鼓风机是一种工业生产辅助设备,在冶金、发电、化工等多个领域中扮演着重要角色,一旦发生故障将会直接影响到工业生产的经济性和安全性。鼓风设备在运行过程中参数信号多种多样,如何从大量的数据中挖掘有价值的信息来进行鼓风设备的状态监测、故障诊断和故障预警成为当前的研究热点。基于以上背景,本文选取鼓风设备的故障预警作为主要研究内容,采用非线性状态估计技术(Nonlinear State Estimate Technique,NSET)对鼓风机运行状态进行建模,通过双滑动窗口相似度方法实现故障预警,具体可以分为以下几个方面:首先,本文详细介绍了NSET建模原理,并分析了鼓风机系统结构特点和常见故障。文章主要研究了鼓风设备故障预警的数据预处理方法,采用主成分分析对建模参数进行化简,得到对主成分贡献率高的重要监测参数,利用小波分解技术对原始振动信号进行初步筛选,挑选设备正常运行状态的时间段。其次,本文研究了基于NSET的鼓风设备运行状态模型,根据实际情况,对NSET模型的相似性算子和过程记忆矩阵分别进行了优化,使用标准化欧氏距离作为相似性算子,提出了基于马氏距离与等距抽样相结合的过程记忆矩阵构造方法。通过仿真实验,验证了模型的有效性,改进的NSET模型具有较高的预测精度。最后,提出了基于双滑动窗口相似度的故障预警方案。本文为了更直观地捕捉故障的动态发展过程,定义了观测向量和预测向量之间的相似度函数来代替传统的残差阈值方法,并且利用定性与定量相结合的层次分析法确定相似度函数中各变量的权重。为提高故障预警的灵敏性和准确性,使用双滑动窗口统计方法对相似度序列进行统计分析,根据正常状态的滑动窗口最小平均相似度确定故障预警阈值,如果新观测向量对应的平均相似度超出了双滑动窗口的故障预警阈值,则发出报警信息。文章以湖南某鼓风机厂的某次故障为例进行实验研究,结果证明该方案能够有效地降低虚警并及时发现鼓风设备的早期异常,为设备故障检修争取了宝贵的时间。