连续故障范文-盘古文库

连续故障范文（精选5篇）

连续故障第1篇

1 烟尘测量仪

该套监测系统对颗粒物浓度的测量采用了后散射法。其原理是当一束光照射到烟道中的颗粒物上时,颗粒物会向所有方向散射光,其中向后散射的光被聚焦到经测尘仪检测器进行检测,由仪器的放大器放大输出电流或电压信号,在一定的范围内,输出的信号与烟尘的颗粒物浓度成正比。通过输出的电流或电压信号的值即可测出颗粒物的浓度并在电脑上显示出来。

1.1 常见故障及排除法方法

(1)烟尘浓度值波动大:在排除生产工况影响的原因后,主要是由于烟尘测量仪的零点和满点有漂移,应该用配置的烟尘浓度校准仪对仪器的零点和满点进行多次校准,直到满足要求为止,如果零点和满点不能校准到所要求的标准时,可以返厂维修或更换新的测尘仪,必要时也可采用人工比对的方式对测尘仪进行校准。

(2)烟尘浓度值偏高或反应迟钝(即长时间无变化,与实际的工况不对应):造成这种现象主要是由于测尘仪的透镜表面有积灰,阻碍光线的发出和对散射光的接收。此时,可以用干净的软布或镜头纸将镜面擦拭干净,同时检查烟尘测量仪的反吹系统是否正常。

2 烟气分析仪

该套系统的烟气分析仪选用日本富士公司生产的ZRJ-5型分析仪,它可以测定烟气中SO2、NOX、O2等成分。其原理是:SO2、NOX分析方法为红外线吸收法,分子在红外线照射下,受其固有振动和转动光谱相当的波长的光所激发,从而可吸收与之对应的谱线。利用二氧化硫在红外区7.3μm附近的光吸收,测定二氧化硫浓度;同理,利用一氧化氮在红外区5.3μm附近的光吸收,测定一氧化氮浓度,经过系数换算得到氮氧化物浓度。

2.1 主要故障及排除方法

(1)样气测定结果有偏差:主要是由于烟气分析仪的零点或满点有漂移,此时应用标准气体和零气对分析仪进行校准。

(2)样气测定值不稳定,在校准过程中,校准值波动较大达不到预期的值:造成这种原因主要有:标准气体不稳定或过期,气路有泄漏或堵塞,分析仪内管子松动或脱落,分析仪内分析室被污染。对这种现象应首先确定标准气体是否符合要求,并对气路进行逐一检查,排除管路的影响,再对分析仪内的胶管进行检查。如果是分析仪内分析室被污染,需用脱脂棉蘸无水乙醇小心对气室进行清洁,并用零气和标准气体进行校准。

3 样气采集系统

样气采集和处理系统主要包括采样探头、伴热管、冷凝器、抽气泵、蠕动泵等。其采集过程是:待测气体通过抽气泵从烟道中连续抽取,样气首先进入加热采样器,在采样器中样气被加热,同时经过微孔过滤器除去样气中的烟尘,经过加热后的样气连续通过伴热管保温并输送到气体冷却器中,样气通过气体冷却器时进行冷热交换并被快速制冷,使样气中的水汽结露成水,结露的水经蠕动泵的挤压而排出,由于冷却器的制冷速度快,故不会改变样气的气体成分。去除水分的样气通过过滤器和流量计等设备后送到烟气分析仪进行分析。由于样气采集系统的管路一般较长,管路间的接头多,中间经过的处理设施较复杂,因此这部分的故障也较多,同时也成为日常维护和维修的重点。

3.1 主要故障及排除方法

(1)气体管路漏气:由于部分烟气成分复杂并具有高温、腐蚀的特点,造成气体管路接头处和密封圈、阀体等容易出现老化、腐蚀现象,或由于长期震动导致接头松动而漏气,使分析结果偏低。此时可以利用流量计或压力计对各个管路接头、阀体进行逐步检查和排除找出泄漏点并进行处理。

(2)气体管路堵塞:设备的长期运行,会导致烟气中的粉尘沉积或粘附在气体管路壁、接头或管路转角处,造成管路堵塞,由于堵塞阻力的影响,使抽气的流量偏小甚至抽不到烟气,造成分析结果偏低或分析结果为零。出现此现象时,应首先检查是否是抽气泵的故障,排除抽气泵故障后,如还有堵塞现象,则需把管路两端断开,使用压缩空气对管路进行吹洗,如堵塞严重时就要在管路内灌入清水,利用压缩空气的压力把堵塞物吹洗出来,再用压缩空气把管路内积水吹干。如果是采样探头或是探头内的过滤器堵塞,则要对采样探头进行疏通或对陶瓷过滤器进行吹洗、更换。此外,造成管路堵塞的原因也可能是由于过滤烟尘的过滤器损坏,使烟尘进入到采样管路而堵塞,此时应及时对过滤器进行更换。同样,反吹系统不能正常反吹和反吹压力不足也会使管路容易堵塞,应及时对空气压缩机进行检查并调整其输出压力到要求范围。

