[发明专利]一种机组设备温度异常检测方法

权利要求书

1.一种机组设备温度异常检测方法，其特征在于包括以下步骤：

(1)基于对机组设备历史数据的分析，建立基于WCA和Shepard插值的机组设备温度异常状态辨识模型，其中，机组设备的历史数据包括机组在不同环境因素和运行工况下的温度状态监测数据；

所述步骤(1)中，基于对机组设备历史数据的分析，建立基于WCA和Shepard插值的机组设备温度异常状态辨识模型的方法，包括以下步骤：

(1.1)对机组设备在不同环境因素和运行工况下的温度状态监测数据进行分析，确定机组设备的标准健康状态，并选取能够反映机组标准健康状态的特征参数；

(1.2)将机组设备处于标准健康状态下，其在各种环境因素和运行工况下的特征参数输入Shepard模型，建立Shepard模型P＝f(V,U)，其中，P为设备温度，V为机舱环境温度，U为发电机转速；

包括以下步骤：

(1.2.1)从特征参数中随机挑选m个样本(P_t,V_t,U_t)中的(V_t,U_t)作为试验样本点，将设备的运行温度P_t作为试验样本点对应的响应值，建立由m个样本(P_t,V_t,U_t)构成的m×(2+1)维矩阵；其中，P_t是设备的运行温度，V_t是机舱环境温度、U_t是发电机转速，t＝1,2,…,m，m为样本个数；

(1.2.2)将选取的特征参数中剩余的数据作为新样本点(v,u)，并基于步骤(1.2.1)中建立的m×(2+1)维矩阵，采用Shepard插值方法计算各新样本点(v,u)对应的响应值p(v,u)；

(1.2.3)基于新样本点(v,u)与m个试验样本点(V_t,U_t)之间的关系，计算使得欧氏距离E最小的响应值p(v,u)的估计值其中响应值p(v,u)与估计值的映射关系，即为建立好的Shepard模型：

式中，为新样本点的估计值，ω_t为权重，表示新样本点(v,u)和试验样本点(V_t,U_t)对响应值的估计值的贡献大小，参数α为Shepard模型的参数，γ_t＝[(v-V_t)²+(u-U_t)²]^0.5，表示新样本点(v,u)与试验样本点(V_t,U_t)之间的距离；

(1.3)采用WCA算法对建立的Shepard模型进行优化，得到Shepard模型的参数α的最优结果，并将优化后的Shepard模型作为机组设备温度异常状态辨识模型；

所述步骤(1.3)中，采用WCA算法对建立的Shepard模型进行优化，得到Shepard模型的参数α的最优结果，并将优化后的Shepard模型作为机组设备温度异常状态辨识模型，包括以下步骤：

(1.3.1)确定代价函数，用于计算每个种群的代价函数值；

(1.3.2)设定水循环算法控制参数，包括降雨层个数N_pop，河流和海洋总数N_sr，极小值d_max和水循环算法最大迭代次数T，并根据经验确定待辨识参数α的辨识范围；

(1.3.3)随机生成初始种群，形成初始溪流、河流和海洋；

(1.3.4)将溪流种群划分为多个溪流层作为模型参数分别输入到Shepard模型，并根据步骤(1.3.1)计算每个溪流层的代价函数值J_i；

(1.3.5)比较每个溪流层代价函数值的大小，选择代价函数值最小的溪流层作为海洋，按照代价函数值从小到大的顺序，选择N_河个溪流层作为河流，并确定流向指定河流和海洋的溪流个数，其中，N_河为河流个数；

(1.3.6)分别对溪流流向河流的位置、溪流流向海洋的位置以及河流流向海洋的位置进行更新，并根据更新后每个溪流、河流、海洋的代价函数值进行位置对换；

所述步骤(1.3.6)中，分别对溪流流向河流的位置、溪流流向海洋的位置以及河流流向海洋的位置进行更新，并根据更新后每个溪流、河流、海洋的代价函数值进行位置对换的方法，包括以下步骤：

(1.3.6.1)分别对溪流流向河流的位置和溪流流向海洋的位置进行更新；

式中：rand为0到1之间均匀分布的随机数；分别表示第i次迭代过程中，溪流、河流和海洋的当前位置；C为位置更新的系数；

(1.3.6.2)将溪流新的位置输入到Shepard模型，计算出此时溪流对应的代价函数值，若溪流的代价函数小于河流的代价函数，则河流和溪流的位置对换；若溪流的代价函数小于海洋的代价函数，则海洋和溪流的位置对换；

(1.3.6.3)对河流流向海洋的位置进行更新；

式中：rand为0到1之间均匀分布的随机数；分别表示第i次迭代过程中，河流和海洋的当前位置；C为位置更新的系数；

(1.3.6.4)将河流新的位置输入到Shepard模型，计算出此时河流对应的代价函数值，若河流的代价函数值小于海洋的代价函数值，则海洋和河流的位置对换；

(1.3.7)判断是否满足蒸发条件：如果满足则进入步骤(1.3.8)，否则进入步骤(1.3.9)；

(1.3.8)根据河流和溪流是否足够接近海洋，采用不同的方式进行降雨过程，形成新的降水；

(1.3.9)对当前次迭代的极小值进行更新；

(1.3.10)判断是否达到最大迭代次数，如果是，则结束迭代，输出Shepard模型的参数α的最优结果，否则，返回步骤(1.3.6)，直到迭代结束；

(2)获取当前工况下机组设备的环境参数、运行工况参数以及对应的温度实测值r(t)，并将当前工况下机组设备的环境参数、运行工况参数输入机组设备温度异常状态辨识模型，得到模型输出的健康标准值；

(3)将当前工况下机组设备的温度实测值r(t)与健康标准值p(t)进行比较，根据比较结果确定当前工况下机组设备的温度运行状态。