论文总字数：24561字

摘 要

磨煤机是制粉系统的核心设备，其健康状况会影响整个发电机组运行的安全性和经济性。有效的故障诊断方法可以让操作人员及时了解磨煤机的运行状况并采取相应的措施，避免突发性故障的发生，侦测渐变故障的发生，增加磨煤机的可利用时间，从而提高其运行的安全性，创造良好的经济效益。

本文分析了中速磨煤机常见故障的产生机理及其对运行参数的影响，利用数据与机理分析相结合的方法进行了中速磨煤机系统建模，该建模方法既不会陷入纯数学建模中方程的建立过于复杂、耗时较长的困境，相较于纯数据建模有更好的精确性和鲁棒性。利用模型得到了磨煤机输出量的残差数据，通过小波变换提取残差的变化趋势。在故障的检测上，利用残差趋势曲线，本文提出了斜率阈值的判别方法。实例证明，该方法能解决建模和测量误差造成的精确度降低的问题，从而做到在故障发生早期就检测出故障。在故障类型的判断上，本文根据随机森林算法的原理，利用故障数据进行训练，建立了一个故障分类器，用于故障类型的识别。仿真实验表明，该方法有较高的故障辨识率和较低的未识别率，基本不会出现错误辨识的情况。

关键词：中速磨煤机；故障诊断；残差分析；小波变换；随机森林；

Abstract

Mill is the core of pulverizing system, its work condition affect the safety and economy of the power plant. Effective fault diagnosis method allows operating personnel to keep abreast of the operational status of the mill and take the appropriate measures to avoid the occurrence of sudden failure to detect gradual failure occurs, additional equipment available time, thereby enhancing the safety of equipment operation resistance, and create a good economic returns.

The author analyzed the mechanism of the mill common faults and their impact on operating parameters. On the use of data and mechanism analysis method of mill modeling, the modeling process avoided establish complex mathematical equation. It has a better precision and robustness compared to data modeling. The author extracted the residual change trend with the method of wavelet transform. On the fault detection, the author proposed the slope threshold determination method. Examples show that this method can solve the problem of reduced accuracy caused by modeling and measurement error, thereby leading to early failure detection. On the judgment of failure type, according to the principle of random forests algorithm, the author created a fault classifier for identifying the type of fault. Simulation results show that this method has a high failure recognition rate and a low rate of unrecognized, misidentified will not arise.

Keywords: medium-speed coal mill; fault diagnosis; residual analysis; wavelet transform; random forests;

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 选题背景及意义 1

1.2 中速磨煤机故障诊断方法研究现状 1

1.2.1 基于数学模型的故障诊断方法 2

1.2.2 基于人工智能的故障诊断方法 2

1.2.3 故障诊断方法的比较 3

1.3 本文主要研究内容 3

第2章 中速磨煤机简介及主要故障分析 5

2.1 中速磨煤机主要结构及工作过程 5

2.2 中速磨煤机主要故障分析 6

2.3 中速磨煤机运行状态参数选择 6

2.4 本章小结 8

第3章 基于系统辨识的中速磨煤机建模 9

3.1 系统辨识基本原理 9

3.2 中速磨煤机模型结构建立 9

3.2.1 模型基本假设 9

3.2.2 模型建立 10

3.3 基于遗传算法的中速磨煤机模型参数辨识 12

3.3.1 遗传算法基本原理 12

3.3.2 模型参数辨识过程 12

3.4 模型准确性检验 13

3.5 本章小结 14

第4章 基于数据残差和小波变换的中速磨煤机故障检测 15

4.1 故障检测流程 15

4.2 中速磨煤机故障仿真及数据残差生成 15

4.2.1 中速磨煤机少煤或断煤故障仿真 16

4.2.2 中速磨煤机出口堵粉故障仿真 16

4.2.3 煤粉自燃故障仿真 17

4.2.4 故障数据残差产生 18

4.3 小波变换基本概念 19

4.3.1 小波变换原理及特点 19

4.3.2 小波的多尺度分解与重构 20

4.4 故障检测实现过程 21

4.4.1 最佳小波基的确定 21

4.4.2 残差信号的小波变换 21

4.4.3 在线故障检测实例分析 22

4.5 本章小结 24

第5章 基于随机森林算法的中速磨煤机故障类型判断 25

5.1 随机森林算法 25

5.1.1 随机森林原理 25

5.1.2 决策树 26

5.2 中速磨煤机故障类型判断实现过程 26

5.3 中速磨煤机故障类型判断准确性验证 27

5.4 本章小结 29

第6章 结论 30

6.1 本文主要研究成果 30

6.2 待解决的问题 30

致 谢 32

参考文献 33

绪论

选题背景及意义

随着我国经济的不断发展，电能在工业生产和人民生活中成为一种不可缺少的能源，确保电力的稳定供给显得非常重要。最新统计结果显示，2016年1-2月份，全国火力绝对发电量6786亿千瓦时, 火电在全国发电量所占的份额为77.98%，仍然居于主导地位。虽然新能源发电发展迅猛，在未来较长时期内，火电在中国能源结构中仍将占有较高的比重。在过去5-10年里，全国新建了大量的燃煤发电机组，随着使用年限的增长，一些关键设备的故障率随之增加，安全性和维护经济性的问题日益突出。由上述情况可以看出，对磨煤机等关键设备故障诊断方法的研究很有意义，主要表现为以下两个方面。

在电厂运行方面，电站磨煤机是制粉系统的核心设备，其健康状况会影响整个发电机组运行的安全性和经济性。磨煤机出力、出口风粉混合物温度、出口压力和煤粉细度等参数直接影响锅炉的燃烧，进而影响运行效率。磨煤机运行一旦出现异常，一方面会影响运行效率，另一方面会造成设备故障，引起机组降负荷甚至停机。有效的故障诊断方法可以让操作人员及时了解磨煤机的运行状况并采取相应的措施，避免突发性故障的发生，侦测渐变故障的发生，增加磨煤机的可利用时间，从而提高其运行的安全性，创造良好的经济效益。

剩余内容已隐藏，请支付后下载全文，论文总字数：24561字