《基于模糊聚类分析和D-S证据理论的磨煤机故障诊断.pdf》由会员分享，可在线阅读，更多相关《基于模糊聚类分析和D-S证据理论的磨煤机故障诊断.pdf（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第2 7 卷第7 期2 0 1 1 年7 月电力科学与工程E l e c t r i cP o w e rS c i e n c ea n dE n g i n e e r i n g、k 1 2 7 N o 74 1J u ，2 0 11基于模糊聚类分析和D-S 证据理论的磨煤机故障诊断鲁雪艳，赵征(华北电力大学控制与计算机工程学院，河北保定0 7 1 0 0 3)摘要：在故障诊断中，某些情况下模糊聚类分析理论只能在一定置信水平A 下诊断出目标故障。为了实现故障预测，提出了基于D-S 证据理论的模糊聚类分析方法。将待测样本和典型样本构成待诊断矩阵，应用聚类分析方法求出其等价矩阵，由其结果构造
2、D s 证据理论的基本概率赋值函数，即待测样本对每个目标模式的支持度。对支持度排序得到诊断结果和故障发展趋势。此方法减少了构造基本概率赋值函数的主观性，将其应用于磨煤机故障诊断，实验结果证明该方法可以有效判别故障类型，并预测故障发展趋势。关键词：故障诊断；磨煤机；模糊聚类分析；证据理论；组合规则中图分类号iT K 2 2 3文献标识码：A0 引言由于电厂磨煤机运行环境的复杂性，磨煤机故障的存在具有模糊性：同一故障表现形式呈多种多样，表现为不同特性；故障间的分类具有模糊性，即不同故障具有相似或相近的特性。对于这种模糊现象，模糊聚类分析方法显示出其优越性。现阶段，模糊聚类分析理论被越来越多的应用到
3、故障诊断中，并取得了很好的效果。但是，传统的聚类分析方法是用A 截等价矩阵，通过不断变化A 的值最终把待测样本和某个目标模式划分为一类，即说明该故障发生。显然，这种分析方法只能在一定置信水平A 下分析故障发生与否，无法得到待测样本对各个目标模式的支持度，也就无法预测故障发展趋势。因此，本文提出了基于D S 证据理论的模糊聚类分析方法，用聚类分7 析理论计算等价矩阵，再构造基本概率赋值函数。基本概率赋值函数的值即为待测样本对每个目标模式的支持度。既考虑到磨煤机故障的模糊性又可得到待测样本对各个目标故障模式的支持度，进而进行故障诊断和故障预测。1 证据理论1 1 识别框架证据理论的论域称为识别框利
4、，记为u，包含有限个基本命题“。，u：，H。，U 是由一系列全部相互排斥的判别假设组成。如果存在集函数r r t：2 v-o 1】，满足：m(西)=0(1)u j=1，H i U(2)称m 为框架u 上的基本概率赋值函数，m(M；)表示证据分配到地上的基本概率赋值函数值，代表证据对支持度的大小。1 2 组合规则根据D s 组合规则【2 ，设m，1 2 分别对应同一识别框架u 上的2 个基本概率赋值函数，焦元分别为 l l l，u 2 l，I J,d ，u 1 2，屹，设：m，()J 7 1 2(坳)1，则由式(3)定义的函数：M f l 印2 p山。)：超导掣(3)o n l 恤2 一一当u
5、I=咖时，m(I,I)=O，其中，i,j=I，2，I；c-m。(“n)m：()，为组合后的基本“i l n 啦2 巾概率赋值函数。C 是表示完全冲突的假设和u 岔所有概率赋值函数乘积之和，所谓完全冲突是指，u。和在U 中不可能同时发生。由前面的假设可以知道，U 中的元素是互相排斥的，其结果不受证据组合次序先后的影响。收稿日期：2 0 1 1 一0 4 一1 3。作者简介：鲁雪艳(1 9 8 6 一)，女，硕士研究生，研究方向为火力发电厂设备故障诊断，E m a i l：y a n x u e 1 u 1 6 3 t o m。万方数据4 2电力科学与工程2 0 1 1 年2基于D S 证据理论的
6、模糊聚类分析方法2 1 聚类分析理论定义1设模糊矩R=(o)。，对任意的A 0，1 ，称R =(r：“)。，为模糊矩阵足的j L 一截矩阵，其中，当r i i A时，r=l，在故障诊断中就说明i 和，归为一类，A 代表归类的置信水平；当r；，2)为标准故障模式。对于故障模式A i(iEn)对应的特征向量的典型值为 茗订，菇丑，茁i。，多个典型样本构成标准故障模式的样本空间J。将待检测的样本与标准故障模式的样本空间X=(髫4)(川)。组成特征向量矩阵。分以下几个步骤进行计算。(1)对x 进行数据标准化处理。采用极值标准化公式把数据压缩到 0，1 。公式如下：z d m!n x y=_ 一=(Y#
