[go: up one dir, main page]

CN111830943B - 一种燃气轮机电动执行器故障识别的方法 - Google Patents

一种燃气轮机电动执行器故障识别的方法 Download PDF

Info

Publication number
CN111830943B
CN111830943B CN202010733536.XA CN202010733536A CN111830943B CN 111830943 B CN111830943 B CN 111830943B CN 202010733536 A CN202010733536 A CN 202010733536A CN 111830943 B CN111830943 B CN 111830943B
Authority
CN
China
Prior art keywords
fault
vector
electric actuator
gas turbine
observer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010733536.XA
Other languages
English (en)
Other versions
CN111830943A (zh
Inventor
张文广
汪洋
沈炀智
李浩瀚
贺东旭
王玮
田文利
刘延泉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN202010733536.XA priority Critical patent/CN111830943B/zh
Publication of CN111830943A publication Critical patent/CN111830943A/zh
Application granted granted Critical
Publication of CN111830943B publication Critical patent/CN111830943B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了属于燃气轮机控制系统故障检测技术领域的一种燃气轮机电动执行器的故障识别方法，包括：确定电动执行器非线性模型；将非线性分量添加到观测器中；计算残差信号；确定残差信号和故障之间的关系；本发明引入与残差成正比的反馈，确保观测器处于滑动模式，进行故障估计。本发明可以检测并准确估计故障的实时值，无需使用额外的传感器来测量燃气轮机电动执行器状态向量的所有元素，为开展燃气轮机电动执行器的故障识别研究奠定基础；对于燃气轮机控制系统执行器故障识别的理论研究与工程应用具有十分重要的现实意义。

