[发明专利]浆液循环泵多模态运行故障诊断预警方法、系统及设备

说明书

本发明公开了一种浆液循环泵多模态运行故障诊断预警方法、系统及设备，所述方法包括：S1.获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集；S2.通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型；S3.根据所述特定方法将从DCS系统中获取的实时数据划分到对应的浆液循环泵运行模态；S4.将划分模态的实时数据使用对应模态下的诊断模型进行诊断测试，输出诊断结果。有益效果为提高了故障诊断预警系统的泛化能力，降低了故障诊断的误诊率，提高了故障诊断预警模型的监测精度。

技术领域

本发明涉及热工过程在线故障诊断与预警技术领域，尤其是涉及一种浆液循环泵多模态运行故障诊断预警方法、系统及设备。

背景技术

主成分分析(Principal components analysis)是一种统计分析、简化数据集的方法。它利用正交变换来对一系列可能相关的变量的观测值进行线性变换，从而投影为一系列线性不相关变量的值，这些不相关变量称为主成分(Principal Components)。具体地，主成分可以看做一个线性方程，其包含一系列线性系数来指示投影方向。PCA算法计算简单，能够快速将海量高维数据进行降维处理，并且容易在计算机上实现，并利用统计学进行故障诊断准确率较高等优点，被广泛应用于工业过程的故障诊断中。

在实际的工业生产过程中，脱硫系统浆液循环泵具有多模态特点，而现有的PCA方法仅在系统处于单一模态时才有较为良好的效果，对于多模态问题，PCA模型效果较差，比如：系统在运行过程中生成的大量数据中除了连续性的模拟量还有离散的开关量，如阀门开关和子设备启停状态等，这些开关量的改变往往会引起浆液循环泵模态变化。但是PCA故障诊断模型只能使用连续性的模拟量进行建模，对于离散的开关量，无法直接应用到PCA模型中；脱硫系统环境温度等外部条件的改变也会使浆液循环泵的模态发生变化，此类外部条件变化缓慢，与其他参数间的相关性不明显，常常被其他强相关性所掩盖，造成PCA模型精度下降；PCA方法能够快速处理高维海量数据，但仅对线性系统有着良好的效果，难以应用于非线性系统降维，参数间的非线性关系可近似看成多模态的线性关系，即通过局部线性化来拟合非线性曲线。此外，当浆液循环泵模态发生改变时，原有模型将失真，并出现大量误报信息。

针对上述多模态问题，目前已有专利提出了基于聚类的解决方法，但实际应用还存在以下几个问题：(1)无法将设备启动、停止动态过程的样本集与设备稳态运行的样本集进行有效划分；(2)利用聚类无法实现对某些模型根据连续性模拟量划分多段进行分别建模；(3)对于非线性系统的局部线性化处理，无法合理划分线性区间。

发明内容

本发明的目的在于提供一种浆液循环泵多模态运行故障诊断预警方法、系统及设备，旨在解决故障诊断模型只适用于单一运行模态的局限性问题以及现有多模态技术中无法正确划分样本集，误诊率高的问题。

本发明提供一种浆液循环泵多模态运行故障诊断预警方法，包括：

S1.获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集；

S2.通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型；

S3.根据所述特定方法将从DCS系统中获取的实时数据划分到对应的浆液循环泵运行模态；

S4.将划分模态的实时数据使用对应模态下的诊断模型进行诊断测试，输出诊断结果。

本发明提供一种浆液循环泵多模态运行故障诊断预警系统，包括：

数据处理模块：用于获取脱硫系统相关参数的历史运行数据作为样本，并根据特定方法将所述样本划分成多个样本集；

模型训练模块：用于通过分别训练所述样本集输出多个响应浆液循环泵运行模态下的诊断模型；