[發明專利]基于粒子群優化算法的傳感器故障診斷閾值確定方法

有效

• 申請號: 201910754193.2
• 申請日: 2019-08-15
• 公開（公告）號: CN110472335B
• 公開（公告）日: 2022-10-21
• 發明（設計）人: 胡春艷;徐含靈;李偉;韓博;李垚;高猛
• 申請（專利權）人: 中國科學院工程熱物理研究所
• 主分類號: G06F30/27
• 分類號: G06F30/27;G01D18/00;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開一種基于粒子群優化算法的傳感器故障診斷閾值確定方法，該方法在確定故障診斷閾值時充分考慮了故障診斷過程中的漏報警及虛報警錯誤，根據傳感器測量值特性，結合傳感器故障診斷過程中的漏檢率及虛警率，構造出關于診斷閾值的代價函數，并采用動態權值自適應粒子群優化算法求取該代價函數以確定最佳故障診斷閾值，保證在故障診斷過程中虛警率及漏檢率都盡可能降到最低。本發明的基于粒子群優化算法的傳感器故障診斷閾值確定方法，同現有的其他傳感器故障診斷閾值確定方法相比，方法算法復雜程度低，算法原理邏輯性強，容易采用計算機計算，計算結果精確可靠，傳感器故障診斷效率得到較大提升。

技術領域

本發明屬于燃氣輪機傳感器故障診斷領域，涉及一種傳感器故障診斷閾值確定方法，具體涉及一種基于粒子群優化算法的傳感器故障診斷閾值確定方法。

背景技術

燃氣輪機中控制系統通過傳感器測量信號來實現對燃氣輪機運行狀態的監測，因此傳感器測量信號的準確可靠是控制系統安全穩定運行的關鍵因素，為了提高控制系統的穩定性、安全性及可靠性，對傳感器進行故障診斷及隔離具有重要意義。對傳感器進行故障診斷的方法多種多樣，其中應用最廣泛的是閾值法，即根據殘差形成一個故障指示函數，并將其與設定的故障診斷閾值進行比較，如果故障指示函數小于故障診斷閾值，則認為傳感器沒有發生故障，如果故障指示函數大于故障診斷閾值，則認為傳感器發生了故障。由此可知，故障診斷閾值的合理選取是決定傳感器故障診斷準確的關鍵因素。故障診斷閾值選取不合適時，會產生兩類錯誤，一類是傳感器已經發生故障，但診斷系統沒有檢測出故障而仍然認為傳感器工作在正常狀態下，沒有發出故障報警信號，即漏報警錯誤；另一類是傳感器沒有發生故障，但診斷系統檢測出傳感器發生了故障并發出故障報警信號，即虛報警錯誤。目前，在故障診斷閾值確定方面主要采用的方法有兩種，一種是根據傳感器測量噪聲強度及建模誤差確定故障診斷閾值，存在的問題是沒有考慮到故障診斷過程中的漏報警及虛報警錯誤；另一種則是根據故障指示函數服從卡方分布，自定義漏檢率和虛警率后通過查表的方式確定故障診斷閾值，但其邏輯性較差，閾值選取粗糙。目前還沒有一種設計全面、計算方便、邏輯性強的傳感器故障診斷閾值選取方法。

發明內容

針對現有技術中所存在的上述缺陷和不足，具體是針對現有燃氣輪機控制系統中傳感器故障診斷閾值確定方面所存在的問題，本發明旨在提供一種基于粒子群優化算法的傳感器故障診斷閾值確定方法，該方法在確定故障診斷閾值時充分考慮了故障診斷過程中的漏報警及虛報警錯誤，根據傳感器測量值特性，通過折衷考慮故障診斷過程中的漏檢率和虛警率，構造關于故障診斷閾值的代價函數，采用動態權值自適應粒子群優化算法求取代價函數的最優值，以確定最佳故障診斷閾值，保證在故障診斷過程中虛警率及漏檢率都盡可能降到最低。本發明的基于粒子群優化算法的傳感器故障診斷閾值確定方法，同現有的其他閾值確定方法相比，算法復雜程度低，充分考慮了故障診斷過程中的漏檢率及虛警率，算法原理邏輯性強，容易采用計算機計算，計算結果精確可靠等優點，傳感器故障診斷效率得到較大提升。

本發明為解決上述技術問題采用以下技術方案：

一種基于粒子群優化算法的傳感器故障診斷閾值確定方法，其特征在于，所述方法包括以下步驟：

SS1.采集無故障狀態下傳感器的實際測量數據y(t)，對所述實際測量數據y(t)進行信號處理后得到估計數據根據所述估計數據獲得其概率分布特性值，所述概率分布特性值包括信號幅值μ及測量噪聲方差σ²，之后基于所述概率分布特性值構建無故障狀態下信號殘差z的概率分布密度函數f(z)以及存在故障偏差B時信號殘差z的概率分布密度函數f(z/B)，其中，

無故障狀態下，所述實際測量數據y(t)為傳感器的未經信號處理的原始測量數據，所述估計數據為所述原始測量數據經信號處理后的測量數據，所述實際測量數據y(t)與估計數據具有相同的概率分布密度函數f(y)，并具有相同的信號幅值μ及測量噪聲方差σ²，所述信號殘差z為所述實際測量數據y(t)與估計數據的差值，滿足所述信號殘差z服從均值為0，方差為2σ²的正態分布，其概率分布密度函數為f(z)；