(3)抽气流量小:除了管路堵塞外,抽气泵的故障也可能造成抽气流量偏低,影响分析结果。在管路堵塞时或烟气负压较大的工况下,由于抽气泵长期运转,导致其抽气负压过大,使抽气泵内的泵膜容易破裂、损坏,导致抽气能力下降,抽气流量变小,抽到的样气量就少,使分析结果偏小。发现这种现象时应停掉抽气泵电源,及时更换泵膜或抽气泵。

(4)蠕动泵的故障:蠕动泵的作用主要就是把通过蠕动泵的挤压作用冷凝器冷凝下来的水及时排掉,如果冷凝下来的水不能及时排掉,则会吸收样气中的SO2,造成分析结果偏低。蠕动泵的故障常见的有泵体内的电机不转动,泵内胶管由于长期转动摩擦引起破裂而起漏气,泵头转轴卡死等。如是电机或胶管问题,可以更换新的蠕动泵或胶管,泵头卡死时则可用酒精对转轴进行清洗。

4 结语

大电网连续故障的风险分析及对策第2篇

【关键词】大电网;风险;连锁反应;控制

大电网分布广、规模大特点，面临着小型电网所没有的风险，在这些风险当中。连锁故障在确保电网安全运行当中是影响最大的故障原因之一。大电网连锁故障指的是处于电力系统当中的一元件出现故障问题，这一故障原件进而影响了其他原件的工作，使其停止运行，这就被称为连锁故障，这种故障蔓延的速度是比较快的，一旦出现就会很快的导致大规模停电。发生这样故障的几率虽然不高，但是一旦发生后果都是比较严重的。

1.风险分析

1.1 因为电力系统的安全自动装置所引发的风险

在电力系统当中，主要的自动装置有切机、快关汽门、切负荷等。一般的情况之下，这些安全自动装置构成了成个电力系统的两道安全防线。但是在特殊的时候，当自动装置无法正常运行，就会将连锁故障的风险系数增大。也就是说安全自动装置不仅仅是提高了电力系统输送电力的能力，还对整个电力系统的安全运行带来了风险。并且这种连锁故障引发的风险是真实存在的，例如在2008年的春天，北方发生了大面积的冰雪灾害，因为断线等因素使得安全自动装置无法进行负荷的切换，就会诱发了连锁故障，严重的还使得整个大电网崩溃。

1.2 因为联络线功率问题所引发的风险

从国外大电网建设的实例当中我们可以看出，现在的大电网都是从中小电网进行互联之后发展来的，我国的大电网建设情况也基本上与国外的建设发展规律相似，形成的就基本规律为以下内容：大电网建设当中最先开始的是各省级的电网分别形成自己的主网架，主网架形成之后利用500KV的线路将各省级的电网进行连接，连接成区域性的电网，例如划分成华北、华中等区域电网。目前，我国主要是通过1000KV的特高压交流以及800KV的特高压直流线路来进行区域电网的连接，利用这种方式来实现全国进行特高压联网的目的。

但是上面所说的区域电网连接方式，在进行联网的初级阶段，因为电网本身联系上存在着不稳定、不坚强，就非常容易因为联络线控制不好导致引起连锁故障。从理论上来讲，电厂是需要对联络线功率的波动规律而做出调整的，主要是为了保证联络线功率保持在一定的范围内运行，但是在实际当中，影响因素是非常多的，不仅有来自调节时滞的影响，还有来自机组特性差异的影响，同时电厂之间也有可能存在着协调的问题。

1.3 因为电网网架结构所引发的风险

上面所说的两种影响因素主要是与电网设备有关的因素，而电网网架结构这一影响因素涉及到了电网规划的内容。电网网架结构的布局的合理、坚强能够有效的促进电网的运行，同时也可以促进电网的安全运行。相反的，如果电网网架结构涉及不够合理、优化，就有可能因为结构的问题引起大电网出现连锁故障风险。

1.4 因为电网运行方式所引发的风险

这种原因所引发的风险主要为检修不协调、方式安排的优化程度不够等，具体来说，第一种原因中在检修计划无法做到合理安排的情况下进行工作，就有可能使电网处于脆弱情况下进行运行。第二种所说的原因是因为电网结构上存在不合理，使得运行方式不灵活，最后就会使电网的检修工作无法很好的安排。

1.5 因為小概率事件所引发的风险

小概率事件发生的可能性是非常小的，所以小概率事件在实际的工作当中容易被忽略。但是实际上这些小概率事件对电网所造成的影响通常也较为严重的。例如在2008发生的罕见的冰雪灾害或者是因为人类活动所引起的问题。如果将这些小概率事件忽略，不采取预防措施，那么这些小概率事件在条件充足的情况下就会诱发产生大规模的电网连锁事故。

