【基于KPCA和SPE指标的传感器故障诊断方案设计8400字】

[60]。相关计算方法如(4-9)-(4-12)所示。θn其中，l为所建模型的主元个数；λ为矩阵的特征值，n=1，2，3。此时，令：h0根据相关数学知识可以知道，在某种条件下：CLθ此时，置信界限计算公式为：CLα其中，cαT2指标的置信界限可通过公式（4-13）进行计算得到。Tα其中，Fα1.1.2.4传感器有效指数SVI由故障特征可知，在传感器发生故障后，测量数据x可表现为如下形式：x=x其中，xnormal表示正常值；f表示故障的大小；η假设SPE(xj'SVIj根据相关知识可知，如果重构的方向与出现故障的方向一致，重构后系统的SPE值将明显变小，而原测量向量的SPE值则会保持在一个较大的数值，即SPE(x)>>SPE(xj')，此时的SVIj值会接近于0；当重构方向未发生故障时，重构后的SPE值变化不大且本身较小，同时原测试向量的SPE值也较小，即SPE(x)如果SVIj接近于0，方向j如果SVIj接近于1，方向j1.2基于KPCA和SPE指标的传感器故障诊断实验及分析在污水处理的各个环节中使用较多且相对比较重要的两类传感器是液位传感器和流量传感器。本节将黑龙江某污水处理厂作为本次实验的对象，采集其日常运行数据，用来验证文中方案对这两类传感器的诊断效果。详细介绍故障诊断的全部过程，完成对上一节所述方法的验证。1.2.1数据采集及数据矩阵的建立本文采集了黑龙江某市污水处理厂9月份实际传感器数据，采样间隔为5分钟，共包括液位和流量两类传感器的相关数据。对这一个月的数据进行筛选选取了共计38个小时的真实数据，并按照一定的比例将其划分成两组，分别用于模型的训练及测试。对于两类数据分别建立数据矩阵如下：Flow=Level=其中，flowm(n)表示第m个流量传感器的第n次采样数据；levelm(n)表示第在本次试验中共采集五个流量传感器和五个液位传感器的数据，采样个数为450条。图1.7展示了本次实验所用的数据采集架构。图1.7污水处理厂数据采集架构1.2.2实验验证及结论流量传感器和液位传感器是污水处理厂中应用较多的两类传感器。因此，本文将对这两类传感器的主要故障进行诊断、同时实现故障的定位和数据的重构与恢复。由于本文所采集的数据均为传感器正常运行时的数据，所以在诊断过程中需要人为添加相应的故障，随后利用SPE值和T2值完成对故障的检测与分类，并根据传感器有效指数SVI来确定其所在位置，最后对故障传感器的测量数据进行重构同时检验重构后的效果。1.2.2.1流量传感器在污水处理系统中流量传感器用来测量各个管道中污水的体积流量。其作用在于实现远距离监测污水排放的流量。图1.8反映了流量传感器正常情况下的SPE和T2值变化趋势。由此可以知道，在流量传感器正常工作时，SPE值一直低于传感器所在系统的置信界限CL，此时的置信界限接近0.1；同样T2值也全部分布在置信界限之下。由此得出结论：如果计算所得SPE值和T2值一直低于置信界限，就可以确定该系统的全部传感器都不存在故障。图1.8传感器正常情况下的SPE和T2趋势图1.固定偏差故障在验证流量传感器的固定偏差故障之前，首先需要在第一个流量传感器所测数据的第50个采样点及以后添加一定的故障。通过前文方法计算此时的SPE和T2值。此时流量传感器所在系统的SPE值和T2值情况如图1.9所示：图1.91号流量传感器出现固定偏差故障的SPE和T2图从上图可以看出，在第50个样本点之后，系统的SPE值和T2值迅速增大并超过设定的阈值。可以确定，此时系统中存在故障传感器。这种情况下，故障后的SPE值和T2值并不是一直上涨，而是在一定的区间内波动。在检测到传感器出现固定偏差故障之后，下一步是要确定该传感器的位置，这里用到了SVI指数。在计算指数之前，首先分别对1-5号流量传感器的采样数据完成重构和恢复。重构完成之后计算各个传感器的SVI指数。图1.10分别显示了1-5号流量传感器的SVI指数。1号流量传感器SVI指数2号流量传感器SVI指数3号流量传感器SVI指数4号流量传感器SVI指数5号流量传感器SVI指数图1.101-5号流量传感器SVI指数从上述5个传感器的SVI指数图可以看出，2-4号流量传感器的指数均趋近于1，而1号流量传感器的SVI指数与上述四个传感器有所不同，在第50个点之后趋近于0。因此可以得出结论：1号流量传感器是系统中的故障传感器。之后使用反归一化方法实现对1号流量传感器重构所得数据的处理，实现故障数据的恢复。表1.1为部分故障数据恢复前后的变化及相对偏差。从表1.1可以看出，恢复后的数据几乎能够代替真实的数据，且相对偏差较小。图1.11给出了完成数据恢复前后的系统SPE值的变化，由此可以证明所述方法能够实现对故障数据的恢复。表1.1部分故障数据恢复前后的变化及相对偏差原始数据故障数据恢复后数据相对偏差266.864296.864267.5290.0024261.242291.242263.1460.0072261.685291.685262.9580.0048260.94290.94261.5210.0022265.66295.66263.2280.0091267.607297.607265.4860.0079261.261291.261263.0180.0067263.906293.906261.0150.0004图1.11数据恢复前后的系统SPE值2.