法及系统 |
| CN113634355A (zh) * | 2021-08-11 | 2021-11-12 | 内蒙古京隆发电有限责任公司 | 一种磨煤机堵煤故障判断及故障自愈方法及系统 |
| CN113804231A (zh) * | 2021-08-03 | 2021-12-17 | 大唐三门峡电力有限责任公司 | 一种火电厂传感器故障诊断装置及诊断方法 |
| CN113971363A (zh) * | 2020-07-07 | 2022-01-25 | 北京国电智深控制技术有限公司 | 一种磨煤机系统运行监控方法及装置 |
| CN114021449A (zh) * | 2021-10-29 | 2022-02-08 | 江苏方天电力技术有限公司 | 一种磨煤机安全性评估的预测方法 |
| CN114042525A (zh) * | 2021-09-23 | 2022-02-15 | 中国大唐集团科学技术研究总院有限公司华东电力试验研究院 | 一种升降磨煤机磨辊的控制方法 |
| CN114226955A (zh) * | 2022-01-11 | 2022-03-25 | 武汉点金激光科技有限公司 | 一种具有安全防护功能的激光加工机器人控制系统 |
| CN114398800A (zh) * | 2022-01-27 | 2022-04-26 | 矿冶科技集团有限公司 | 破碎机系统故障诊断方法及装置 |
| CN114492938A (zh) * | 2021-12-29 | 2022-05-13 | 中国大唐集团科学技术研究总院有限公司华东电力试验研究院 | 基于bpnn模型和自适应阈值的磨煤机故障预警方法和系统 |
| CN114646352A (zh) * | 2022-04-08 | 2022-06-21 | 华能海南发电股份有限公司海口电厂 | 基于磨煤机基本运行参数判断磨煤机故障的方法及系统 |
| CN114707807A (zh) * | 2022-03-09 | 2022-07-05 | 北京建筑材料科学研究总院有限公司 | 磨煤机风险评估方法、装置、电子设备及存储介质 |
| EP4033321A1 (en) * | 2021-01-22 | 2022-07-27 | Tata Consultancy Services Limited | System and method for performance and health monitoring to optimize operation of a pulverizer mill |
| CN115364992A (zh) * | 2022-08-22 | 2022-11-22 | 国能长源武汉青山热电有限公司 | 一种磨煤机健康监测系统及健康监测方法 |
| CN116773234A (zh) * | 2023-05-05 | 2023-09-19 | 华电莱州发电有限公司 | 一种磨煤机故障监测系统 |
| CN117609762A (zh) * | 2023-11-22 | 2024-02-27 | 重庆杰友电气材料有限公司 | 基于智能燃气井的井盖预警监测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101446827A (zh) * | 2008-11-06 | 2009-06-03 | 西安交通大学 | 一种流程工业系统的过程故障分析装置及方法 |
| CN101899563A (zh) * | 2009-06-01 | 2010-12-01 | 上海宝钢工业检测公司 | 基于pca模型的连续退火机组炉内温度、张力监测及故障追溯方法 |
| CN103853144A (zh) * | 2012-11-29 | 2014-06-11 | 沈阳工业大学 | 基于采油生产数据的现场传感器故障检测方法 |
| CN110543166A (zh) * | 2019-09-18 | 2019-12-06 | 河南工学院 | 一种加权k近邻标准化方法的多模态工业过程故障检测方法 |
-
2020
- 2020-03-19 CN CN202010194055.6A patent/CN111308991B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101446827A (zh) * | 2008-11-06 | 2009-06-03 | 西安交通大学 | 一种流程工业系统的过程故障分析装置及方法 |
| CN101899563A (zh) * | 2009-06-01 | 2010-12-01 | 上海宝钢工业检测公司 | 基于pca模型的连续退火机组炉内温度、张力监测及故障追溯方法 |
| CN103853144A (zh) * | 2012-11-29 | 2014-06-11 | 沈阳工业大学 | 基于采油生产数据的现场传感器故障检测方法 |
| CN110543166A (zh) * | 2019-09-18 | 2019-12-06 | 河南工学院 | 一种加权k近邻标准化方法的多模态工业过程故障检测方法 |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113971363A (zh) * | 2020-07-07 | 2022-01-25 | 北京国电智深控制技术有限公司 | 一种磨煤机系统运行监控方法及装置 |
| CN112036089A (zh) * | 2020-09-03 | 2020-12-04 | 华能国际电力股份有限公司玉环电厂 | 一种基于dpc-mnd和多元状态估计的磨煤机故障预警方法 |
| CN112284785A (zh) * | 2020-10-26 | 2021-01-29 | 华能南京金陵发电有限公司 | 一种基于无监督聚类算法的磨煤机故障状态诊断方法 |
| EP4033321A1 (en) * | 2021-01-22 | 2022-07-27 | Tata Consultancy Services Limited | System and method for performance and health monitoring to optimize operation of a pulverizer mill |
| CN112686477B (zh) * | 2021-01-28 | 2022-04-01 | 北京工业大数据创新中心有限公司 | 一种磨煤机堵磨预警方法及系统 |
| CN112686477A (zh) * | 2021-01-28 | 2021-04-20 | 北京工业大数据创新中心有限公司 | 一种磨煤机堵磨预警方法及系统 |