2.大电网运行风险技术对策

2.1 对广域测量系统进行大范围的推广实施

大电网运行以全局为主，从大量的大电网运行实践当中我们可以看到一般情况下考虑大电网连锁故障的因素主要是依据就地信息进行的，而将大电网各个部分之间的影响忽略了。现在所具有的测量系统当中的例如节点电压等基本上都处于本地的状态，无法提供出全局的数据信息，这就使得没有办法进行全局的安全监控和安全评估。当处于这样的情况下，广域测量系统对于大电网的发展来说是必须的。目前广域测量系统已经在全局反馈控制、全网动态记录等方面有了不俗表现，并能够对连锁故障所发生的各个途径做到了有效监控。进行广域测量系统的推广需要从技术角度、经济角度去考虑，从运行的整体去进行规划，对现有的技术进行规范，不断的对各种技术进行改进。

2.2 针对大电网进行实时风险预防控制技术的深入研究

广域测量系统在大电网的运行当中能够对其运行的状态信息做到详细的提供，也只有在这样的基础之上，进行安全性能高、可靠性高的风险评估软件的开发，才能确保所取得的数据处理的更为快速和有效，对大电网的薄弱环节需要及时的发现，避免出现大电网和连锁故障。目前在大电网运行当中已经投入使用的风险评估软件是非常之多的。这些风险评估软件通常的情况下采用的方法是：将能力管理系统数据作为参考依据，然后使用直流算法对整个大电网系统进行扫描，将超度所限定的元件默认为是当前的电网风险。这一方法不仅有着周期性的限制，同时评估的精度也无法保证，但是大电网连锁故障的发生处于的是前期缓慢发展，后期快速变化的情况，所以这种技术必然会对大电网的安全运行有所影响房，也无法发挥出风险评估软件的真实作用。将打大电网连锁故障的特征与现在的风险评估软件的不足之处结合起来对软件进行深度开发，提高软件在评估结果上的预见准确度。具体的做法为：风险评估软件开发研究第一需要对整个大电网的状态进行评估，评估是以相量测量单元数据作为基础的，在完成第一步之后需要与检修操作、环境状态等的发展趋势与大电网未来的发展趋势结合一起记性分析，目的是为了对电网可能发生的多重故障做做到预控，最后一个步骤是在现有的防御体系下时间轴上实现扩展，给予调度员足够的响应事件。

2.3 尽快实现大电网调控一体化体系

从当前大电网的运行来看已基本上实现了自动化，开关操作、数据收集等的自动化设置都已经完成，但是这些仅仅自动化工作对于有效的预防大电网发生连锁故障的需求还存在着严重的不足，具体的来说判断性、交互性没有实现。而调控一体化的实现是解决这一问题的关键。最近一些年，我国电网调控一体化发展先后经历了有人值班、无人值守集控站、监控中心等各种模式。从模式变化上来看，都对变电运行的人员结构的优化、操作管理的强化、人员安全压力的减轻都有着非常重要的作用，但是这种模式也使得调度与值班之间联系的越来越弱化、处理应急事故的时间延后等现象。故随着大电网规模化的不断加深，调控一体化体系的建设步伐也应该加快，将大电网运行集中监控归结到整个电网调度的统一化管理当中，对有关技术规范及调度管理制度进一步完善，将大电网运行控制的协调及反应能力进一步加强。

3.总结

电网设备、人为原因、外界因素等都是造成大电网发生连锁故障的潜在风险源。本文在明确了产生大电网连锁故障的原因，提出了对广域测量系统进行大范围的推广实施、针对大电网进行实时风险预防控制技术的深入研究、尽快实现大电网调控一体化体系是能够有效的预防出现大电网连锁故障的，同时也为我国的电网建设提供了支撑。

参考文献

[1]蒋宇.大电网极端故障情况下的稳定控制策略研究.南京理工大学.2009年：1-72

[2]李继红.大电网连锁故障的风险分析及对策.电网技术.2011年12月：43-49

作者简介：

郭海波（1979—），男，内蒙古通辽人，大学本科，国网内蒙古东部电力有限公司通辽供电公司助理工程师，研究方向：电气。

柴油机连续冒黑烟故障的分析第3篇

柴油机工作正常时, 喷入燃烧室的柴油能与空气充分混合并完全燃烧, 所排除的废气应当是无色, 或是带点淡蓝色或淡灰色的气体。如果柴油机排气冒黑烟, 说明燃烧不正常。柴油机工作时冒黑烟, 不但造成柴油机的油耗增高, 功率降低, 而且使活塞、活塞环气门以及燃烧室形成大量积碳, 严重时会卡住活塞环、气门破坏密封产生漏气, 同时还会加速零件的磨损, 降低发动机的使用寿命。

