针对难以从火电厂实际运行数据中获得大量磨煤机故障数据,以及磨煤机精准数学模型难以求取,从而影响其故障诊断策略制定的问题,提出了一种基于简化机理模型的深度学习故障诊断算法,用于有效检测磨煤机的运行状态。基于磨煤机机理模型和状态空间预测控制器,构建了闭合控制系统,通过对不同故障类型的分析和模拟,在充分接近磨煤机的实际运行状态下,获得了大量的故障数据。并通过改进堆叠自动编码器（ISAE）将模拟的故障数据与深度学习算法相结合来建立深度学习故障诊断策略,ISAE以无监督的方式逐层提取故障数据的本质特征,具有很好的学习和识别故障特征的能力,同时通过将磨煤机系统变化快速且显著的变量作为ISAE输入变量,使ISAE兼具了故障诊断和预测的能力。仿真结果也表明,提出的ISAE能够很好地检测出磨煤机的故障,故障诊断准确率高达98.46%,并能提前发出预警。

1 磨煤机系统数学模型
2 基于模型的磨煤机故障仿真
2.1 断煤故障模拟
2.2 堵煤故障模拟
2.3 自燃故障模拟
3 基于改进堆叠自动编码器的故障诊断
3.1 数据获取和处理
3.2 改进堆叠自动编码器模型
3.3 ISAE模型参数优化
4 仿真验证
5 结 语