漂移故障由于漂移故障发生的早期表现并不明显，所以为了更清除的反映漂移故障的特点，在完成对这一类故障的诊断时，将漂移速率加大。本文将在2号流量传感器的第50个采样点处添加漂移故障，使故障以0.05速率增大。加入故障后的SPE值和T2值变化情况如图1.12所示。可以发现，在故障的初期，故障较小很难被发现且检测结果小于阈值；经过一段时间之后，到了大概第53个采样点，可以明显的看出SPE值和T2值远远的超过置信界限且呈指数型增长，由于本次实验的采样间隔是5分钟，所以可以在故障出现后的第15分钟检测到。观察流量传感器的SVI指数图，发现与上一故障相同，只有2号流量传感器（也就是故障传感器）的SVI值趋近于0，其他四个流量传感器的SVI值均趋近于1。受篇幅限制，图1.13只列出了2号流量传感器的SVI指数趋势图。使用同样的方法对数据进行重构和恢复。表1.2为部分故障数据恢复前后的数据及相对偏差。图1.14为数据恢复前后的系统SPE值变化情况。可以看出此方法对于流量传感器漂移故障的数据恢复有一定的作用。图1.122号传感器出现0.05速率的漂移故障的SPE和T2图图1.132号流量传感器SVI指数表1.2部分故障数据恢复前后的变化及相对偏差原始数据故障数据恢复后数据相对偏差259.706261.706262.5830.011262.492272.492266.3250.014259.936271.936261.5870.017265.104285.104262.3580.01263.184288.184266.8790.014258.088288.088263.5980.021257.113292.113261.1540.015260.34300.34265.3320.019图1.14数据恢复前后的系统SPE值3.完全故障传感器出现完全故障，一般是指传感器失效，此时传感器读数为该传感器设计时的最大读数或者零。本文假设在出现故障时，传感器读数均为零，因此在3号流量传感器的第50个采样点及之后将读数置为零。使用前文方法得到流量传感器所在系统的SPE值和T2值变化趋势，如图1.15所示。图1.153号流量传感器出现完全故障时的SPE和T2趋势图对比固定偏差故障的SPE和T2图，尽管两种故障的SPE和T2图走势很相似，也不难看出这两种故障的差别。当出现固定偏差故障时，SPE和T2都会变大，但此时变大的幅度比较小；而当出现完全故障时，SPE和T2是固定偏差故障的数十倍。图1.16为3号流量传感器（故障传感器）的SVI指数图，可以看出，这种故障下的SVI指数图和前两种故障一样，SVI值在零点处波动。表1.3为部分故障数据恢复前后的数据及相对偏差。图1.17为数据恢复前后的系统SPE值变化情况。可以看出该方法可以有效地对完全故障的数据进行恢复且恢复后相对偏差较小。图1.163号流量传感器SVI指数表1.3部分故障数据恢复前后的数据及相对偏差原始数据故障数据恢复后数据相对偏差261.1110261.5480.0097261.0940258.3640.0104268.6550269.2540.0022255.9360259.3860.0134261.9490262.5890.0089261.5030263.5410.0077255.2230260.2350.0196261.6030266.4520.0185图1.17数据恢复前后的系统SPE值1.精度下降故障根据前文中关于传感器故障分类的知识，可以看出，精度下降故障与前三类故障在测量数据上的表现有明显的不同，其特征在于数据之间的方差较大。也就是说，传感器的测量值十分不准确，有时低于实际值有时高于实际值。本次试验中将5号流量传感器的从第100个采样点开始加入故障，使加入故障后的方差为原来的2.5倍。图1.18为添加精度下降故障后的SPE和T2图。图1.185号流量传感器出现精度下降故障时的SPE和T2变化趋势图根据图像显示，在出现故障之后的大部分时间内，SPE和T2值都大于所设阈值，极少数的指标值位于置信界限之下，同时SPE和T2指标的波动加大，呈现出明显的波动性，这种波动性恰巧对应数据的方差变化较大这一特点。图1.19显示了5号传感器出现精度下降故障时的SVI指数。图1.195号流量传感器SVI指数从5号流量传感器的SVI图中可以看出，尽管出现故障后的SVI指数变化较大，但大部分指数都在零点附近，根据这一点同样可以定位故障传感器的位置。表1.4为部分故障数据恢复前后的数据及相对偏差。图1.20为数据恢复前后的系统SPE值变化情况。可以看出该方法对于精度下降故障的数据恢复不如前三种故障，但也能够实现对故障数据的恢复。表1.4部分故障数据恢复前后的数据及相对偏差原始数据故障数据恢复后数据相对偏差252.859282.859266.4180.053255.656290.656263.2950.029252.186280.186268.3690.064253.546282.546257.3480.014253.842243.842266.3890.019251.753256.753256.3180.006258.441233.441265.1870.026252.139261.139257.6650.021图1.20数据恢复前后的系统SPE值1.2.2.2液位传感器前面已经验证了KPCA对流量传感器的故障诊断效果，为了证明该方法对其他类型传感器的诊断效果，使用该方法完成对液位传感器的故障检测和诊断。在污水处理系统中，液位传感器通常安装在格栅和提升泵的位置。其功能是实现格栅和提升泵等设备的自动控制。如果出现故障，后续设备将不能正常工作。图1.21显示了系统正常运行状况下的SPE值和T2值变化。图1.21液位传感器正常状况SPE值和T2变化图1.固定偏差故障在污水处理厂1号液位传感器上添加一定的固定偏差故障，与流量传感器一样，在第50个采样点开始添加。图1.22展示了此时系统的SPE和T2变化趋势。图1.23为1号液位传感器有效指数SVI变化图。图1.221号液位传感器出现固定偏差故障的SPE和T2图图1.231号液位传感器SVI指数从传感器的SPE和T2指标图中可以明显看出：在出现固定偏差故障后，故障传感器所在系统的SPE值迅速超过且均大于所设阈值；而系统的T2值大部分未超过，只有极个别采样点的T2值超过了阈值。由此可以说明，SPE值的波动情况可以反应系统的运行状况，而通过T2值无法对系统状况做出判断。从传感器的SVI指数图能够看出，只有1号液位传感器的SVI指数仍然围绕在0的附近，所以判断1号液位传感器出现故障。用1号故障传感器数据重构的值代替原来的故障值，并对数据进行反归一化。图1.24显示了数据恢复前后的SPE值变化趋势，部分故障数据恢复前后的数据及相对偏差结果如表1.5所示。从图中可以看出故障恢复后，原故障传感器所在系统的SPE值均恢复到正常水平，可以得出结论：该方法可以实现固定偏差故障数据的恢复。表1.5部分故障数据恢复前后的数据及相对偏差原始数据故障数据恢复后数据相对偏差5.4153647.4153645.62570.0395.3932297.3932295.48960.0185.353197.353195.63590.0535.3417977.3417975.59820.0485.3525397.3525395.63180.0525.3489587.3489585.51890.0315.3242197.3242195.56890.0465.3291027.3291025.73690.077图1.24数据恢复前后的系统SPE值2.漂移故障同样的，将1号液位传感器第50个点之后的所有数据设置为故障数据，且故障类型为0.02的漂移故障。此时系统的SPE值和T2值变化趋势如图1.25所示，同时图1.26显示了1号液位传感器的SVI指数。根据SPE和T2图可知，同样在出现漂移故障的早期，SPE值的变化幅度较小，但从大概第53个采样点开始，其值明显大于所设阈值。因此可以断定本文所述方法对液位传感器漂移故障的识别度较高。同理，观察1号液位传感器的SVI指数图，可以发现，通过SVI指数可以确定故障传感器的位置。图1.251号液位传感器出现漂移故障的SPE和T2图图1.261号液位传感器SVI指数用同样的方法对漂移故障数据进行恢复，图1.27显示了数据恢复前后的SPE值变化趋势。表1.6列出了部分故障数据恢复前后的数据及相对偏差结果。可以看出此方法的有效性。表1.6部分故障数据恢复前后的数据及相对偏差原始数据故障数据恢复后数据相对偏差5.4153646.4153645.69810.0525.3932296.8932295.61420.0415.353197.353195.49210.0265.3417977.8417975.63230.0545.3525398.3525395.82520.0885.3489588.8489585.62110.0515.3242199.3242195.61910.0555.3291029.8291025.52230.036图1.27数据恢复前后的系统SPE值3.完全故障与上文方法相同，在测试液位传感器的完全故障之前，从第50个采样点开始将3号传感器的测量值改为0，此时计算SPE和T2值如图1.28所示，图1.29为3号传感器的SVI指数变化图。从图中可以得出结论：此方法对液位传感器完全故障的诊断效果较好，且能够有效定位故障传感器。图1.283号液位传感器出现完全故障前后的SPE和T2变化图对故障传感器数据进行恢复，图1.30显示了数据恢复前后的SPE值变化趋势。表1.7给出了部分故障数据恢复前后的数据及相对偏差结果。根据表中数据的相对偏差和故障恢复前后SPE对比图可以看出，完全故障的传感器数据可以通过此方法进行恢复，且恢复后的数据基本能够代替正确测量值。图1.293号液位传感器SVI指数表1.7部分故障数据恢复前后的数据及相对偏差原始数据故障数据恢复后数据相对偏差5.39192505.50190.025.43032705.61570.0345.43598705.59540.0295.41972605.61580.0365.34517105.63040.0535.40926205.59070.0345.34141405.61320.0515.37830205.60280.042图1.30