柴油机冒黑烟故障的本质原因是:柴油燃烧不充分, 在燃烧后的废气中, 含有大量碳粒或游离碳粒的结果。产生碳粒或游离碳粒的主要原因有:燃油不能完全燃烧;燃烧后的二氧化碳热裂成一氧化碳和不能再氧化的游离碳粒。依据上述故障的本质原因。我们可以快速准确地判断冒黑烟故障的具体原因。柴油机冒黑烟有连续冒黑烟和断续冒黑烟, 因篇幅的关系这里我只对柴油机连续冒黑烟故障进行分析。

1 连续冒黑烟, 同时伴随功率下降, 柴油机过热

故障原因:供油过晚 (供油提前角过小) 。

故障分析:为保证喷入燃烧室的可燃混合气燃烧充分, 且在上止点后某一时刻燃烧压力达到最大值, 需要在活塞运动到上止点前喷油泵就开始供油。如果供油过晚, 混合气在气缸中不能进行充分的混合, 就被压燃, 废气中含有大量碳粒。同时, 燃烧可能还没进行完, 活塞就已下行, 燃烧过程可能延续整个做功过程, 大量热量传给冷却水, 并使最高燃气压力产生在大容积过程中, 使平均有效压力下降。因此, 柴油机冒黑烟时, 会伴随功率下降和柴油机过热。

排除方法:正确调整供油提前角。首先检查供油提前角, 拆下第一缸 (多缸机) 高压油管, 油门放在最大位置, 拧松放气螺钉排除油泵中的空气, 摇转曲轴, 当第一缸有油喷出后, 将油弹吹去少许, 继续转动曲轴。当接近第一缸供油位置时, 放慢转动速度, 当出油阀紧座出口油面刚波动时, 立即停止曲轴转动, 看上止点记号与刻线盘上的角度值, 如供油刻线还未到上止点记号, 证明供油提前角过大;如超过了上止点记号, 证明供油提前角小。喷油泵的供油正时一般在出厂检验时都调好的, 用户一般不用去动, 调整正时一般要在喷油泵校正仪上进行。确需调整时, 只可微调 (在调节螺母转动角在30°以内) , 不可大幅度调。松开油泵上调节螺母的封铅, 松开调节螺母的紧固螺母, 正对螺母顺时针拧转是增大提前角。

2 连续冒黑烟, 同时功率不下降或有所增大, 但燃油消耗量明显增加

故障原因:供油量过大。

故障分析:拖拉机上的柴油机是按经济线调整的。只有超负荷校正器起作用才超出冒烟界线接近最大功率线。当喷油泵供油量过大超出冒烟界线时, 柴油机冒黑烟。但功率并不下降, 反而有所提高, 可是耗油率大幅度提高, 经济性变坏。

排除方法:喷油泵供油量过大的原因有, 柱塞调整不当, 供油量过大;调节齿轮锁紧螺母松脱, 使调节齿轮移位;最大油量调整螺母调整的过大, 或操纵臂限制螺钉调整不当。正确调整喷油泵供油量。将喷油泵侧盖打开, 检查调节齿轮锁紧螺钉是否松脱而引起齿轮移位;若锁紧螺钉未松脱, 应检查是否调整不当, 将喷油量调得过大, 或者操纵臂限制螺钉调整不当。调整调速器调节齿杆最大油量调整螺钉或操纵臂限制螺钉, 只要锁紧螺母不退扣, 行驶中一般不易走动, 如失调, 主要是原来调整不当所致。

3 连续冒黑烟, 同时功率下降, 着火声音异常

故障原因:配气相位失准;空滤器或进气道堵塞;增压器失效;供油提前过早。

故障分析:配气相位失准会导致进气不充分、排气不顺畅, 将影响混合气的形成品质, 造成燃烧不完全, 使发动机的动力性下降, 燃料消耗量增加, 排放污染物中的一氧化碳、氮氧化合物、碳氢化合物将大大增加。空滤器或进气道堵塞、增压器失效等原因都使进气量下降, 燃料不能完全燃烧冒黑烟, 且着火声音异常。供油提前角过早, 使燃前物理和化学准备时间过长, 燃烧完的二氧化碳被热裂解成一氧化碳和游离碳, 使排气冒黑烟。因混合气着火燃烧在活塞未到达上止点之前, 故产生柴油机敲击并有反转趋势。

排除方法: (1) 配气相位失准, 一般应检查凸轮轴的磨损情况, 定时齿轮记号是否正确, 定时齿轮啮合间隙是否正确, 以及滚键或定时齿轮磨损过甚等, 可视情况重新安装, 或更换新齿轮。

