一種高精度的磨煤機(jī)振動(dòng)檢測(cè)工藝方法
【專利摘要】本發(fā)明公開了一種高精度的磨煤機(jī)振動(dòng)檢測(cè)工藝方法，包括：(a)按照時(shí)序依次采集n組反映磨煤機(jī)運(yùn)行情況的歷史運(yùn)行數(shù)據(jù)，并通過實(shí)際測(cè)試獲得這n組歷史運(yùn)行數(shù)據(jù)各自所對(duì)應(yīng)的實(shí)際振動(dòng)強(qiáng)度數(shù)據(jù)；(b)基于上述數(shù)據(jù)采用相空間算法和極限學(xué)習(xí)機(jī)算法來構(gòu)建磨煤機(jī)振動(dòng)檢測(cè)模型，來構(gòu)建磨煤機(jī)振動(dòng)檢測(cè)模型，然后對(duì)檢測(cè)模型執(zhí)行最優(yōu)化求解；(c)對(duì)磨煤機(jī)的當(dāng)前工作數(shù)據(jù)進(jìn)行在線測(cè)量，然后按照最優(yōu)檢測(cè)模型來獲得相應(yīng)的輸出結(jié)果，該輸出結(jié)果即為所需的磨煤機(jī)當(dāng)前振動(dòng)狀態(tài)結(jié)果。通過本發(fā)明，能夠以便于操控、高效率和高精度地方式實(shí)現(xiàn)對(duì)磨煤機(jī)振動(dòng)強(qiáng)度的實(shí)時(shí)檢測(cè)，并尤其適用于大型火電廠之類的應(yīng)用場(chǎng)合。
【專利說明】一種高精度的磨煤機(jī)振動(dòng)檢測(cè)工藝方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于火電發(fā)電工藝相關(guān)領(lǐng)域，更具體地，涉及一種高精度的磨煤機(jī)振動(dòng)檢 測(cè)工藝方法。

【背景技術(shù)】
[0002] 磨煤機(jī)是將煤塊破碎并磨成煤粉的機(jī)械，它作為煤粉爐的重要輔助設(shè)備，在燃煤 火電廠中獲得了廣泛應(yīng)用。在實(shí)際運(yùn)行中，磨煤機(jī)普遍容易發(fā)生振動(dòng)，這必然會(huì)造成磨出力 降低、磨損、密封壽命縮短、接頭斷裂以及焊縫拉裂等問題，相應(yīng)對(duì)電廠生產(chǎn)保障起到不利 影響。根據(jù)磨煤機(jī)的振動(dòng)強(qiáng)度可有效對(duì)其運(yùn)行狀態(tài)進(jìn)行判斷。因此，目前電廠的磨煤機(jī)需 要配備振動(dòng)測(cè)量裝置，以便實(shí)時(shí)監(jiān)測(cè)磨煤機(jī)的振動(dòng)狀況。
[0003] 現(xiàn)有技術(shù)中的磨煤機(jī)振動(dòng)檢測(cè)方式多數(shù)為人工點(diǎn)檢，費(fèi)時(shí)費(fèi)力且無法實(shí)現(xiàn)實(shí)時(shí)監(jiān) 控，為此，已經(jīng)提出有基于時(shí)間序列的ARIMA方法、基于回歸的支持向量機(jī)，以及人工神經(jīng) 網(wǎng)絡(luò)和灰色理論等方法來用于對(duì)磨煤機(jī)的振動(dòng)予以建模。然而，進(jìn)一步的研宄表明，上述現(xiàn) 有方法在測(cè)量精度、模型訓(xùn)練以及在線預(yù)測(cè)等方面存在較多的不足或缺陷，例如，ARIM模 型為線性的自回歸平滑預(yù)測(cè)，對(duì)于磨煤機(jī)振動(dòng)量等非線性值的模擬效果欠佳；采用人工神 經(jīng)網(wǎng)絡(luò)或支持向量機(jī)進(jìn)行預(yù)測(cè)可以執(zhí)行振動(dòng)量回歸，但由于模型的參數(shù)需要迭代尋優(yōu)，模 型的訓(xùn)練會(huì)耗費(fèi)大量的時(shí)間，難以應(yīng)用于在線預(yù)測(cè)，等等。因此，相關(guān)領(lǐng)域亟需尋找更為完 善的解決方案，以便實(shí)現(xiàn)對(duì)電廠磨煤機(jī)振動(dòng)狀態(tài)的高精度測(cè)量和在線預(yù)測(cè)。


【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種高精度的磨煤機(jī)振動(dòng)檢 測(cè)工藝方法，其中通過選擇磨煤機(jī)關(guān)鍵運(yùn)行參數(shù)及其歷史振動(dòng)強(qiáng)度數(shù)據(jù)，并以此為基礎(chǔ)來 構(gòu)建特定的振動(dòng)測(cè)量模型和算法來執(zhí)行在線測(cè)量，相應(yīng)能夠高效率、高精度地執(zhí)行磨煤機(jī) 實(shí)時(shí)的振動(dòng)強(qiáng)度測(cè)量，因而尤其適用于火電廠磨煤機(jī)振動(dòng)強(qiáng)度高精度測(cè)量等應(yīng)用場(chǎng)合。