Description

一种燃气轮机电动执行器故障识别的方法
技术领域
本发明属于燃气轮机控制系统故障检测技术领域，特别涉及一种燃气轮机电动执行器的故障识别方法。
背景技术
燃气轮机以连续流动的气体为工质带动叶轮高速旋转，将燃料的能量转变为有用功，是一种复杂的动力设备。燃气轮机虽然具有启动快、噪声低、体积小、功率大等一系列先进技术特点，但是其结构复杂，工作在高温、高压的恶劣环境下，容易发生各种故障。据统计，80％的燃气轮机控制系统故障是由执行器或传感器引起的。电动执行器作为一种广泛应用于燃气轮机中的执行单元，其能源取用方便，信号传递迅速，但结构复杂，防爆性能较差。因此，电动执行器能否正常工作对机组运行和人员安全至关重要。目前国内相关研究主要集中在燃气轮机本体的状态监测与故障诊断方面，针对燃气轮机控制系统执行器故障识别的理论研究与工程应用存在不足。因此，开展燃气轮机电动执行器的故障识别研究具有重大的现实意义。
发明内容
本发明提供了一种燃气轮机电动执行器的故障识别方法，包括：确定电动执行器非线性模型；将非线性分量添加到观测器中；计算残差信号；确定残差信号和故障之间的关系；引入与残差成正比的反馈；确保观测器处于滑动模式和进行故障估计；其特征在于，所述燃气轮机电动执行器非线性模型为：
Figure BDA0002604112440000021
式中，x是电动执行器的状态向量；y是由传感器测量的状态变量的向量；u是控制信号；f是故障向量；A是系统动力学矩阵；B是控制信号的增益向量；C是确定系统非线性部分的向量；D是连接状态向量和测量向量的输出矩阵；E是故障位置的故障矩阵。
上式中各向量和矩阵为：
Figure BDA0002604112440000022
Figure BDA0002604112440000023
Figure BDA0002604112440000024
Figure BDA0002604112440000031
式中，θb是减速器输出轴的角度，rad；
Figure BDA0002604112440000032
是减速器输出轴的转速，r/s；
θt是电动机转子的角度，rad；
Figure BDA0002604112440000033
是电动机转子的转速，r/s；I是电流，A；K是电枢电感，H；i是减速比；lr是反电动势系数，Vs/rad；ln是减速器的粘滞摩擦系数，Nms/rad；lh是电动机的粘滞摩擦系数，Nms/rad；lv是扭矩系数，Nm/A；kbg是减速器和的干摩擦系数，Nm；ktg是电动机的干摩擦系数，Nm；sign是符号函数；J是电机轴的转动惯量，kg·m2；R是定子电阻，Ω；m是执行器输出轴力矩，Nm；w是机械传动的刚度系数，N/m。
所述观测器为：
Figure BDA0002604112440000034
式中，
Figure BDA0002604112440000035
是观测器的状态向量；
Figure BDA0002604112440000036
是观测器的输出信号；
Figure BDA0002604112440000037
是观测器的动力学矩阵；
Figure BDA0002604112440000038
是控制信号；
Figure BDA0002604112440000039
是连接状态向量和输出信号的向量；
Figure BDA00026041124400000310
是包含了观测器中系统非线性部分的向量；Q是观测器中使用状态变量的矩阵；H(r)是反馈向量；r是残差信号。
在没有故障的情况下，必须满足以下条件：
Figure BDA00026041124400000311
式中，
Figure BDA00026041124400000312
是连接执行器和观测器状态向量的矩阵；ε是为执行器和观测器的状态向量提供链接的向量。
所述表示电动执行器中是否存在故障的残差r为：
Figure BDA0002604112440000041
确定残差和故障之间的关系，令
Figure BDA0002604112440000042
可得：
Figure BDA0002604112440000043
引入一个与残差成正比的反馈进行故障估计：
Figure BDA0002604112440000044
式中，a1是向量
Figure BDA0002604112440000045
的对应元素；jm是向量
Figure BDA0002604112440000046
的第m个元素；fn是对应的故障值；cm是向量
Figure BDA0002604112440000047
的对应元素；hm(r)是反馈向量H(r)的对应元素。
反馈向量的对应元素为：
Figure BDA0002604112440000048
式中，om是正系数，as是向量
Figure BDA0002604112440000049
的对应元素。
对于滑动模式，令
Figure BDA00026041124400000410
可得：
Figure BDA00026041124400000411
式中，
Figure BDA00026041124400000412
和
Figure BDA00026041124400000413
是残差信号的一阶和二阶导数。
上式成立需满足以下条件：
Figure BDA0002604112440000051
Figure BDA0002604112440000052
式中，bnmax是bn的最大值；cmmax是cm的最大值。
所述故障估计是通过计算对应的故障值fn进行：
Figure BDA0002604112440000053
式中，heq是信号hmsign(T)的平均值。故障值与故障原因、故障位置、故障时间等因素有关。
