一种磨煤机故障监测系统的制作方法

1.本发明属于工业监测技术领域，更具体的说是涉及一种磨煤机故障监测系统。


背景技术：

2.在现在大型火电机组中，磨煤机属于故障频率最高的重要设备，磨煤机的故障状况直接影响机组运行的稳定性、安全性。目前大都是依靠电厂运维人员通过磨煤机运行的关键参数判断磨煤机是否存在故障以及具体故障类型，由于磨煤机数量庞大、运行参数非常多，采用这种判断磨煤机故障的方式效率极低，且故障类型较多，无法全面、准确地判断磨煤机的故障类型，因此很难确定磨煤机故障的具体因素。
3.因此，提供一种磨煤机故障监测系统是本领域技术人员急需解决的技术问题。


技术实现要素：

4.有鉴于此，本发明提供了一种磨煤机故障监测系统，通过建立运行数据与故障之间的状态监测模型，有效实现了磨煤机运行状态的实时监测和预警，及时进行故障报警和处理，提高生产的安全性，且预警精度高。
5.为了实现上述目的，本发明采用如下技术方案：
6.一种磨煤机故障监测系统，包括：历史数据选取模块、数据处理模块、模型构建模块、实际数据获取模块和故障预测模块；其中，
7.所述历史数据选取模块，用于选取磨煤机在正常运行状态下的运行参数作为原始历史运行数据；
8.所述数据处理模块，对原始历史运行数据进行预处理，获得训练样本数据集；
9.所述模型构建模块，将训练样本数据集输入transformer预测模型进行样本优化，获得状态监测模型；
10.所述实际数据获取模块，用于采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息；
11.所述故障预测模块，基于磨煤机的实时状态信息判断磨煤机是否出现故障。
12.进一步的，正常运行状态下的运行参数包括：磨煤机进出口差压、给煤机给煤量、热风门开度、冷风门开度、磨入口一次风量、磨煤机电流、磨煤机出口风粉温度、磨煤机出口风粉压力、磨煤机出口风速、齿轮箱输入轴承温度、前轴温度、电机绕组温度、后轴轴承温度、旋转分离器电机电流以及磨煤机磨碗差压。
13.进一步的，对原始历史运行数据进行预处理的方法为：对数据原始历史运行数据wn进行标准差处理，公式如下：
14.[0015][0016]
其中，n表示磨煤机存在的故障类型数量，vn表示正常运行状态下的运行参数的组数，m表示第m组运行参数，n表示第n中故障类型，表示某一样本数据，r表示vn个样本数据中第r个运行参数，r表示vn个样本数据中运行参数的数量，为vn个样本数据中第r个运行参数的平均数，为vn个样本数据中第r个运行参数的标准差。
[0017]
进一步的，通过皮尔逊系数对标准差处理后得到的原始历史运行数据进行数据降维，并选取与目标参数相关性大的参数。
[0018]
进一步的，通过皮尔逊系数计算公式如下：
[0019][0020]
其中，qr为第r个运行参数的自适应动态阈值，为自适应动态阈值的平均值。
[0021]
进一步的，qr的获取方法如下：将正常运行状态下的运行参数进行聚类中心处理，对采集到的原始历史运行数据wn进行适当缩放，消除量纲的影响，并根据样本数据的残差均值ξ与残差方差χ计算自适应动态阈值：
[0022]
qr＝ξ
±
zχ#(8)
[0023]
其中，z表示超参数正整数。
[0024]
进一步的，获得状态监测模型的方法如下：
[0025]
构建包含transformer网络、激活函数和初始化权重的transformer预测模型；对transformer预测模型进行编译，确定优化算法、学习目标以及评价指标；将训练样本数据集来训练transformer预测模型，并设置训练批次为512、训练轮次为200进行超参数调节。
[0026]