(2) 清洗保养滤清器、清除进气道堵塞物。空气滤清器用来防止空气中的灰尘杂质进入发动机气缸, 以免加速零件的磨损, 长期使用中, 滤芯积满灰尘, 不但失去滤清作用, 而且增大空气进入气缸的阻力, 使发动机充气减少, 功率降低, 因此, 必须定期对空气滤清器进行保养和清洗。对惯性油浴式空气滤清器保养时, 将其拆开取出滤网, 用煤油或柴油清洗后吹干, 并将滤清器底壳内的脏油倒出, 清洗擦净。滤网装复后, 为使空气扫过滤面, 并不至沾附过多的机油, 因此, 加注底壳内的机油油面, 应符合规定高度。在装复滤网时, 应将滤网浸入稀薄的机油中, 使孔眼全部沾湿, 然后取出, 使多余的机油流净。这样能够在使用时沾附空气中的灰尘。为了保持滤清器的良好作用, 必须保证各连接部位密封良好。进气道堵塞也会增大空气进入气缸的阻力, 因此在保养空气滤清器时也要注意对进气道的保养。

(3) 修理或更换增压器。增压器转速不够会使气缸进气量不足, 而导致柴油机冒黑烟。检修时, 将进气管从涡轮增压器上拆除, 露出增压器叶轮, 看是否能够拨动, 如果能够轻松拨动则证明增压器正常;反之, 则增压器故障。检查增压器叶轮轴是否存在过大的间隙量 (上下晃动叶轮, 应有最大不超过3 mm的间隙为正常范围) , 如果发现叶轮有较大的间隙, 则需要对涡轮增压器进行更换。观察增压器叶轮叶片有无断裂、磨耗、变形的情况出现, 并观察叶轮外围, 增压器壳体内是否有划痕, 增压器是否扫膛。若有叶片断裂、扫膛的情况出现, 则应对涡轮增压器进行维修或更换。

连续故障第4篇

目前国内外故障诊断领域的研究成果较多以能检测出仿真实例中的故障为评价标准,而少有长期在实际生产装置上的运行并连续检测出故障的实例。因此,笔者以PSOG软件为平台[13],将PCA应用于某炼油厂延迟焦化装置,应用结果表明笔者提出的PCA在线故障诊断策略可以在无人工干涉的情况下长期稳定运行并正确检测出连续出现的故障。

1 基于PCA的故障检测

1.1 PCA简介

设对某一过程采集了n组数据,每组数据包含了m个测量点,将每个测量点数据标准化为均值0和标准差1后形成的数据矩阵(每一行对应一组测量数据)为X∈Rnm,则在选定主元数k之后,可以获得如下结果:

其中T∈Rnk为主元矩阵,undefined∈Rn(m-k)为残差元矩阵,P∈Rmk为主元变换矩阵,undefined∈Rm(m-k)为残差元变换矩阵。式(4)说明P与undefined相互正交,即PCA算法将原测量数据矩阵投影到两个相互正交的空间:主元空间和残差元空间。P与undefined可通过对X的协方差矩阵进行奇异值分解获得,同时还可以获得其按值递减排序的所有特征值σi≥0(i=1,2,,m)。P即值最大的前k个特征值所对应的特征向量按列组成的矩阵,undefined则为其余特征向量按列所组成的矩阵。

在实际应用中,主元数k的确定至关重要,已提出很多选取k的方法[14],笔者采用了计算量较小、能直接控制提取信息量的累积方差贡献率方法确定主元数。

1.2 PCA过程故障检测原理

当PCA应用于过程故障检测时,首先以历史无故障工况数据组成建模数据矩阵,获得正常工况的PCA模型。当所建立的PCA模型应用于实际化工过程故障检测时,对每一个实时测量数据向量可计算其T2统计量和Q统计量[15,16]。为避免仅根据T2和Q统计量进行故障检测时结果的不确定性[16],笔者采用了Qin S J[15]和Zumoffen D、Basualdo M[17]提出的新的综合故障检测指标z:

其中ϑT2=mean(T2)+τstd(T2),ϑQ=mean(Q)+τstd(Q),mean(x)表示随机变量x的平均值,std(x)表示x的标准差,而τ为误判风险参数,通常取2(α=5%)或3(α=1%)。当某一实时数据向量的综合指标z>2时,则认为过程出现故障。该综合指标避免了诊断结果的不确定性,并且对过程变量分布的依赖性较小。

实际生产中,即使对于连续化工生产过程,由于原料性质的变化及设备老化等原因,其工况也在随着时间的推移而逐渐变化,因此当采集到的一组实时数据未引发PCA模型报警时,则用其替代最老的一个建模样本点并重新建立PCA模型以适应工况变化。模型更新采用了文献[18]提出的递归方法。

