[发明专利]一种基于快速遗传算法和灰箱模型的磨煤机故障诊断方法有效
申请号: | 201610209933.0 | 申请日: | 2016-04-06 |
公开(公告)号: | CN105930302B | 公开(公告)日: | 2018-05-18 |
发明(设计)人: | 梁修凡;沈炯;李益国;刘西陲;吴啸;潘蕾 | 申请(专利权)人: | 东南大学 |
主分类号: | G06F17/11 | 分类号: | G06F17/11;G06N3/12 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 柏尚春 |
地址: | 210096*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于快速遗传算法和灰箱模型的磨煤机故障诊断方法,将快速遗传算法和灰箱模型相结合,得到一种新型磨煤机故障诊断方法,包括离线模型辨识和在线故障判断这两个过程。本发明不需要获取磨煤机的故障数据就能进行故障类型的判断。由于考虑了磨煤机内部物理过程的机理特性,比常规的故障诊断方法具有更高的精度。采用快速遗传算法对模型进行辨识,有效地减少了辨识过程的时间开销。 | ||
搜索关键词: | 一种 基于 快速 遗传 算法 模型 磨煤机 故障诊断 方法 | ||
【主权项】:
1.一种基于快速遗传算法和灰箱模型的磨煤机故障诊断方法,其特征在于:包括离线模型辨识和在线故障判断;基于遗传算法的离线模型辨识包括以下的步骤:S1:基于磨煤机内部煤的质量平衡,建立磨煤机内部原煤质量和煤粉质量的微分方程: m · c = q m , c - K 10 m c - - ( 1 ) ]]> m · p f = K 10 m c - q m , p f - - - ( 2 ) ]]> 式(1)、(2)中,mc 为磨煤机内部的原煤质量,qm,c 为磨煤机入口煤质量流量,mpf 为磨煤机内部煤粉质量,qm,pf 为磨煤机出口煤粉质量流量;磨煤机出口煤粉质量流量qm,pf 按照式(3)来计算:qm,pf =K11 Δpa mpf (3)式(3)中,Δpa 为一次风机产生的压差,按照式(4)来计算; Δp a = 100 × 22.4 28.8 × 273 + t i n 273 × ( q m , a i r 10 ) 2 - - - ( 4 ) ]]> 式(4)中,tin 为磨煤机入口一次风温度,qm,air 为磨煤机入口一次风的质量流量;S2:计算磨煤机内部水分蒸发量 W f r e e w a t e r = K 13 ( q m , c θ C M ) t o u t ( 1 - e - q m , a i r K 15 ) - - - ( 5 ) ]]> 式(5)中,tout 为磨煤机出口一次风温度,θCM 为原煤水分含量,且 S3:计算磨煤机内部能量平衡方程: t · o u t = ( K 1 t i n + K 2 ) q m , a i r + K 3 q m , c - ( K 4 t o u t + K 5 ) ( q m , a i r + q m , c ) + K 9 I - K 14 W f r e e w a t e r + K 12 t o u t - - - ( 6 ) ]]> 式(6)中,tout 为磨煤机出口一次风温度,I为磨煤机电流,I按照式(7)进行计算:I=K6 mpf +K7 mc +K8 (7)S4:计算磨煤机出口压力方程: P = ( K 16 + K 17 m c ) q m , a i r 2 + K 18 m p f q m , a i r - - - ( 8 ) ]]> 以上K1 ~K18 均为待辨识参数;S5:从电厂的DCS系统中采集如下测点的数据:磨煤机入口煤质量流量qm,c 、磨煤机入口一次风的质量流量qm,air 、磨煤机出口一次风温度tout 、磨煤机电流I和磨煤机出口压力P;S6:设置遗传算法的初始参数,包括代沟、交叉率、种群维数、变异率、最大遗传代数和种群个体数目;然后设置遗传算法搜索矩阵的上限和下限;种群中每个个体的参数是一个一维矩阵,该一维矩阵共有22个自由度,前4个自由度是磨煤机内部的原煤质量mc 、磨煤机内部煤粉质量mpf 、原煤水分含量θCM 和磨煤机出口一次风温度tout ,后18个自由度是待辨识参数K1 ~K18 ,种群中个体参数的初始值在遗传算法搜索矩阵的上限和下限范围内随机取值;S7:初始化遗传算法的初代种群,计算初代种群的每个个体的适应度函数值:将从DCS采集的磨煤机入口煤质量流量qm,c 、磨煤机入口一次风的质量流量qm,air 以及种群中个体参数的初始值输入到式(1)—式(8)中,得到磨煤机电流I和磨煤机出口压力P,然后按照式(9)计算适应度函数: F i t = 1 N Σ 1 N ( W 1 | t o u t t ^ o u t max - t ^ o u t t ^ o u t max | + W 2 | I I ^ max - I ^ I ^ max | + W 3 | P P ^ max - P ^ P ^ max | ) - - - ( 9 ) ]]> 式(9)中,W1 、W2 和W3 为人为设定的权值,N为从DCS采集的数据样本数, 为tout 的实测值, 为I的实测值, 为P的实测值, 为 的最大值, 为 的最大值, 为 的最大值;S8:将选择、重组、变异算子作用于群体,得到子代种群;S9:计算子代种群中所有个体的适应度函数值;S10:对子代种群执行重插入操作,判断遗传代数是否达到设定的最大值:如果未达到,则转至步骤S8;如果达到,则离线辨识过程结束;在线故障判断包括以下步骤:S11:将离线辨识过程中通过遗传算法得到的适应度函数最小的种群中个体参数带入式(1)—式(8)中;S12:设置采样时间,每隔采样时间从电厂DCS系统中采集一次磨煤机输入端数据和输出端数据;磨煤机输入端数据包括磨煤机入口煤质量流量qm,c 、磨煤机入口一次风温度tin 和磨煤机入口一次风的质量流量qm,air ,磨煤机输出端数据包括磨煤机出口一次风温度tout 、磨煤机出口煤粉质量流量qm,pf 、磨煤机电流I和磨煤机出口压力P;S13:把采集到的磨煤机输入端数据输入到式(1)—式(8)中进行求解;S14:把式(1)—式(8)的输出值和从DCS采集的磨煤机输出端数据进行比较,求出二者的残差ek ,然后把ek 和设定好的故障阈值进行比较,若ek 大于设定的阈值,则认为系统发生了故障。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201610209933.0/,转载请声明来源钻瓜专利网。