主元分析(principal component analysis,PCA)是一种有效的数据分析方法,在故障诊断与状态监测方面已得到广泛应用.多元指数加权移动平均–主元分析(multivariate exponentially weighted moving average principal component analysis,...主元分析(principal component analysis,PCA)是一种有效的数据分析方法,在故障诊断与状态监测方面已得到广泛应用.多元指数加权移动平均–主元分析(multivariate exponentially weighted moving average principal component analysis,MEWMA–PCA)方法用于解决PCA不能有效检出微小故障的问题.本文深入研究了MEWMA–PCA中EWMA影响主元分析进行故障检测的机制,导出了MEWMA–PCA可检出微小故障的原因.本文确定了MEWMA–PCA中遗忘因子λ、单传感器故障幅值和迟延时间三者的关系,并进行了数值仿真和火电厂磨煤机组运行状态的仿真实验.实验结果验证了MEWMA–PCA中EWMA提高PCA的监测性能的机制,并给出了根据系统实际要求来选取合适的遗忘因子值,从而在规定的时间内检出微小故障的实例.展开更多
在过程监控中,使用现代工业系统中的变量进行准确有效的监控诊断仍然是一个具有挑战性的任务.本文以多元指数加权移动平均(MEWMA)策略结合一种有监督分类器(“one plus epsilon”,简称OPE分类器),提出OPE-MEWMA控制图.在考虑不同模型、...在过程监控中,使用现代工业系统中的变量进行准确有效的监控诊断仍然是一个具有挑战性的任务.本文以多元指数加权移动平均(MEWMA)策略结合一种有监督分类器(“one plus epsilon”,简称OPE分类器),提出OPE-MEWMA控制图.在考虑不同模型、偏移模式和偏移大小的情况下,探究了控制图对均值偏移的检测能力,通过比较平均运行长度等多个指标衡量控制图的性能表现.仿真结果表明,所开发的OPE-MEWMA控制图能够快速检测到均值偏移,灵敏度较高.展开更多
为提高风电机组运行效率,降低风电场运营成本,对风电机组运行状态监测显得尤为重要,提出一种基于数据采集与监控(supervisory control and data acquisition,简称SCADA)系统和萤火虫改进麻雀搜索算法优化深度置信网络(firefly improved ...为提高风电机组运行效率,降低风电场运营成本,对风电机组运行状态监测显得尤为重要,提出一种基于数据采集与监控(supervisory control and data acquisition,简称SCADA)系统和萤火虫改进麻雀搜索算法优化深度置信网络(firefly improved sparrow search algorithm optimized deep belief network,简称FISSA-DBN)的风电机组状态监测新方法。首先,对SCADA数据进行预处理分析,并利用专家系统和皮尔逊相关系数分析,相关分析选取输入参数和输出参数;其次,利用预处理数据集建立基于FISSA-DBN的风电机组运行状态监测新模型,根据模型预测值和实际输出值之间的重构值误差,以及指数加权移动平均阈值(exponentially weighted moving average,简称EWMA)判断是否有异常;最后,以华东某风电场实际数据为例进行实例验证。结果表明,所提出方法的预警时间比实际记录时间最早可提前4 d多。同时,将所提出方法与其他方法进行对比,结果表明该方法预警时间提前,模型预测误差更小。展开更多
文摘主元分析(principal component analysis,PCA)是一种有效的数据分析方法,在故障诊断与状态监测方面已得到广泛应用.多元指数加权移动平均–主元分析(multivariate exponentially weighted moving average principal component analysis,MEWMA–PCA)方法用于解决PCA不能有效检出微小故障的问题.本文深入研究了MEWMA–PCA中EWMA影响主元分析进行故障检测的机制,导出了MEWMA–PCA可检出微小故障的原因.本文确定了MEWMA–PCA中遗忘因子λ、单传感器故障幅值和迟延时间三者的关系,并进行了数值仿真和火电厂磨煤机组运行状态的仿真实验.实验结果验证了MEWMA–PCA中EWMA提高PCA的监测性能的机制,并给出了根据系统实际要求来选取合适的遗忘因子值,从而在规定的时间内检出微小故障的实例.
文摘在过程监控中,使用现代工业系统中的变量进行准确有效的监控诊断仍然是一个具有挑战性的任务.本文以多元指数加权移动平均(MEWMA)策略结合一种有监督分类器(“one plus epsilon”,简称OPE分类器),提出OPE-MEWMA控制图.在考虑不同模型、偏移模式和偏移大小的情况下,探究了控制图对均值偏移的检测能力,通过比较平均运行长度等多个指标衡量控制图的性能表现.仿真结果表明,所开发的OPE-MEWMA控制图能够快速检测到均值偏移,灵敏度较高.
文摘为提高风电机组运行效率,降低风电场运营成本,对风电机组运行状态监测显得尤为重要,提出一种基于数据采集与监控(supervisory control and data acquisition,简称SCADA)系统和萤火虫改进麻雀搜索算法优化深度置信网络(firefly improved sparrow search algorithm optimized deep belief network,简称FISSA-DBN)的风电机组状态监测新方法。首先,对SCADA数据进行预处理分析,并利用专家系统和皮尔逊相关系数分析,相关分析选取输入参数和输出参数;其次,利用预处理数据集建立基于FISSA-DBN的风电机组运行状态监测新模型,根据模型预测值和实际输出值之间的重构值误差,以及指数加权移动平均阈值(exponentially weighted moving average,简称EWMA)判断是否有异常;最后,以华东某风电场实际数据为例进行实例验证。结果表明,所提出方法的预警时间比实际记录时间最早可提前4 d多。同时,将所提出方法与其他方法进行对比,结果表明该方法预警时间提前,模型预测误差更小。