7、)(川)。(4)maxxm i n x*一“吖il(2)计算出y 各行向量之间的相似关系r i i 构成相似矩阵足。计算相似关系的方法有很多种，如数量积法、算术平均最小法、几何平均最小法、文献 4 中列出了7 种方法以供参考。不同的方法在实际，藏用中效果不同。建议在实际使用时，每种方法都进行实际计算，比较得出效果最好的方法。在本文中最大最小法效果最好，因此，给出最大最小值法的计算公式H ：m i n(y 请，)k=1(5)。m a x(y 琅，)，砖)一“7J 6 k=1(3)对相似矩阵足，求R 的传递闭包t(R)，计算结果即为所求的模糊等价矩阵。传递曲包的计算方法也很多，最基本的方法是平方法
8、。(4)找出t(足)第一行，去掉第一个元素1组成新的向量t=(t l l t 1 2 t。)，其中t l i(i=1，2，n)即是在聚类时将待测样本与目标模式A i 归为一类的支持度，意即在“信任水平下待测样本与A i 归为一类。(5)对信任水平进行加权处理，目的是突出较大的信任水平在计算中的影响，同时减小较小的信任水平的影响。令t 一=m a x(t 1 1 t 1 2，t 1。)，计算公式如下：蚝=(i=l，2，1)(6)“加权后的信任水平为d i=毗t l i(i=1，2，n)(7)(6)构造基本概率赋值函数则基本概率赋值函数为以o2 轰)2 3目标模式判定规则对于目标模式的判定，采用基
9、于规则的方法，基本规则为：(1)判定的目标模式应该具有最大的基本概率赋值函数值。(2)判定的目标模式和其它目标模式基本概率赋值的差应大于一阈值，在此阈值选0 2 0 75。其中，阈值的选择与待判定的目标模式和证据个数有关。阈值选择过大易造成漏判，过小易造成误判怕j。3 诊断方案单个检测样本模式下，算法实现步骤如图1所示。图中待检测样本与典型样本矩阵构成新的矩阵，其中待检测样本作为新矩阵的第一行。运用聚类分析方法对新构造的矩阵进行一系列运算：数据标准化、求相似矩阵、求等价矩阵。用计算所得等价矩阵构造D-S 证据理论的基本概率赋值函数。各个基本概率赋值函数的值即为待检测样本对每个目标模式的支持度，
10、对支持度进行排序，根据目标模式判定规则诊断故障。对于待检模式存在多个检测样本时，算法步骤如图2 所示。其中，图1 所示步骤看作单个检测样本诊断模块。单个检测样本的诊断结果为由万方数据第7 期鲁雪艳，等基于模糊聚类分析和D s 证据理论的磨煤机故障诊断4 3构。罴构造成聚基新类太向矩分概量典型样本矩阵H阵析蜜朋，|赋值图1 单个样本的诊断F i g 1D i a g n o s i so fs i n g l es a m p l e基本概率赋值函数值构成的向量m i，可以直接利用D s 组合规则对其进行融合，得到更高的诊断精度。融厶口D S诊组断结1 2 1规果则雕向量图2 多个样本的融合诊断
11、F i g 2F u s i o nd i a g n o s i so fm u l t i p l es a m p l e s在实例分析中，分单个检测样本和多个检测样本两种模式对磨煤机故障诊断进行实例说明。4 实例分析4 1 单个检测样本模式下的磨煤机故障诊断某电厂5 0 0M W 机组采用正压直吹式制粉系统，配备6 台德国B a b c o c k 公司生产的M P s 2 4 5型中速磨。根据多年运行经验，制粉系统状态共4 类：A。，A：，A。，A。，分别是：A。为磨内煤粉自燃、A：为磨满煤、A，为磨断煤和A 为正常模式。根据故障征兆选取5 个特征矢量 工。，工：，工，。，毛，工。为
12、磨一次风量与燃料量比值、X 2为磨入口风与出口风粉混合物温差、x，为炉膛负压变化、工。为磨电机电流与燃料量比值、屯为锅炉负荷与燃料量比值。根据机组自1 9 9 6-2 0 0 3 年的运行数据及故障分析报告，结合专家经验得到的典型样本见表l。表1目标模式的典型样本T a b 1T y p i c a ls a m p l eo ft a r g e tm o d e l对表2 列出的3 个样本运用上述诊断方法实施故障诊断。其中，检测样本l 取自1 9 9 8 年2 号磨发生煤粉自燃时的数据，检测样本2 是2 0 0 1 年5 号磨原煤仓内原煤冻结引起磨断煤事故5m i n 前的数据，样本3 是
13、2 0 0 1 年5 号磨原煤仓内原煤冻结引起磨断煤事故2m i n 前的数据。诊断结果示于表3。表2 磨煤机故障样本T a b 2F a u l ts a m p l eo fm i l l表3 单个故障样本的诊断结果T a b 3D i a g n o s i sr e s u l t so fs i n g l ef a u l ts a m p l e对表3 中诊断结果分析，检测样本1 磨内煤粉自燃的支持度最高并且与其它目标模式支持度的差值大于0 2 0 75，诊断结果与实际的故障类型一致，说明此诊断方法的准确度高。检测样本2 的诊断结果，正常模式的支持度最大，但是其值与其它支持度的差