[0005] 為實(shí)現(xiàn)上述目的，按照本發(fā)明，提供了一種高精度的磨煤機(jī)振動(dòng)檢測(cè)工藝方法，其 特征在于，該方法包括下列步驟：
[0006] (a)按照時(shí)序依次采集n組反映磨煤機(jī)運(yùn)行情況的歷史運(yùn)行數(shù)據(jù)，并通過實(shí)際測(cè) 試獲得這n組歷史運(yùn)行數(shù)據(jù)各自所對(duì)應(yīng)的實(shí)際振動(dòng)強(qiáng)度數(shù)據(jù)；其中所述各組歷史運(yùn)行數(shù)據(jù) 均包括取樣時(shí)刻編號(hào)，出口分離器的風(fēng)粉混合物溫度、一氧化碳含量、變頻器轉(zhuǎn)速及潤(rùn)滑油 溫度，磨煤機(jī)的工作電流及進(jìn)口一次風(fēng)量，冷卻水閥的開度、磨輥軸承的潤(rùn)滑油溫度及電機(jī) 驅(qū)動(dòng)側(cè)的軸承溫度，液壓站的油箱溫度、加載油泵出口壓力，最大通風(fēng)阻力、一次風(fēng)調(diào)節(jié)擋 板的開度，以及磨煤機(jī)所采用的煤種熱值、水分和內(nèi)水等17個(gè)方面的工作數(shù)據(jù)；
[0007] (b)對(duì)步驟（a)所獲得的所有數(shù)據(jù)執(zhí)行歸一化處理，基于這些數(shù)據(jù)采用相空間算 法和極限學(xué)習(xí)機(jī)算法來構(gòu)建磨煤機(jī)振動(dòng)檢測(cè)模型，并對(duì)檢測(cè)模型執(zhí)行最優(yōu)化求解，其具體 過程如下：
[0008] (bl)首先對(duì)相空間算法和極限學(xué)習(xí)機(jī)算法分別預(yù)設(shè)對(duì)應(yīng)的參數(shù)，即嵌入維數(shù)m、 延遲算子T、懲罰因子C、核參數(shù)Y，然后對(duì)這些參數(shù)均以隨機(jī)方式執(zhí)行初始化；
[0009](b2)根據(jù)初始化后的嵌入維數(shù)m和延遲算子T，將磨煤機(jī)的實(shí)際振動(dòng)強(qiáng)度數(shù)據(jù)寫 成如下所示的相空間矩陣X的形式：
[0010]

【權(quán)利要求】
1. 一種高精度的磨煤機(jī)振動(dòng)檢測(cè)工藝方法，其特征在于，該方法包括下列步驟： (a) 按照時(shí)序依次采集η組反映磨煤機(jī)運(yùn)行情況的歷史運(yùn)行數(shù)據(jù)，并通過實(shí)際測(cè)試獲 得這η組歷史運(yùn)行數(shù)據(jù)各自所對(duì)應(yīng)的實(shí)際振動(dòng)強(qiáng)度數(shù)據(jù)；其中所述各組歷史運(yùn)行數(shù)據(jù)均 包括取樣時(shí)刻編號(hào)，出口分離器的風(fēng)粉混合物溫度、一氧化碳含量、變頻器轉(zhuǎn)速及潤(rùn)滑油溫 度，磨煤機(jī)的工作電流及進(jìn)口一次風(fēng)量，冷卻水閥的開度、磨輥軸承的潤(rùn)滑油溫度及電機(jī)驅(qū) 動(dòng)側(cè)的軸承溫度，液壓站的油箱溫度、加載油泵出口壓力，最大通風(fēng)阻力、一次風(fēng)調(diào)節(jié)擋板 的開度，以及磨煤機(jī)所采用的煤種熱值、水分和內(nèi)水等17個(gè)方面的工作數(shù)據(jù)； (b) 對(duì)步驟（a)所獲得的所有數(shù)據(jù)執(zhí)行歸一化處理，基于這些數(shù)據(jù)采用相空間算法和 極限學(xué)習(xí)機(jī)算法來構(gòu)建磨煤機(jī)振動(dòng)檢測(cè)模型型，并對(duì)檢測(cè)模型執(zhí)行最優(yōu)化求解，其具體過 程如下： (bl)首先對(duì)相空間算法和極限學(xué)習(xí)機(jī)算法分別預(yù)設(shè)對(duì)應(yīng)的參數(shù)，即嵌入維數(shù)m、延遲 算子τ、懲罰因子C、核參數(shù)γ，然后對(duì)這些參數(shù)均以隨機(jī)方式執(zhí)行初始化； (b2)根據(jù)初始化后的嵌入維數(shù)m和延遲算子τ，將磨煤機(jī)的實(shí)際振動(dòng)強(qiáng)度數(shù)據(jù)寫成如 下所示的相空間矩陣X的形式：