2 延迟焦化过程在线故障检测

2.1 工艺简介

焦化原料来自常减压蒸馏装置或罐区,进装置界区与焦化柴油换热后进入装置界区内的原料油缓冲罐,然后由原料泵抽出并依次与分馏塔中的柴油、中段油、回流蜡油和产品蜡油换热后进入分馏塔下段换热区,在此与来自焦炭塔的热油气(420℃)接触换热,原料油中蜡油以上重馏分与热油气(420℃)中的被冷凝的循环油一起流入塔底,在336℃下,用加热炉进料泵抽出分4路在流控下打入焦化加热炉快速升温到500℃,然后经四通阀入生焦的焦炭塔(生焦塔)底部以进行裂解、缩合反应从而生成油气和焦炭,与此同时另一焦炭塔(除焦塔)则进行除焦过程,油气从生焦塔顶部进入分馏塔,焦炭不断聚结在生焦塔内[20]。待上述过程运行24h后,通过四通阀切换,使得原料入除焦完毕的除焦塔开始生焦(即除焦塔切换为生焦塔),而在焦炭堆积满的生焦塔则开始除焦过程(即生焦塔切换为除焦塔),从而完成两塔切换。为提高生产安全性,车间每天在20:30进行两塔切换,在此期间,由于除焦塔顶油气和水蒸气进入分馏塔顶,从而导致分馏塔和加热炉工况会出现异常波动。由上述可知,延迟焦化过程本质上是个间歇过程,但在实际生产中通过合适的控制方案可使两塔切换之外的时间段各工艺参数的变化呈稳态过程特点,即延迟焦化过程是表观稳态的[19]。

2.2 结果与讨论

对于上述流程,针对操作人员最关心的加热炉与分馏塔分别建立了两个PCA故障检测模型。经与车间工艺员探讨和对工艺操作规程的分析,对于加热炉PCA模型选取了4路炉管的入口流量和出口温度、炉膛温度、炉顶含氧量和燃气流量共16个变量,而对于分馏塔则选取了塔顶温度、压力以及各段回流量等共18个变量;建模样本容量为2 880,即以1min间隔采集48h的过程数据,以充分包含过程正常运行信息;经实践检验和比较,以累积方差贡献率不小于90%确定主元数;综合指标z的误判风险参数取3,即对应1%误判概率,这是由于炼油原料的复杂性导致其工艺参数波动较大,误判概率较小容易导致出现误报故障。

基于PSOG软件平台,上述PCA模型于2011年5月7～12日在某炼油厂连续稳定运行,下面将对运行期间的正常工况和加热炉故障工况进行分析,以说明该策略的有效性。

2.2.1 正常生产

由延迟焦化过程的工艺简介可知,该过程在每天20:30进行两塔切换,期间会出现工艺参数的波动。

图1、2给出了在正常工况下分馏塔和加热炉的故障检测趋势图,横坐标是从每天下午14:00开始,以分钟为间隔直至第二天的14:00,即图中所示为一个焦炭塔的生产周期;其中采样间隔为3min。

图2中,对于分馏塔检测指标从横坐标为361处(即20:25)开始逐渐上升,且在20:47～21:47时间段大都维持故障报警状态,而其余时间段内PCA故障检测模块皆给出了设备处于正常状态的结论,与实际生产状况相符。因此分馏塔PCA模型及时、准确地检测出了异常。

由图2可知:加热炉工况较分馏塔而言更不稳定,这是由于其渣油炉管易结焦,时常需要加大注气量并减小进料量以减轻结焦程度;加热炉PCA模型检测出异常工况的时间较分馏塔有延迟,这是由于在生焦塔切换成除焦塔期间其塔顶油气和水蒸气大量进入分馏塔,从而导致分馏塔PCA模型变量对两塔切换更为敏感;而加热炉的进料渣油来自分馏塔底,其性质不会马上随着分馏塔工况的变化而有较大改变以导致加热炉工况异常。

2.2.2 加热炉故障

图3给出了11日14:00～12日14:00时间段内的加热炉炉管结焦故障检测趋势图,由图可知:在横坐标241后加热炉PCA模型就开始触发报警信息,这也导致了在11日的焦炭塔塔切换期间加热炉的工况波动较正常工况下更为明显,车间操作人员证实这是由于11日开始加热炉管逐渐出现结焦,从而往炉管的注气量有所增加,这也导致了焦炭塔切换期间内工况波动剧烈且明显异常;自横坐标1 140(即12日08:29)处开始,加热炉PCA模型触发了严重的报警信息,这是由于炉管结焦情况过于严重,加大注气量已不能改善工况;当日的焦炭塔切换引起的工况异常和加热炉炉管结焦故障皆被正确检测出来,说明笔者所提出策略可以在无人工干涉情况下连续检测出过程故障。

本策略并未根据残差贡献率柱状图诊断故障原因,因为此类方法可直观呈现故障症状从而辅助故障诊断,但仍需要根据工艺知识人工确定故障原因,不适于软件自动确定故障原因,如何将工艺知识与主元分析方法结合进行有效地过程故障诊断仍需进一步研究[20]。

3 结论

3.1 基于累积方差贡献率的PCA法计算的综合指标可有效地检测延迟焦化过程故障;

3.2 笔者提出的PCA故障检测策略可适应工况变化,并可在无人干涉情况下连续检测出过程故障,适于长期在线应用;