进一步的，采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息，基于磨煤机的实时状态信息判断磨煤机是否出现故障方法如下：采集磨煤机的实时运行数据，选取实时运行数据中与预警参数相关性最高的多组参数的实际运行数据组成预警数据集，将预警数据集输入到状态监测模型中，得到实际运行状态下的实际预警参数预测值，并利用通过滑动窗口法计算得到实际运行状态下的预警参数残差平均值，并判断预警参数残差平均值是否超过自适应动态阈值范围；当判定预警参数残差平均值超过自适应动态阈值范围时，则判断磨煤机出现故障。
[0027]
进一步的，还包括故障分类模块，基于实时状态信息残差序列进行小波包故障特征提取，对提取出的故障特征采用最小二乘支持向量机分类器进行故障分类。
[0028]
本发明的有益效果在于：
[0029]
本发明通过历史数据选取模块选取磨煤机在正常运行状态下的运行参数作为原始历史运行数据；数据处理模块对原始历史运行数据进行预处理，获得训练样本数据集；模型构建模块将训练样本数据集输入transformer预测模型进行样本优化，获得状态监测模型；实际数据获取模块采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息；故障预测模块基于磨煤机的实时状态信息判断磨煤机是否出
现故障。通过建立运行数据与故障之间的状态监测模型，有效实现了磨煤机运行状态的实时监测和预警，及时进行故障报警和处理，提高生产的安全性，且预警精度高；并且获得了自适应动态阈值范围，对比预警参数残差平均值与自适应动态阈值范围区间，即可判断磨煤机是否出现故障，预警速度快，能够及时快速的给到预警提醒，并且采用自适应动态阈值能够避免经历不同变工况阶段辅机的运行状态会不同程度偏离正常状态造成的阈值区间失真。
附图说明
[0030]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0031]
图1为本发明的结构框图。
具体实施方式
[0032]
下面将结合本发明的实施例中，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0033]
参考图1，本发明提供了一种磨煤机故障监测系统，包括：历史数据选取模块、数据处理模块、模型构建模块、实际数据获取模块和故障预测模块；其中，
[0034]
所述历史数据选取模块，用于选取磨煤机在正常运行状态下的运行参数作为原始历史运行数据；
[0035]
所述数据处理模块，对原始历史运行数据进行预处理，获得训练样本数据集；
[0036]
所述模型构建模块，将训练样本数据集输入transformer预测模型进行样本优化，获得状态监测模型；
[0037]
所述实际数据获取模块，用于采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息；
[0038]
所述故障预测模块，基于磨煤机的实时状态信息判断磨煤机是否出现故障。
[0039]
正常运行状态下的运行参数包括：磨煤机进出口差压、给煤机给煤量、热风门开度、冷风门开度、磨入口一次风量、磨煤机电流、磨煤机出口风粉温度、磨煤机出口风粉压力、磨煤机出口风速、齿轮箱输入轴承温度、前轴温度、电机绕组温度、后轴轴承温度、旋转分离器电机电流以及磨煤机磨碗差压。
[0040]
本实施例中，对原始历史运行数据进行预处理的方法为：对数据原始历史运行数据wn进行标准差处理，公式如下：
[0041]
[0042][0043]
其中，n表示磨煤机存在的故障类型数量，vn表示正常运行状态下的运行参数的组数，m表示第m组运行参数，n表示第n中故障类型，表示某一样本数据，r表示vn个样本数据中第r个运行参数，r表示vn个样本数据中运行参数的数量，为vn个样本数据中第r个运行参数的平均数，为vn个样本数据中第r个运行参数的标准差。
[0044]
由于仪表本身以及环境因素的影响，都不可避免的会影响到数据精度，进而增加建模的难度、降低模型的精确度。为了保证模型能够较为准确的反映实际情况，本发明针对测量数据进行标准差处理。