14、值不满足大于0 2 0 75 这一条件，不满足目标模式判定规则。而且，磨断煤的支持度非常大，由此预测磨断煤故障的发生。说明此诊断方法在故障征兆尚不明显的情况下，能够及时发现故障端倪。检测样本3 诊断结果可以看出，随着磨断煤故障的恶化，诊断结果更加明显。4 2多个检测样本应用组合规则进行融合诊断以1 个待检模式为例进行融合诊断。取1 9 9 8年2 号磨发生煤粉自燃时的两个检测样本A 和口。万方数据“电力科学与工程2 0 1 1 年。I Im i l lA=1 5 5，1 5，1 1，1 2 2，2 4 8 ，B=I 6 5，1 5，1 1，I 2 5，2 2 3 。对A，口两个检测样本根据图2
15、 所示步骤进行融合诊断，其结果如表4 所示。表4 多个检测样本模式下的融合诊断结果T a b 4D i a g n o s i sr e s u l t so fm u l t i p l ef a u l ts a m p l e s匿自燮壁煎堡壁堑竖垂堂样本A0 6 8 630 0 5 420 0 9 450 1 6 50样本B0 6 4 610 0 6 470 1 1 260 1 7 66塾金缝墨Q：竺!Q：堂兰Q：Q 兰12Q：Q!竺!分析表4 中诊断结果，A，曰两组数据取值比较接近，分别应用单个检测样本诊断模块后诊断精度也比较相近。对结果用D s 组合规则融合，经融合后诊断精度大大提
16、高。5结论本文提出了基于D S 证据理论的模糊聚类分析方法，通过计算待测样本对每个目标模式的支持度，解决了模糊聚类分析在故障诊断中只能定性诊断故障这一问题。并根据支持度预测故障的发展趋势。这种方法能够有效地处理磨煤机故障的模糊性，定量描述故障诊断的精度，实现故障的早期预测。将该方法应用在磨煤机故障诊断中，通过磨煤机实际历史故障数据验证，能够准确地进行故障诊断和预测。参考文献：1 朱大奇，于盛林基于D s 证据理论的数据融合算法及其在电路故障诊断中的应用 J 电子学报，2 0 0 2，3 0(2)：2 2 1 2 2 3 Z h uD a q i，Y uS h e n g l i n D a t
17、 af u s i o na l g o r i t h mb u s e do nD _ Se v i d e n t i a lt h e o r ya n di t sa p p l i c a t i o nf o rc i r c u i tf m d td i a g n o s i s J A c t aE|e c t r o n i c aS i n i c a，2 0 0 2，3 0(2)：2 2 1 2 2 3 2 关欣，何友，衣晓基于D S 推理的灰色关联雷达辐射源识别方法研究 J 武汉大学学报(信息科学版)，2 0 0 5，3 0(3)：2 7 4 2 7 7 G u
18、a nX i n，H e Y o u，Y iX i a o R a d a re m i t t e rr n g n i t i o no fg r a yc o r r e l a t i o nb a s e d0 nD-Sr e a s o n i n g J】C e o r t m t-i c sa n dI n f o r m a t i o nS c i e n c eo fW u h a nU n i v e r s i t y，2 0 0 5，3 0(3)：2 7 4 2 7 7 3 曾德良，崔泽朋，田亮，等基于灰色关联和D S组合规则的磨煤机故障诊断 J 动力工程，2 0
19、钟，2 7(2)：2 0 7 2 1 0 Z e n gD e l i a n g，C u iZ e p e n g，T i a nL i a n g，武a 1 F a u l tI r u d y s i so fc o a lm i l l sb yu s i n gg r a yc o r r e l a t i o na n dD-Sc o m b i n a t i o nr u l e s J】P o w e rE n g i n e e r i n g，2 0 0 7，2 7(2)：2 0 7 2 1 0 4 杨伦标，高英仪模糊数学原理及应用 M 广州：华南理工大学出版社，2 0
20、 0 3、5 田亮，常太华，曾德良，等基于典型样本数据融合方法的锅炉制粉系统故障诊断 J 热能动力工程，2 0 0 5，2 0(2)：1 6 3 1 6 6 T i a nL i a n g，C h a n gT a i h u a，Z e n gD e l i a n g，e ta 1 F a u l td i a g n o s i so fab o i l e rm i l l i n gs y s t e mo nt h eb a s i so fat y p i-c a l s w a t c hd a t af u s i o nm e t h o d J J o u r n a