连续故障第5篇

随着电子技术的迅猛发展,电子装备在航空装备中的比重日益增大,对其进行故障诊断成为亟待解决的课题[1]。实际中,已经获得的一些航空电子装备测试数据(其中包含连续数据(如电压、电流等)和离散数据),这些数据往往具有非精确性、冗余等特点,由Pawlak提出的粗糙集理论对处理这类数据极具优势[2],但是它仅能处理非连续数据,对于连续数据需要进行离散化预处理。同时,已获得测试数据中包含的故障模态间往往存在模糊性,因此开展粗糙集与模糊集的融合方法研究很有意义,并且模糊聚类的方法,是将模糊集划分成不同水平的子集,以此来诊断故障可能属于哪个子集[3],实际上也可以视作一种离散化处理的方法。

选取目前较主流的模糊C-均值(Fuzzy C-Means,FCM)聚类方法对连续测试数据进行离散化,然后与粗糙集融合,进行属性约简和规则提取,获得最终的诊断规则,并进行了应用验证。

1 粗糙集理论

1.1 粗糙集理论的基本概念

1982年,Pawlak发表了经典论文Rough sets[4]标志粗糙集理论的正式诞生。

在粗糙集理论中,四元组S=(U,A,V,f)是一个知识表达系统,其中U为论域;A为属性集; $V = \underset{α \in A}{\cup} V_{α} ‚ V_{α}$ 是属性α的值域;f:UAV是一个信息函数,它为每个对象的每个属性赋予一个信息值,即∀α∈A,x∈U,f(x,α)∈Vα。若A=C,即不考虑决策属性时,知识表达系统S称为信息系统;若A=C∪D,C∩D=ϕ,C为条件属性值,D为决策属性值,则知识表达系统S称为决策表。

1991年,波兰科学家A.Skowron首次提出利用差别矩阵来表示知识,差别矩阵的定义为Mnn=(cij)nn,其中,

$\begin{array}{l} c_{i j} = \\ {\begin{cases} {α | (α \in A) \land (f_{α} (x_{i}) \neq f_{α} (x_{j}))}, f_{D} (x_{i}) \neq f_{D} (x_{j}) \\ ϕ, f_{D} (x_{i}) \neq f_{D} (x_{j}) \land f_{C} (x_{i}) = f_{C} (x_{j}) \\ -, f_{D} (x_{i}) = f_{D} (x_{j}) \end{cases} \\ (\forall i, j = 1, 2, \dots, n) 。 \end{array}$

在S=(U,A,V,f)中,定义相对核等于Mnn中所有简单属性(单个属性)元素组成的集合,即

在S=(U,A,V,f)中,在得出以上差别矩阵Mnn的基础上,通过与相对核COREC(D)比较,可以得出相对差别矩阵为MR=(MRij)nn的定义为

在S=(U,A,V,f)中,假设决策属性D在论域U上的划分为D:D={D1,D2,,Dm},则定义条件属性C相对于决策属性D的一个条件信息熵为:

$Η (D | C) = - \sum_{i = 1}^{n} Ρ (C_{i}) \sum_{j = 1}^{m} Ρ (D_{j} | C_{i}) \lg Ρ (D_{j} | C_{i})$ 。其中,P(Ci)为条件属性Ci的概率,P(Dj|Ci)、P(Ci|Dj)分别为条件概率。

1.2 基于条件熵的属性约简算法

基于条件信息熵的相对差别矩阵约简算法的步骤可以归纳为[5]:

Step1 计算差别矩阵M和相对核CORED(C),令RED=CORED(C);

Step2 将含有RED中属性的所有元素置0,得到相对差别矩阵MR,若MR=0,则算法结束,否则Step3;

Step3 设MR中非零元素所含的属性集为Att,对每个属性αi∈Att,计算H(D|RED∪{αi});

Step4 选择使H(D|RED∪{αi})最小的属性αj,若同时有多个属性达到最小值,则从中选取一个在差别矩阵中出现次数最多的属性。令

Att=Att-{αj},RED=RED∪{αj}。

Step5 根据新的RED,计算相对差别矩阵MR,若MR=0,则算法结束,否则转Step3。

接下来,将根据规则获取的定义,按照集合取“交、并”原则归纳,得出最终诊断规则。

2 基于极差规格化的FCM聚类

设测试设备获得的原始故障样本数据U中含有n个待分类样本,有m个特性指标,则可建立数据矩阵如下[6]。

$U = [\begin{matrix} u_{11}^{´} & u_{12}^{´} & \dots & u_{1 m}^{´} \\ u_{21}^{´} & u_{22}^{´} & \dots & u_{2 m}^{´} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ u_{n 1}^{´} & u_{n 2}^{´} & \dots & u_{n m}^{´} \end{matrix}]$