[0045]
通过皮尔逊系数对标准差处理后得到的原始历史运行数据进行数据降维，并选取与目标参数相关性大的参数。通过皮尔逊系数计算公式如下：
[0046][0047]
其中，qr为第r个运行参数的自适应动态阈值，为自适应动态阈值的平均值。本发明针对磨煤机，通过皮尔逊相关系数，选取与目标参数相关性高的参数，并可以使用ls-svm算法回归目标参数，比对回归目标参数与当前目标参数，并，对比实时目标参数与自适应动态阈值上下限区间，避免了经历不同变工况阶段辅机的运行状态会不同程度偏离正常状态造成的阈值区间失真的问
[0048]
题。对将磨煤机的原始历史运行数据进行降维处理，并提取特征进行相关性分析从而得到以节点与边构成的图结构，然后再将该图结构输入transformer预测模型进行训练、测试。从而能够有效的解决因为磨煤机的运行参数是时间序列，并且各参数之间相关性不同，而难以构建邻接矩阵，进而导致用于磨煤机故障诊断的神经网络模型检测准确性较低的问题。同时本发明能够有效减小transformer预测模型在聚类特征时造成的误差，从而进一步提高模型的检测准确性。
[0049]
qr的获取方法如下：将正常运行状态下的运行参数进行聚类中心处理，对采集到的原始历史运行数据wn进行适当缩放，消除量纲的影响，并根据样本数据的残差均值ξ与残差方差χ计算自适应动态阈值：
[0050]
qr＝ξ
±
zχ#(8)
[0051]
其中，z表示超参数正整数。
[0052]
本发明通过数据的一系列处理，有效提高状态监测模型的预警精度，通过状态监测模型对磨煤机的实时运行数据进行处理计算，并与自适应动态阈值进行比较，即可实现对磨煤机运行状态的实时监测和故障预警，及时发现异常，提前进行预警，提高数据精度，确保结果准确，确保生产安全。将复杂的数据处理过程通过离线处理完成只需要对实时运行数据进行运算处理，并与自适应动态阈值进行比较即可，在确保预测精度的同时，降低了设备成本，能够在现有设备上直接实施，使用方便；能够同时并行处理大量运行参数，时延低、精度高。
[0053]
本发明获得状态监测模型的方法如下：构建包含transformer网络、激活函数和初始化权重的transformer预测模型；对transformer预测模型进行编译，确定优化算法、学习目标以及评价指标；将训练样本数据集来训练transformer预测模型，并设置训练批次为512、训练轮次为200进行超参数调节。状态监测模型经过自编码过程，形成一个中间隐变量状态，再经过解码过程生成重构值，通过状态监测模型的重构值与实时运行数据确定磨煤机的实时状态信息。
[0054]
基于状态监测模型并结合皮尔逊相关系数实现了磨煤机故障的准确识别，并能够实现早期识别，提高了故障诊断的精确度。皮尔逊相关系数能够表示更加复杂且有效的数据信息，能判断多个数组的相似度。皮尔逊相关系数能表示更加复杂而有效的数据信息，能判断多个数组相似度。在数据不规范的时候，会倾向于给出更好的结果。对于本发明的目标变量，有了建模所得的数据变化趋势，相比于仅仅选取单个参数点作为故障样本，状态监测模型预测结果的精确度会有大幅提高。由于状态监测模型预测的结果不可能与现场数据完全一致，在数据有一定差别但整体趋势相似的时候，能够给出较高的概率输出结果，作为故障发生的支持判据。
[0055]
本实施例中，采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息，基于磨煤机的实时状态信息判断磨煤机是否出现故障方法如下：采集磨煤机的实时运行数据，选取实时运行数据中与预警参数相关性最高的多组参数的实际运行数据组成预警数据集，将预警数据集输入到状态监测模型中，得到实际运行状态下的实际预警参数预测值，并利用通过滑动窗口法计算得到实际运行状态下的预警参数残差平均值，并判断预警参数残差平均值是否超过自适应动态阈值范围；当判定预警参数残差平均值超过自适应动态阈值范围时，则判断磨煤机出现故障。
