控制系统传感器故障的检测与诊断研究

总结了控制系统传感器故障检测与诊断方法的发展现状,列举了各种诊断方法的典型应用,对各种诊断方法的优缺点进行了比较,并指出了本领域中有待进一步研究的若干问题,最后探讨了诊断方法在实用化过程小可能遇到的问题及其解决办法。     

基于主元分析的火电厂生产过程故障检测研究

由于工况变化频繁,使用单一主元模型难以准确描述火电厂生产过程的统计特性,因此应用传统主元分析(PCA)故障检测方法会带来大量的误检。提出了一种适用于火电厂生产过程的改进PCA故障检测方法:首先用K均值聚类分析方法对过程数据进行分类得到各稳态工况下的数据;然后根据分类数据建立主元模型组来描述整个过程;最后在故障检测中对检测样本进行模糊划分,动态计算出与当前工况相适应的主元模型并进行检测。使用现场数据对比研究了传统方法和改进方法在锅炉过程故障检测中的应用情况。结果表明改进方法能适应工况变化,减少误检并提高检测灵敏度。     

利用S函数实现仿真的动态效果

MATLAB集数值分析、矩阵运算、信号处理和图形显示与一体，构成了一个方便的、界面友好的用户环境。本文针对MATLAB强大的图形显示功能的特点并结合S函数的设计理论，阐述了在MATLAB开发环境下，如何实现仿真的动态效果，并给出了一个三容水箱控制系统仿真的实例加以论证。     

整周期采样信号的局部频谱细化

旋转机械振信号的检测广泛采用整周期采样技术，它可以避免现步分量及倍频分量的泄漏效应与栅栏效应，但对次同步分量会造成一定误差。本文提出了通过实际频率估计来减少误差的方法。该方法在ＦＦＴ谱基础上进行，运行速度快。     

动态多主元模型故障检测方法在变工况过程中的应用

传统的PCA故障检测方法是针对具有单一稳态工况的过程设计的，在一些工况变化频繁的工业过程中应用会带来大量的误检。提出了一种适用于变工况过程的动态多主元模型故障检测方法。首先对过程数据进行分类得到各稳态工况下的数据；然后根据分类数据建立主元模型组来描述整个过程的统计特性；最后在故障检测中根据检测样本对分类数据的隶属度和主元模型组计算出与当前工况相适应的主元模型并进行检测。以火电厂锅炉过程为例对比研究了传统方法和新方法的应用情况。试验结果表明：新方法能适应工况变化，减少误检并提高了检测灵敏度。图6表1参10     

DCS基本控制单元可靠性建模与定量计算

将DCS基本控制单元凝练为由供电电源、控制器（CPU）、CPU底座、一定数量的I/O模件、模件底座、风扇等组成的仪表系统,建立了其可靠性状态图及马尔可夫可靠性数学模型,并进行了可靠性定量计算。利用该模型可进一步分析控制单元故障率及修复率对系统可靠度的影响,为提高DCS系统可靠性、维修性提供指导。     

多变量闭环系统的可辨识性研究

针对工业生产过程中无法避免的多变量闭环辨识问题分析了对角ARX多变量闭环系统的可辨识性条件。本文通过对多变量模型的分解。将多变量系统的闭环辨识问题转化成为多个单变量系统的闭环辨识问题。这样分析时即使某些回路不满足可辨识性条件,我们依然可以对其它的回路进行辨识,从而将问题简化。     

电站锅炉主元分析建模中的数据选取

主元分析方法作为一种经典的建模方法已被成功应用到电站锅炉的过程监测中,然而建模时样本数据如何选取的问题并没有得到很好的解决。通过推导主元模型的故障可检测性指标和建模数据样本的方差之间的解析关系,发现主元模型的故障可检测性随建模数据样本标准差的变大而提高。采用2段600 MW电站锅炉相同工况下的历史数据分别建立对应的主元模型,通过比较2段数据的方差和模型的故障可检测性,验证了上述结论的正确性。因此建立电站锅炉模型时,应采用稳定工况下波动性较强的过程数据样本建模,以提高模型的精度。