聊城2号机(600MW)高压转子叶片脱落的故障诊断

论述了聊城2号机组3000r/min稳定期间出现的机组异常振动,并根据振动特征正确诊断高压缸质量不平衡—高压第五级一叶片突然脱落的故障。     

基于状态约束的滑动时间窗软测量模型北大核心CSCD

工业过程的模型通常具有非线性强、系统时变明显、工况变化大等特点。传统的滑动时间窗选择方法容易包含大量关联度低的数据,影响了数据模型的建模精度和建模效率。本文提出了一种带状态约束的滑动时间窗口选择算法,应用于工业连续过程软测量模型的训练数据选取。将该时间窗口选择算法与最小二乘支持向量回归算法结合,利用电站锅炉的历史运行数据,建立了燃煤电站锅炉尾部烟气含氧量的软测量模型。研究结果表明,相比于传统的滑动时间窗选择算法,利用该算法进行训练样本选取后,提高了所建立的最小二乘支持向量机模型的模型精度和运行效率。利用该方法建立的烟气含氧量软测量模型具有较高的精度,可以在氧化锆传感器发生故障时代替其工作,保证了氧量信号的稳定性和可靠性。     

基于最小二乘支持向量机的电站锅炉吸热面积灰监测研究

基于最小二乘支持向量机和粒子群算法,实现了对电站锅炉低温过热器灰污状态的在线监测。首先,定义清洁系数表征锅炉受热面的灰污状况,利用电站数据采集系统采集到机组实际运行数据,采用最小二乘支持向量机建立锅炉低温过热器系统的清洁吸热量模型;其次,选取机组正常运行工况下的数据,采用该模型预测出受热面的清洁吸热量;再次,根据热力学平衡计算出受热面的实际吸热量和清洁系数,从而实现了对锅炉受热面积灰状况的在线监测。以某电站300MW机组锅炉实际生产数据进行仿真验证,结果表明:所提方法能够对锅炉主要对流受热面的灰污状况进行有效的监测,模型预测精度较高、鲁棒性较强。     

基于 Gamma 加速积灰模型的燃煤锅炉吹灰优化

针对燃煤锅炉受热面吹灰操作不合理的问题,以吹灰最小费用为目标,提出一种基于 Gamma 加速积灰模型的吹灰优化 方法。 首先分析在锅炉受热面的积灰状态呈连续单调递增的情况下,以一个服从指数分布的连续非负的随机变量来表示锅炉 受热面积灰的速度,建立加速积灰模型;其次,将积灰过程近似成 Gamma 过程,以最小平均费用为目标,建立了锅炉受热面的吹 灰优化模型。 以某 300 MW 燃煤机组省煤器的受热面积灰状态为算例分析,利用粒子群优化算法优化吹灰平均费用率,得到锅 炉受热面最佳的吹灰次数和吹灰阈值,使得锅炉受热面吹灰的平均费用率最小,说明了所提出的吹灰最小费用率优化模型的可 行性。     

燃煤电站锅炉主蒸汽压力滑模预测控制(英文)

Since the combustion system of coal-fired boiler in thermal power plant is characterized as time varying, strongly coupled, and nonlinear, it is hard to achieve a satisfactory performance by the conventional proportional integral derivative (PID) control scheme. For the characteristics of the main steam pressure in coal-fired power plant boiler, the sliding mode control system with Smith predictive structure is proposed to look for performance and robustness improvement. First, internal model control (IMC) and Smith predictor (SP) is used to deal with the time delay, and sliding mode controller (SMCr) is designed to overcome the model mismatch. Simulation results show the effectiveness of the proposed controller compared with conventional ones.     

融合小波分解和 LSTM 的目标轨迹预测

随着目前空战武器装备的迅猛发展,对于高空高速大机动目标的轨迹预测越来越占据重要的战略地位。为了解决目前存在的目标轨迹预测不足的问题,本文提出了融合小波分解(wavelet decomposition, WD)和长短期记忆(long short term memory, LSTM)网络的模型来对机动目标的轨迹进行预测。首先,通过小波分解将输入的轨迹时间序列分解为1个低频分量(CD1)和3个高频分量(CA1,CA2,CA3)。然后,利用长短期记忆网络对时间序列处理的优势进行分量预测。最后,将分量预测结果进行重构并与原始轨迹进行对比验证,结果表明所提模型对于轨迹预测具有较高的精确度。为了排除实验结果的偶然性,本文用两组数据进行验证。通过对比实验显示,所提模型与其他两种模型相比预测误差更小。     

燃煤锅炉省煤器灰污监测技术

为了实现火电燃煤锅炉各受热面污染程度的在线监测以及吹灰的优化运行,本文以省煤器为研究对象,基于热量平衡的原理,以清洁因子为受热面污染程度的衡量指标,建立了省煤器受热面的灰污模型。该模型考虑了变工况的影响,并在模型中增加了辐射换热子模块。最后利用离线数据对模型进行计算,验证了该模型的合理性。     

基于改进粒子滤波算法预测健康状态的锅炉吹灰优化

为了对锅炉受热面沉积的灰污进行及时、准确地清扫,制定合理的吹灰优化策略。采用清洁因子来评估受热面的健康状况,并根据实时监测数据结合改进粒子滤波;采用滚筒式预测单次积灰过程内清洁因子未来的变化趋势,并验证了该预测方法的准确度。同时,提出一种基于单位时间传热量损耗最低的吹灰优化模型,吹灰优化计算中采用相同工况下多组清洁因子数据进行拟合。以某300 MW燃煤锅炉为例,验证了所提优化模型的可行性。     

基于增量分布的燃煤电厂锅炉受热面吹灰优化研究

针对目前锅炉受热面吹灰方式不合理的情况,权衡吹灰带来的锅炉效率的提高和蒸汽损耗,在确保锅炉安全运行的前提下,建立了吹灰优化模型。以某300 MW燃煤电厂机组锅炉省煤器为研究对象,采用集散控制系统(DCS)的数据和基本热力学计算数据实时计算受热面污染率。通过分析相同工况下多组污染率得到同一测点不同时刻的增量分布,根据其分布曲线求取数学期望,根据已知的初始清洁状态,预测未来时刻的受热面清洁状态,以单位时间内换热量最大为目标,对吹灰周期进行了优化。结果表明:与传统吹灰方式相比,采用优化后的吹灰周期指导吹灰,既提高了传热效率,又可减少不必要的蒸汽浪费。     

考虑最小成本的风机轴承维护周期优化

针对风机主轴承可靠度要求高、维护费用高昂这一现状提出了一种基于单位时间维护成本最低的维护优化模型。首先通过对风机主轴承振动信号进行分析,提取能够较好地反映轴承退化过程的特征值,建立威布尔比例风险模型;其次对主轴承退化期内的失效率曲线进行分析,确定主轴承的失效更换阈值;然后通过改进传统的役龄回退因子对维护后的失效率进行修正,通过对模型运算结果进行分析,避免了定期维护出现欠维护的现象;最后确定单位时间内维护成本最优的维护周期。对维护优化模型进行仿真分析,计算结果表明,通过模型优化可以使单位时间维护费用降低14.4%。