基于KPCA-AR的烟气轮机故障预测
本文以北京燕山石化公司大型旋转机械烟气轮机作为研究对象，针对烟气轮机振动信号的非线性、非平稳特性，提出了一种核函数主元分析(Kernel Principal Component Analysis,KPCA)和自回归(Auto Regressive，AR)模型结合的烟气轮机故障预测方法。首先，采用KPCA对烟气轮机运行状态进行故障检测；然后，采用AR模型分别对故障检测指标T~2统计值和SPE统计值进行了趋势预测。仿真结果表明：主元分析(PCA)方法在烟气轮机故障检测中出现了误报现象，而KPCA方法可以弥补PCA的不足，完全适合于烟气轮机的故障检测，并具有处理非线性、非平稳信号的能力。从而验证了该方法的有效性。
烟气轮机 故障预测 核函数主元分析 自回归模型
马洁 林禄辉 周东华
北京信息科技大学 自动化学院,北京 100192 清华大学自动化系,北京 100084
国内会议
南京
中文
147-150
2011-08-01（万方平台首次上网日期，不代表论文的发表时间）