。

把样本集分为D=({d1,d2,,dc}),2cn类,可得到c个聚类中心向量,这c个向量构造成的矩阵V

$V = [\begin{array}{l} V_{1} \\ V_{2} \\ ⋮ \\ V_{C} \end{array}] [\begin{matrix} v_{11} & v_{12} & \dots & v_{1 m} \\ v_{21} & v_{22} & \dots & v_{2 m} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ v_{C 1} & v_{C 2} & \dots & v_{C m} \end{matrix}]$

。

FCM算法就是通过求划分矩阵W和聚类中心矩阵V,来讲目标函数最小化,目标函数的约束条件为 $\sum_{i = 1}^{C} w_{i j} = 1, (j = 1, 2, \dots, n)$ ,该优化问题的表达式为

$J_{m} (U, W, V) = \sum_{j = 1}^{n} \sum_{i = 1}^{C} w_{i j}^{m} | | u_{j} - v_{i} | |^{2}$ 其中,V={v1,v2,,vC}就是模糊聚类中心,||uj-vi||2是样本uj与第vi个聚类中心之间的距离,m(1m∞)为模糊因子,要想求解该优化问题,可以通过以下两个公式迭代求得

$v_{i} = \frac{\sum_{j = 1}^{n} (w_{i j})^{m} u_{j}}{\sum_{j = 1}^{n} (w_{i j})^{m}}, 1 i C$ ;

$w_{i j} = [\sum_{k = 1}^{C} (\frac{∥ u_{j} - v_{i} ∥^{2}}{∥ u_{j} - v_{k} ∥^{2}})^{\frac{1}{m = 1}}]^{- 1};$

1iC, 1jn。

算法步骤可以概括为:

Step1 直接用样本均值,计算各初始的聚类中心v $_{1}^{(0)}$ ,v $_{2}^{(0)}$ ,,v $_{C}^{(0)}$ ;

Step2 应用极差规格化方法,计算各样本与C类中心的相似关系;

Step3 由γ′ij得到初始分类矩阵;

Step4 对模糊分类矩阵进行更新;

Step5 当目标函数达到阈值ε或允许的最大迭代次数N时,停止迭代,反之则转到第二步继续迭代。最终可以得到C个聚类中心和隶属度划分矩阵W′。

3 应用模型及实例分析

某型机载电台装备是航空电子装备中一种较典型的设备,在某型机载电台的故障诊断中应用以上方法,表1给出常见故障现象“电台不受控制”为例,涉及到的故障征兆用条件属性“C”表示,C={+5V电压C1,UUT收信端电压C2, UUT收信端功耗C3,UUT发信端电压C4, UUT发信端功耗C5,1553B总线C6},决策属性D={d1,d2,d3},“d1”代表前面板模块故障,“d2”代表主控微机模块故障。

实际中,装备说明书上一般给出了这些条件属性的工作区间,按小于区间、等于区间和大于区间值可将聚类数选为3,分别为“高”、“中”、“低”表示,得到FCM的3个聚类中心和各隶属度,由此可将原始数据进行离散化,结果如表2。

然后应用基于条件熵的属性约简算法得到CORE={1,2},计算条件熵H(d|{1,2}∪{4})=H(d|{1,2}∪{6})=0均达到最小,则数出现次数,条件属性“4”和“6”次数都为11,达到最大,因此RED={1,2,4,6},由此得到约简决策表如表2中标粗的部分。然后应用属性值约简和规则获取,可以得到诊断规则如表3所示。

4 结束语

通过对FCM聚类方法的分析,将其应用于连续故障数据的离散化处理中,并结合粗糙集的属性约简算法和规则提取方法,获得最终诊断规则,从而为解决不确定性装备故障诊断问题提供了一条新的途径。

参考文献

[1]张凤鸣,惠晓滨.航空装备故障诊断学.北京:国防工业出版社,2010

[2]苗夺谦,王珏.粗糙集理论中知识粗糙性与信息熵关系的讨论.模式识别与人工智能,1998;11(1):34—40

[3] Pedrycz W.Algorithms of fuzzy clustering with partial supervi-sion.Pattern Recognition Letters,1985;3(1):13—20

[4] Pawlak Z.Rough sets.International Journal of Information and Com-puter Science,1982;11:365—468

[5]张光轶,等.一种融合差别矩阵和条件熵的故障诊断方法.计算机工程与应用,2011;47(17):4—6

连续故障范文

连续故障第1篇

大电网连续故障的风险分析及对策第2篇

柴油机连续冒黑烟故障的分析第3篇

连续故障第4篇

连续故障第5篇

连续故障范文

猜你喜欢

栏目

最近更新

热门标签

连续故障范文

连续故障 第1篇

大电网连续故障的风险分析及对策 第2篇

柴油机连续冒黑烟故障的分析 第3篇

连续故障 第4篇

连续故障 第5篇

连续故障范文

猜你喜欢

栏目

最近更新

热门标签

连续故障第1篇

大电网连续故障的风险分析及对策第2篇

柴油机连续冒黑烟故障的分析第3篇

连续故障第4篇

连续故障第5篇