基于半监督学习方法的磨煤机故障预警Research on coal mill fault prediction based on semi-supervised learning method
肖黎,罗嘉,欧阳春明
摘要(Abstract)：
火电机组磨煤机运行环境恶劣,故障频发,对磨煤机故障进行预警,评估设备在相关故障状态下的剩余可用时间,对提高火电机组运行安全具有重要意义。本文提出一种基于半监督学习方法的磨煤机故障预警技术。首先采用DBSCAN聚类将磨煤机的历史运行数据划分为正常状态和故障状态,分配类标记并统计设备剩余可用时间,然后采用随机森林方法建立基于类标记序列的磨煤机运行状态分类预警模型,对磨煤机运行数据进行状态预测,根据类标记序列判断故障类别和对应的设备剩余可用时间。将此方法用于某火电厂磨煤机实际运行数据,并与k-近邻算法、朴素贝叶斯和线性判别分析的预警模型进行比较,结果表明:本文方法优于其他预警模型,可准确标记磨煤机不同故障发展阶段,也能较准确地给出磨煤机剩余可用时间。
关键词(KeyWords)： 磨煤机;DBSCAN聚类;故障预警;随机森林;半监督学习方法;预测
基金项目(Foundation):
作者(Author): 肖黎,罗嘉,欧阳春明
DOI: 10.19666/j.rlfd.201807134