| CN113804231A (zh) * | 2021-08-03 | 2021-12-17 | 大唐三门峡电力有限责任公司 | 一种火电厂传感器故障诊断装置及诊断方法 |
| CN113634355B (zh) * | 2021-08-11 | 2022-10-14 | 内蒙古京隆发电有限责任公司 | 一种磨煤机堵煤故障判断及故障自愈方法及系统 |
| CN113634355A (zh) * | 2021-08-11 | 2021-11-12 | 内蒙古京隆发电有限责任公司 | 一种磨煤机堵煤故障判断及故障自愈方法及系统 |
| CN114042525A (zh) * | 2021-09-23 | 2022-02-15 | 中国大唐集团科学技术研究总院有限公司华东电力试验研究院 | 一种升降磨煤机磨辊的控制方法 |
| CN114021449A (zh) * | 2021-10-29 | 2022-02-08 | 江苏方天电力技术有限公司 | 一种磨煤机安全性评估的预测方法 |
| CN114021449B (zh) * | 2021-10-29 | 2024-05-24 | 江苏方天电力技术有限公司 | 一种磨煤机安全性评估的预测方法 |
| CN114492938A (zh) * | 2021-12-29 | 2022-05-13 | 中国大唐集团科学技术研究总院有限公司华东电力试验研究院 | 基于bpnn模型和自适应阈值的磨煤机故障预警方法和系统 |
| CN114226955A (zh) * | 2022-01-11 | 2022-03-25 | 武汉点金激光科技有限公司 | 一种具有安全防护功能的激光加工机器人控制系统 |
| CN114398800B (zh) * | 2022-01-27 | 2022-10-25 | 矿冶科技集团有限公司 | 破碎机系统故障诊断方法及装置 |
| CN114398800A (zh) * | 2022-01-27 | 2022-04-26 | 矿冶科技集团有限公司 | 破碎机系统故障诊断方法及装置 |
| CN114707807A (zh) * | 2022-03-09 | 2022-07-05 | 北京建筑材料科学研究总院有限公司 | 磨煤机风险评估方法、装置、电子设备及存储介质 |
| CN114646352A (zh) * | 2022-04-08 | 2022-06-21 | 华能海南发电股份有限公司海口电厂 | 基于磨煤机基本运行参数判断磨煤机故障的方法及系统 |
| CN115364992A (zh) * | 2022-08-22 | 2022-11-22 | 国能长源武汉青山热电有限公司 | 一种磨煤机健康监测系统及健康监测方法 |
| CN115364992B (zh) * | 2022-08-22 | 2023-12-01 | 国能长源武汉青山热电有限公司 | 一种磨煤机健康监测系统及健康监测方法 |
| CN116773234A (zh) * | 2023-05-05 | 2023-09-19 | 华电莱州发电有限公司 | 一种磨煤机故障监测系统 |
| CN117609762A (zh) * | 2023-11-22 | 2024-02-27 | 重庆杰友电气材料有限公司 | 基于智能燃气井的井盖预警监测方法及系统 |
| CN117609762B (zh) * | 2023-11-22 | 2024-06-25 | 重庆杰友电气材料有限公司 | 基于智能燃气井的井盖预警监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111308991B (zh) | 2021-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111308991B (zh) | 一种磨煤机运行故障识别方法及应用 | |
| CN111209934B (zh) | 风机故障预报警方法及系统 | |
| CN107146004A (zh) | 一种基于数据挖掘的矿渣粉磨系统健康状态识别系统及方法 | |
| CN102736546A (zh) | 一种流程工业复杂机电系统的状态监测装置及方法 | |
| CN113253705B (zh) | 一种鼓风机的故障诊断方法及装置 | |
| CN113063611B (zh) | 一种设备的监控管理方法及其系统 | |
| EP4336295A1 (en) | System and method for intelligently monitoring machine equipment | |
| CN106845826B (zh) | 一种基于PCA-Cpk的冷连轧生产线服役质量状态评估方法 | |
| CN212550002U (zh) | 一种磨煤机运行状态监测系统 | |
| CN110207996A (zh) | 燃气轮机故障预警方法和装置 | |
| CN114519382A (zh) | 一种核动力装置关键运行参数提取与异常监测方法 | |
| KR102140532B1 (ko) | 빅데이터를 기반으로 하는 공기압축기의 고장진단 방법 | |
| CN117911012B (zh) | 基于设备生态检测及运行状态评估的设备健康管理系统 | |
| CN113390641A (zh) | 风烟系统设备故障的智能预警与在线诊断方法及系统 | |
| CN114878172A (zh) | 一种船舶主机气缸温度信号特征提取方法及系统 | |
| CN201035376Y (zh) | 工业生产过程小样本条件下的故障诊断装置 | |
| CN117420792A (zh) | 用于复合型加工机床的中控系统 | |
| CN112034782A (zh) | 一种空预器在线状态监测和故障预测方法 | |
| CN116704729A (zh) | 一种基于大数据分析的工业窑炉预警系统及方法 | |
| TWI849573B (zh) | 機器設備智能監測系統及方法 | |
| CN213482933U (zh) | 一种基于状态的工件生产设备维护监测装置 | |
| CN111780149B (zh) | 火力发电厂制粉系统设备状态远程诊断方法 | |
| Park et al. | Development of Anomaly Detection Technology Applicable to Various Equipment Groups in Smart Factory | |
| CN113589873B (zh) | 一种基于物联网的机房环境测控系统 | |
| CN111474911B (zh) | 面向高端燃煤发电装备非平稳运行的高斯非高斯特征协同解析与监测方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |