仪器仪表学报

作者：常玉清，康孝云，王福利，赵炜炜

单位：常玉清,1.东北大学信息科学与工程学院,,康孝云,1.东北大学信息科学与工程学院,,王福利,1.东北大学信息科学与工程学院,,赵炜炜,1.东北大学信息科学与工程学院,

关键词：磨煤机;异常工况诊断;贝叶斯网络;实时更新;局部更新;节点辨识

基金：国家自然科学基金(61873053)项目资助

磨煤机作为火电厂制粉系统的核心设备,依靠新磨煤机投入使用后仅有的少量异常工况数据,建立其异常工况诊断模型,对整体系统安全运行有着重要的意义。本文首先针对磨煤机三个典型异常工况建立异常工况诊断模型,并提出新的基于节点辨识的贝叶斯网络模型实时更新方法。将已有磨煤机成熟的异常工况诊断模型作为源域模型,利用目标域磨煤机仅有的少量新数据信息,搜索源域模型与新数据信息不匹配的节点。在保留源域模型有用信息的前提下,通过局部更新,依据新的数据信息完成目标域模型的更新补足。为了验证方法的有效性,将所提方法应用于磨煤机异常工况诊断过程,实验结果表明,更新得到的模型具有良好的性能,平均诊断正确率超过98%。

来源：2021年第8期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第8期