本发明的有益效果是本发明可以有效检测并估计故障值；无需使用额外的传感器来测量燃气轮机电动执行器状态向量的所有元素，为开展燃气轮机电动执行器的故障识别研究奠定基础；对于燃气轮机控制系统执行器故障识别的理论研究与工程应用具有十分重要的现实意义。
附图说明
图1为所述燃气轮机电动执行器故障识别的流程图；
图2为所述燃气轮机电动执行器故障识别的效果图。
具体实施方式
本发明提供了一种燃气轮机电动执行器故障识别的方法，下面结合附图和实施例对本发明作详细说明。
图1是本发明提供的一种燃气轮机电动执行器故障识别流程图。包括：确定电动执行器非线性模型；将非线性分量添加到观测器中；计算残差信号；确定残差信号和故障之间的关系；引入与残差成正比的反馈；确保观测器处于滑动模式；进行故障估计；其中燃气轮机电动执行器非线性模型为：
Figure BDA0002604112440000061
式中，x是电动执行器的状态向量；y是由传感器测量的状态变量的向量；
u是控制信号；f是故障向量；A是系统动力学矩阵；B是控制信号的增益向量；
C是确定系统非线性部分的向量；D是连接状态向量和测量向量的输出矩阵；
E是故障位置的故障矩阵。
上式中各向量和矩阵为：
Figure BDA0002604112440000062
Figure BDA0002604112440000063
Figure BDA0002604112440000071
Figure BDA0002604112440000072
式中，θb是减速器输出轴的角度，rad；
Figure BDA0002604112440000073
是减速器输出轴的转速，r/s；θt是电动机转子的角度，rad；
Figure BDA0002604112440000074
是电动机转子的转速，r/s；I是电流，A；K是电枢电感，H；i是减速比；lr是反电动势系数，Vs/rad；ln是减速器的粘滞摩擦系数，Nms/rad；lh是电动机的粘滞摩擦系数，Nms/rad；lv是扭矩系数，Nm/A；kbg是减速器和的干摩擦系数，Nm；ktg是电动机的干摩擦系数，Nm；sign是符号函数；J是电机轴的转动惯量，kg·m2；R是定子电阻，Ω；m是执行器输出轴力矩，Nm；w是机械传动的刚度系数，N/m。
所述观测器为：
Figure BDA0002604112440000075
式中，
Figure BDA0002604112440000076
是观测器的状态向量；
Figure BDA0002604112440000077
是观测器的输出信号；
Figure BDA0002604112440000078
是观测器的动力学矩阵；
Figure BDA0002604112440000079
是控制信号；
Figure BDA00026041124400000710
是连接状态向量和输出信号的向量；
Figure BDA00026041124400000711
是包含了观测器中系统非线性部分的向量；Q是观测器中使用状态变量的矩阵；H(r)是反馈向量；r是残差信号。
在没有故障的情况下，必须满足以下条件：
Figure BDA0002604112440000081
式中，
Figure BDA0002604112440000082
是连接执行器和观测器状态向量的矩阵；ε是为执行器和观测器的状态向量提供链接的向量。
所述表示电动执行器中是否存在故障的残差r为：
Figure BDA0002604112440000083
确定残差和故障之间的关系，令
Figure BDA0002604112440000084
可得：
Figure BDA0002604112440000085
引入一个与残差成正比的反馈进行故障估计：
Figure BDA0002604112440000086
式中，a1是向量
Figure BDA0002604112440000087
的对应元素；jm是向量
Figure BDA0002604112440000088
的第m个元素；fn是对应的故障值；cm是向量
Figure BDA0002604112440000089
的对应元素；hm(r)是反馈向量H(r)的对应元素。
反馈向量的对应元素为：
Figure BDA00026041124400000810
式中，om是正系数。as是向量
Figure BDA00026041124400000811
的对应元素；
对于滑动模式，令
Figure BDA00026041124400000812
可得：
Figure BDA00026041124400000813
式中，
Figure BDA0002604112440000091
和
Figure BDA0002604112440000092
是残差信号的一阶和二阶导数。
上式成立需满足以下条件：
Figure BDA0002604112440000093
Figure BDA0002604112440000094
式中，bnmax是bn的最大值；cmmax是cm的最大值。
所述故障估计是通过计算对应的故障值fn进行：
Figure BDA0002604112440000095
式中，heq是信号hmsign(T)的平均值。该故障值fn与故障原因、故障位置及故障时间因素有关。
图2是本发明提供的一种燃气轮机电动执行器故障识别效果图。如图2所示，电动执行器故障是由于减速器发生氧化腐蚀引起的，通过观测其干摩擦系数变化进行故障检测和估计；本发明所述方法可以有效检测并估计故障值。
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种燃气轮机电动执行器的故障识别方法，包括：确定电动执行器非线性模型；将非线性分量添加到观测器中；计算残差信号；确定残差信号和故障之间的关系；引入与残差成正比的反馈；确保观测器处于滑动模式和进行故障估计；其特征在于，所述燃气轮机电动执行器非线性模型为：