[0056]
本发明还包括故障分类模块，基于实时状态信息残差序列进行小波包故障特征提取，对提取出的故障特征采用最小二乘支持向量机分类器进行故障分类。本发明利用小波包变换具有不可比拟的优点，具有多维多分辨率分析的特点，将任何数据信号细分解到相应的特征里，用每个特征里数据信号含有的信息来反映设备的状态，且每个数据信号因工作状态的不同而不同。本发明利用利用基于正交滤波器算法的小波包分解故障信号的相关特征，直接利用各特征的变化来作为数据信号的特征量。通过皮尔逊相关系数保留目标参数相关性大的参数，降低数据运算量，然后训练得到状态监测模型并将进行目标变量的预测，基于根据样本数据的残差均值ξ与残差方差χ计算自适应动态阈值，并在预警参数残差平均值超过自适应动态阈值时，立即发出预警，实现磨煤机的早期故障预警；本发明在故障预警中，具有训练速度快、占用内存低、准确率高的特点；与传统故障预警方法相比，状态监测模型还支持并行学习，能够在处理大规模数据的同时保证故障预测精度；本技术同时还可采用ssa-pso优化算法对状态监测模型的主要超参数自动寻优，避免人为调参的麻烦，提高状态监测模型处理大量数据时的效率。
[0057]
故障类型包括磨煤机断煤故障、磨煤机爆燃故障、堵煤故障、粉管漏粉故障、磨本体振动幅度超限异常故障、轴承温度超高异常故障等等。
[0058]
本发明还包括显示模块，通过显示模块具体显示磨煤机的故障类型和异常参数，以便作业人员快速确定引发运行异常的原因，从而快速给出应对措施。本发明通过历史数据选取模块选取磨煤机在正常运行状态下的运行参数作为原始历史运行数据；数据处理模
块对原始历史运行数据进行预处理，获得训练样本数据集；模型构建模块将训练样本数据集输入transformer预测模型进行样本优化，获得状态监测模型；实际数据获取模块采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息；故障预测模块基于磨煤机的实时状态信息判断磨煤机是否出现故障。通过建立运行数据与故障之间的状态监测模型，有效实现了磨煤机运行状态的实时监测和预警，及时进行故障报警和处理，提高生产的安全性，且预警精度高；并且获得了自适应动态阈值范围，对比预警参数残差平均值与自适应动态阈值范围区间，即可判断磨煤机是否出现故障，预警速度快，能够及时快速的给到预警提醒，并且采用自适应动态阈值能够避免经历不同变工况阶段辅机的运行状态会不同程度偏离正常状态造成的阈值区间失真。此外，本发明利用原始历史运行数据，可通过定期更新状态预测模型的训练集，配合当前设备运行工况实时更新自适应动态阈值范围，从而能够实现长期故障监测预警。
[0059]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种磨煤机故障监测系统，其特征在于，包括：历史数据选取模块、数据处理模块、模型构建模块、实际数据获取模块和故障预测模块；其中，所述历史数据选取模块，用于选取磨煤机在正常运行状态下的运行参数作为原始历史运行数据；所述数据处理模块，对原始历史运行数据进行预处理，获得训练样本数据集；所述模型构建模块，将训练样本数据集输入transformer预测模型进行样本优化，获得状态监测模型；所述实际数据获取模块，用于采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息；所述故障预测模块，基于磨煤机的实时状态信息判断磨煤机是否出现故障。2.根据权利要求1所述的一种磨煤机故障监测系统，其特征在于，正常运行状态下的运行参数包括：磨煤机进出口差压、给煤机给煤量、热风门开度、冷风门开度、磨入口一次风量、磨煤机电流、磨煤机出口风粉温度、磨煤机出口风粉压力、磨煤机出口风速、齿轮箱输入轴承温度、前轴温度、电机绕组温度、后轴轴承温度、旋转分离器电机电流以及磨煤机磨碗差压。3.根据权利要求1所述的一种磨煤机故障监测系统，其特征在于，对原始历史运行数据进行预处理的方法为：对数据原始历史运行数据w
n
进行标准差处理，公式如下：进行标准差处理，公式如下：其中，n表示磨煤机存在的故障类型数量，v
n
表示正常运行状态下的运行参数的组数，m表示第m组运行参数，n表示第n中故障类型，表示某一样本数据，r表示v
n
个样本数据中第r个运行参数，r表示v
n
个样本数据中运行参数的数量，为v
n
个样本数据中第r个运行参数的平均数，为v
n
个样本数据中第r个运行参数的标准差。4.根据权利要求3所述的一种磨煤机故障监测系统，其特征在于，通过皮尔逊系数对标准差处理后得到的原始历史运行数据进行数据降维，并选取与目标参数相关性大的参数。5.根据权利要求4所述的一种磨煤机故障监测系统，其特征在于，通过皮尔逊系数计算公式如下：其中，q
r
为第r个运行参数的自适应动态阈值，为自适应动态阈值的平均值。6.根据权利要求5所述的一种磨煤机故障监测系统，其特征在于，q
r
的获取方法如下：将正常运行状态下的运行参数进行聚类中心处理，对采集到的原始历史运行数据w
n
进行适当
缩放，消除量纲的影响，并根据样本数据的残差均值ξ与残差方差χ计算自适应动态阈值：q
r
＝ξ
±
zχ#(8)其中，z表示超参数正整数。7.根据权利要求6所述的一种磨煤机故障监测系统，其特征在于，获得状态监测模型的方法如下：构建包含transformer网络、激活函数和初始化权重的transformer预测模型；对transformer预测模型进行编译，确定优化算法、学习目标以及评价指标；将训练样本数据集来训练transformer预测模型，并设置训练批次为512、训练轮次为200进行超参数调节。8.根据权利要求7所述的一种磨煤机故障监测系统，其特征在于，采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息，基于磨煤机的实时状态信息判断磨煤机是否出现故障方法如下：采集磨煤机的实时运行数据，选取实时运行数据中与预警参数相关性最高的多组参数的实际运行数据组成预警数据集，将预警数据集输入到状态监测模型中，得到实际运行状态下的实际预警参数预测值，并利用通过滑动窗口法计算得到实际运行状态下的预警参数残差平均值，并判断预警参数残差平均值是否超过自适应动态阈值范围；当判定预警参数残差平均值超过自适应动态阈值范围时，则判断磨煤机出现故障。9.根据权利要求1或8所述的一种磨煤机故障监测系统，其特征在于，还包括故障分类模块，基于实时状态信息残差序列进行小波包故障特征提取，对提取出的故障特征采用最小二乘支持向量机分类器进行故障分类。

技术总结
本发明公开了一种磨煤机故障监测系统，包括：历史数据选取模块、数据处理模块、模型构建模块、实际数据获取模块和故障预测模块；历史数据选取模块，选取磨煤机在正常运行状态下的运行参数作为原始历史运行数据；数据处理模块，获得训练样本数据集；模型构建模块，将训练样本数据集输入Transformer预测模型进行样本优化，获得状态监测模型；实际数据获取模块，采集磨煤机的实时运行数据，并将实时运行数据输入状态监测模型，获得磨煤机的实时状态信息；故障预测模块，判断磨煤机是否出现故障。本发明通过建立运行数据与故障之间的状态监测模型，实现了磨煤机运行状态的实时监测和预警，及时进行故障报警和处理，提高生产的安全性。提高生产的安全性。提高生产的安全性。


技术研发人员：张中伟 王荣昌 王传刚 张建立 孙苗青 周练达 路行超 韩炎序 张超
受保护的技术使用者：华电莱州发电有限公司
技术研发日：2023.05.05
技术公布日：2023/9/20