李鸿坤， 陈坚红，2， 盛德仁，2， 李 蔚，2

(1.浙江大学热工与动力系统研究所 杭州，310027) (2.浙江省制冷与低温技术重点实验室 杭州，310027)



热力参数的KPCA-RBF网络建模及传感器故障诊断方法*

李鸿坤1， 陈坚红1，2， 盛德仁1，2， 李 蔚1，2

(1.浙江大学热工与动力系统研究所 杭州，310027) (2.浙江省制冷与低温技术重点实验室 杭州，310027)

针对复杂恶劣环境下机组热力参数的数据监测及传感器故障诊断问题，建立了融合机理分析、核主元分析(kernel principle component analysis，简称KPCA)与径向基神经网络(radial basis function，简称RBF)的发电机组热力参数预测及传感器故障检测模型。首先，根据机理分析得到完备的辅助变量集，并利用核主元分析提取辅助变量的特征信息以有效处理发电机组中高维、强耦合的非线性数据；其次，将主元变量集输入径向基神经网络进行学习，实现热力参数的重构；最后，基于预测模型与窗口移动法实现传感器的故障诊断，并对故障数据进行及时修复和准确替换。以燃气轮机排气温度为例进行验证的结果表明，该预测模型具有更高的精度和泛化能力，能在传感器故障发生初期及时发现并识别故障类型，检测效果优良。

机理分析； 核主元分析； 径向基神经网络； 预测建模； 传感器故障诊断

引 言

传感器故障检测方法主要分为三大类：基于数据驱动、基于解析模型和基于知识的方法[1]。国内外学者对传感器故障诊断方法进行了大量的研究。单一的诊断方法有关联规则分类算法[2]、基于观测器方法[3]、神经网络方法[4-5]、支持向量机(support vector machine，简称SVM)[6-7]和专家方法[8]等。……