其中，Xl，X2，…，Xn分別表示步驟（a)中所采集的的η組實(shí)際振動(dòng)強(qiáng)度數(shù)據(jù)，它們共同 構(gòu)成了相空間的相點(diǎn)，并且該相空間矩陣的總行數(shù)為n-(m-l) τ，總列數(shù)為m; (b3)將所述歷史運(yùn)行數(shù)據(jù)寫成如下所示的矩陣Y的形式：
其中，i = 1，2,. . .，17, j = 1，2,. . .，n ;yi，j則表示上述17個(gè)參數(shù)中的第i個(gè)參數(shù)在 編號(hào)為j的的取樣時(shí)刻所對(duì)應(yīng)的數(shù)據(jù)； (b4)根據(jù)所述相空間矩陣X中的最后一列實(shí)際振動(dòng)強(qiáng)度數(shù)據(jù)所對(duì)應(yīng)的取樣時(shí)刻，從所 述矩陣Y中取出該取樣時(shí)刻下的一系列歷史運(yùn)行數(shù)據(jù)作為輔助參量置于所述相空間軌跡X 中的最后一列之前，由此得到如下所示的矩陣Z :
其中，所述矩陣Z總行數(shù)為n-(m-l) τ，總列數(shù)為m+17 ; (b5)將步驟（b4)所得到的所述矩陣Z中的每一行數(shù)據(jù)以及前m+16列的數(shù)據(jù)共同作為 極限學(xué)習(xí)機(jī)的輸入數(shù)據(jù)，同時(shí)將所述矩陣Z中的最后一列作為輸出的對(duì)比數(shù)據(jù)； (b6)根據(jù)初始化后的懲罰因子C和核參數(shù)γ，結(jié)合步驟（b5)中的輸入數(shù)據(jù)和輸出對(duì) 比數(shù)據(jù)，計(jì)算得出極限學(xué)習(xí)機(jī)的建模誤差； (b7)判斷步驟（b6)計(jì)算得出的建模誤差是否落在預(yù)設(shè)的閾值之內(nèi)：若是，則將步驟 (b6)中所采用的嵌入維數(shù)m、延遲算子τ、懲罰因子C和核參數(shù)γ作為最終的檢測(cè)模型參 數(shù)優(yōu)化結(jié)果，并將以此所建立的當(dāng)前檢測(cè)模型作為磨煤機(jī)振動(dòng)檢測(cè)的最優(yōu)化結(jié)果，否則，則 轉(zhuǎn)入步驟（b8); (b8)利用遺傳算法對(duì)上述嵌入維數(shù)m、延遲算子τ、懲罰因子C和核參數(shù)γ執(zhí)行交叉 和變異，然后按照步驟（b2)?（b7)的方式執(zhí)行循環(huán)，直至所得出的建模誤差落入到預(yù)設(shè)的 閾值之內(nèi)為止，同時(shí)輸出最優(yōu)化的檢測(cè)模型及其對(duì)應(yīng)的模型參數(shù)最優(yōu)化結(jié)果； (c)對(duì)磨煤機(jī)涉及上述17個(gè)方面的當(dāng)前工作數(shù)據(jù)進(jìn)行在線測(cè)量，然后按照步驟（b)所 獲得的最優(yōu)檢測(cè)模型來獲得相應(yīng)的輸出結(jié)果，該輸出結(jié)果即為所需的磨煤機(jī)當(dāng)前振動(dòng)狀態(tài) 檢測(cè)結(jié)果。
2. 如權(quán)利要求1所述的磨煤機(jī)振動(dòng)檢測(cè)工藝方法，其特征在于，在步驟（b6)中，優(yōu)選采 用5重交叉驗(yàn)證的方法來計(jì)算得出所述極限學(xué)習(xí)機(jī)的建模誤差。
3. 如權(quán)利要求1或2所述的磨煤機(jī)振動(dòng)檢測(cè)工藝方法，其特征在于，在通過步驟（b)獲 得最優(yōu)模型之后，優(yōu)選還可以定期對(duì)其模型參數(shù)進(jìn)行更新，在此過程中，將最新的樣本數(shù)據(jù) 加入到樣本集中，同時(shí)保留原有樣本集中的經(jīng)典樣本數(shù)據(jù)。
4. 如權(quán)利要求1-3任意一項(xiàng)所述的磨煤機(jī)振動(dòng)檢測(cè)工藝方法，其特征在于地，所述磨 煤機(jī)優(yōu)選為大型火電廠的磨煤機(jī)。
【文檔編號(hào)】G01H17/00GK104515591SQ201410851654
【公開日】2015年4月15日 申請(qǐng)日期:2014年12月31日 優(yōu)先權(quán)日:2014年12月31日
【發(fā)明者】譚鵬, 張 成, 夏季, 張小培, 李鑫, 陳金楷, 方慶艷, 陳剛 申請(qǐng)人:華中科技大學(xué)