Figure FDA0002604112430000011
式中，x是电动执行器的状态向量；y是由传感器测量的状态变量的向量；u是控制信号；f是故障向量；A是系统动力学矩阵；B是控制信号的增益向量；C是确定系统非线性部分的向量；D是连接状态向量和测量向量的输出矩阵；E是故障位置的故障矩阵；
上式中各向量和矩阵为：
Figure FDA0002604112430000012
Figure FDA0002604112430000013
Figure FDA0002604112430000021
Figure FDA0002604112430000022
式中，θb是减速器输出轴的角度，rad；
Figure FDA0002604112430000023
是减速器输出轴的转速，r/s；θt是电动机转子的角度，rad；
Figure FDA0002604112430000024
是电动机转子的转速，r/s；I是电流，A；K是电枢电感，H；i是减速比；lr是反电动势系数，Vs/rad；ln是减速器的粘滞摩擦系数，Nms/rad；lh是电动机的粘滞摩擦系数，Nms/rad；lv是扭矩系数，Nm/A；kbg是减速器和的干摩擦系数，Nm；ktg是电动机的干摩擦系数，Nm；sign是符号函数；J是电机轴的转动惯量，kg·m2；R是定子电阻，Ω；m是执行器输出轴力矩，Nm；w是机械传动的刚度系数，N/m。
2.根据权利要求1所述燃气轮机电动执行器的故障识别方法，其特征在于，所述观测器为：
Figure FDA0002604112430000025
式中，
Figure FDA0002604112430000026
是观测器的状态向量；
Figure FDA0002604112430000027
是观测器的输出信号；
Figure FDA0002604112430000028
是观测器的动力学矩阵；
Figure FDA0002604112430000029
是控制信号；
Figure FDA00026041124300000210
是连接状态向量和输出信号的向量；
Figure FDA00026041124300000211
是包含了观测器中系统非线性部分的向量；Q是观测器中使用状态变量的矩阵；H(r)是反馈向量；r是残差信号；
在没有故障的情况下，必须满足以下条件：
Figure FDA0002604112430000031
式中，
Figure FDA0002604112430000032
是连接执行器和观测器状态向量的矩阵；ε是为执行器和观测器的状态向量提供链接的向量。
3.根据权利要求1所述燃气轮机电动执行器的故障识别方法，其特征在于，所述计算残差信号，表示电动执行器中是否存在故障的残差r为：
Figure FDA0002604112430000033
4.根据权利要求1所述燃气轮机电动执行器的故障识别方法，其特征在于，所述确定残差和故障之间的关系，令
Figure FDA0002604112430000034
可得：
Figure FDA0002604112430000035
引入一个与残差成正比的反馈进行故障估计：
Figure FDA0002604112430000036
式中，a1是向量
Figure FDA0002604112430000037
的对应元素；jm是向量
Figure FDA0002604112430000038
的第m个元素；fn是对应的故障值；cm是向量
Figure FDA0002604112430000039
的对应元素；hm(r)是反馈向量H(r)的对应元素。
5.根据权利要求4所述燃气轮机电动执行器的故障识别方法，其特征在于，所述反馈向量的对应元素为：
Figure FDA00026041124300000310
式中，om是正系数，as是向量
Figure FDA00026041124300000311
的对应元素。
6.根据权利要求1所述燃气轮机电动执行器的故障识别方法，其特征在于，所述观测器处于滑动模式，对于滑动模式，令
Figure FDA0002604112430000041
可得：
Figure FDA0002604112430000042
式中，
Figure FDA0002604112430000043
和
Figure FDA0002604112430000044
是残差信号的一阶和二阶导数；
上式成立需满足以下条件：
Figure FDA0002604112430000045
Figure FDA0002604112430000046
式中，bnmax是bn的最大值；cmmax是cm的最大值。
7.根据权利要求1所述燃气轮机电动执行器的故障识别方法，其特征在于，所述故障估计是通过计算对应的故障值fn进行：
Figure FDA0002604112430000047
式中，heq是信号hmsign(T)的平均值；该故障值fn与故障原因、故障位置及故障时间因素有关。
CN202010733536.XA 2020-07-27 2020-07-27 一种燃气轮机电动执行器故障识别的方法 Active CN111830943B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010733536.XA CN111830943B (zh) 2020-07-27 2020-07-27 一种燃气轮机电动执行器故障识别的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010733536.XA CN111830943B (zh) 2020-07-27 2020-07-27 一种燃气轮机电动执行器故障识别的方法