21、lo fE n g i n e e r-i n gf o rT h e r m a lE n e r g ya n dP o w e r，2 0 0 5，2 0(2)：1 6 3 一】6 6 F a u l tD i a g n o s i so fM H iB a s e do nF u z z yC l u s t e r i n gA n a l y s i sa n dD-SE v i d e n c eT h e o r yL uX u e y a n，Z h a oZ h e n g。(S c h o o lo fC o n t r o la n dC o m p u t e rE
22、 n g i n e e r i n g，N o a hC h i n aE l e c t r i cP o w e rU n i v e r s i t y，B a o d i n g0 7 1 0 0 3，C h i n a)A b s t r a c t：I nf a u l td i a g n o s i s f u z z yc l u s t e r i n ga n a l y s i sc 肌o n l yg e tt h et a r g e tm o d e lu n d e rc e r t a i nc o n f i d e n c el e v e lX i n
23、S O m ec a s e s I no r d e rt Op r e d i c tf a u l t s，f u z z yc l u s t e r i n ga n a l y s i sm e a l 嵋b a s e do nD-Se i d e n c et h e o r yi sp r o-p o n d T e s ts a m p l ea n dt y p i c a ls a m p l ec o n s t i t u t eam a t r i x。e q u i v a l e n tm a t r i xo fw h i c hi ss e tw i t
24、hf u z z yc l u s t e r i n g 曩-n a l y s i s B a s i cp r o b a b i l i t ya s s i g n m e n tf u n c t i o ni sc o n s t r u c t e db ye q u i v a l e n tm a t r i x，t h ev a l u eo fB P Af u n c t i o nr e w e-s e n t st h es u p p o r td e g r e eo ft e s ts a m p l et oe a c hm o d e l S o r tt
25、 h es u p p o r td e g r e e st og e tt h et a r g e tm o d e la n df a u l tt r e n d T h i sm 啪sr e d u c e dt h es u b j e c t i v i t yo ft h eB P Af u n c t i o nc o n s t r u c t i o n T h em e a n si sa p p l i e dt ot h em i l lf a u l td i a g n o s i s，e x p e r i m e n t a lr e s u l t ss
26、 h o wt h a tt h i sm e a n sc a ni d e n t i t yt h ef a u l te f f e c t i v e l ya n df o r e c a s tf a u l tt r e n d s K e yw o r d s：f a u l td i a g n o s i s；m i l l；f u z z yc l u s t e r i n ga n a l y s i s；e i d e n c et h e o r y；c o m b i n a t i o nr u l e s万方数据基于模糊聚类分析和D-S证据理论的磨煤机故障诊断基于模糊聚类分析和D-S证据理论的磨煤机故障诊断作者：鲁雪艳，赵征，Lu Xueyan，Zhao Zheng作者单位：华北电力大学控制与计算机工程学院,河北,保定,071003刊名：电力科学与工程英文刊名：ELECTRIC POWER SCIENCE AND ENGINEERING年，卷(期)：2011,27(7)本文链接：http:/