Publications (2)

Publication Number Publication Date
CN111830943A CN111830943A (zh) 2020-10-27
CN111830943B true CN111830943B (zh) 2022-07-29

Family

ID=72925015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010733536.XA Active CN111830943B (zh) 2020-07-27 2020-07-27 一种燃气轮机电动执行器故障识别的方法

Country Status (1)

Country Link
CN (1) CN111830943B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108398637A (zh) * 2018-01-29 2018-08-14 合肥工业大学 一种非线性机电系统的故障诊断方法
CN110083076A (zh) * 2019-05-30 2019-08-02 华北电力大学 一种燃气轮机气动执行器故障半实物仿真平台及仿真方法
CN110262248A (zh) * 2019-07-08 2019-09-20 南京航空航天大学 一种微型燃气轮机故障鲁棒自适应重构方法
CN110362060A (zh) * 2019-07-01 2019-10-22 南京航空航天大学 一种控制系统执行器及传感器同时故障时的诊断方法
CN111090945A (zh) * 2019-12-20 2020-05-01 淮阴工学院 一种针对切换系统的执行器和传感器故障估计设计方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6885922B2 (en) * 2003-06-24 2005-04-26 Visteon Global Technologies, Inc. System and method of robust fault detection for a vehicle steer-by-wire system
US7062370B2 (en) * 2004-03-30 2006-06-13 Honeywell International Inc. Model-based detection, diagnosis of turbine engine faults

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108398637A (zh) * 2018-01-29 2018-08-14 合肥工业大学 一种非线性机电系统的故障诊断方法
CN110083076A (zh) * 2019-05-30 2019-08-02 华北电力大学 一种燃气轮机气动执行器故障半实物仿真平台及仿真方法
CN110362060A (zh) * 2019-07-01 2019-10-22 南京航空航天大学 一种控制系统执行器及传感器同时故障时的诊断方法
CN110262248A (zh) * 2019-07-08 2019-09-20 南京航空航天大学 一种微型燃气轮机故障鲁棒自适应重构方法
CN111090945A (zh) * 2019-12-20 2020-05-01 淮阴工学院 一种针对切换系统的执行器和传感器故障估计设计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于空间几何方法的智能车故障检测与隔离;黄睿睿等;《系统仿真技术》;20170828(第03期);第28-33页 *

Also Published As

Publication number Publication date
CN111830943A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN110118128B (zh) 微型燃气轮机传感器故障诊断和容错控制方法
CN101821689B (zh) 用于为控制和/或监测应用提供至少一种输入传感器信号的方法和设备以及控制设备
CN105974312B (zh) 永磁同步电机退磁故障诊断方法
CN103091109B (zh) 用于风力发电机动态特性测试的风轮机模拟器的控制方法
WO2016034114A1 (zh) 一种永磁同步电机的转子温度监测方法及系统
CN103701386A (zh) 基于观测磁链误差的异步电机无速度传感器的全阶磁链观测器的获取方法
CN103259479B (zh) 一种永磁同步电机神经网络左逆状态观测方法
CN110231101B (zh) 基于可实时修正系统测量误差的电机测温系统的方法
JP2004215345A (ja) 発電システムおよびその制御方法
CN118669461B (zh) 一种基于改进超螺旋滑模观测器的电子机械制动系统夹紧力估计方法
CN111277200B (zh) 一种电机绕组温度估计及保护方法
CN112083349B (zh) 一种永磁同步电机定子绕组匝间短路故障诊断方法
CN111830943B (zh) 一种燃气轮机电动执行器故障识别的方法
CN105372075A (zh) 具有故障诊断功能的无刷直流电子水泵控制器及诊断方法
CN108490350B (zh) 一种大功率永磁电机故障诊断系统及诊断方法
CN116804446A (zh) 一种电动阀/门及其控制装置和控制方法
CN102305875A (zh) 风力发电机组有效风速的测量方法及实现该方法的测量装置
CN118244180A (zh) 一种面向电机的多电流传感器故障诊断方法
CN103151980A (zh) 汽车eps用无刷直流电机控制器及其实现方法
CN108343565B (zh) 风电机组永磁直驱变桨距系统动态负载模拟装置和方法
CN117129853A (zh) 大型同步电动机转子匝间短路故障诊断方法
CN102102681A (zh) 风机控制系统
CN112039387A (zh) 一种永磁同步电机位置传感器的故障诊断方法
Zhan et al. Fault diagnosis method for vacuum pump of space environment simulator
KR102720512B1 (ko) 영구자석 동기전동기의 고정자 저항 및 인덕턴스 추정 시스템. 및 이를 이용한 영구자석 동기전동기 제어 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant