基于t分布的假設(shè)檢驗(yàn)在燃?xì)廨啓C(jī)狀態(tài)監(jiān)測(cè)中的應(yīng)用

馬晨皓，王永泓，宋華芬

（上海交通大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，上海 200240）

基于t分布的假設(shè)檢驗(yàn)在燃?xì)廨啓C(jī)狀態(tài)監(jiān)測(cè)中的應(yīng)用

馬晨皓，王永泓，宋華芬

（上海交通大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，上海 200240）

本文針對(duì)燃?xì)廨啓C(jī)狀態(tài)監(jiān)測(cè)中隨機(jī)誤差與系統(tǒng)誤差不易區(qū)分和辨別的難題，首次提出了利用統(tǒng)計(jì)學(xué)中的假設(shè)檢驗(yàn)進(jìn)行狀態(tài)監(jiān)測(cè)的方案。通過(guò)燃?xì)廨啓C(jī)變工況模型確定假設(shè)檢驗(yàn)中的燃?xì)廨啓C(jī)運(yùn)行參數(shù)的總體均值，并將實(shí)際采集的可測(cè)參數(shù)作為來(lái)自總體的樣本，進(jìn)行統(tǒng)計(jì)處理，得到統(tǒng)計(jì)量t。根據(jù)t分布臨界值判斷并完成監(jiān)測(cè)任務(wù)，最后用LabVIEW編程計(jì)算實(shí)例論證了t檢驗(yàn)的正確性。

t分布假設(shè)檢驗(yàn)；LabVIEW可視化；狀態(tài)監(jiān)測(cè)；變工況模型

對(duì)燃?xì)廨啓C(jī)的故障檢測(cè)是保持燃?xì)廨啓C(jī)高效、持久和穩(wěn)定工作的重要保障，因而需要對(duì)燃?xì)廨啓C(jī)進(jìn)行狀態(tài)監(jiān)測(cè)與故障診斷。其中很重要的環(huán)節(jié)就是判斷其運(yùn)轉(zhuǎn)是否正常，有無(wú)異常與劣化征兆，這一判斷過(guò)程就稱(chēng)為狀態(tài)監(jiān)測(cè)（Condition Monitoring）［1］。在此基礎(chǔ)上判斷是否需要進(jìn)一步診斷工作，并視診斷結(jié)果確定具體維修。與傳統(tǒng)的定期維修相比，不定期維修能夠有效降低維護(hù)費(fèi)用和提高設(shè)備有效利用率。

目前，國(guó)內(nèi)外比較典型的狀態(tài)監(jiān)測(cè)方式主要有離線定期監(jiān)測(cè)、在線檢測(cè)離線分析和自動(dòng)在線監(jiān)測(cè)三種［2］。燃?xì)廨啓C(jī)狀態(tài)監(jiān)測(cè)和故障診斷常用手段有基于熱參數(shù)型（如渦輪排溫，功率）和基于機(jī)械振動(dòng)型［3］兩大類(lèi)方法。

燃?xì)廨啓C(jī)測(cè)量采集得到的各熱力學(xué)征兆量常伴有誤差，包括大氣條件、測(cè)量油量、機(jī)械振動(dòng)引起的波動(dòng)，測(cè)量?jī)x器本身和讀數(shù)記錄的誤差，燃?xì)廨啓C(jī)故障例如葉片結(jié)垢、侵蝕、損壞以及頂部間隙的增大［5］等引起的誤差。研究中把一些隨機(jī)的、互相獨(dú)立的、不影響燃?xì)廨啓C(jī)總體性能的誤差歸為隨機(jī)誤差，而把燃?xì)廨啓C(jī)由于故障帶來(lái)的結(jié)構(gòu)上的變化和性能下降導(dǎo)致的可測(cè)參數(shù)誤差歸為系統(tǒng)誤差。

狀態(tài)監(jiān)測(cè)的目的就是要區(qū)分出這兩種誤差，判斷燃?xì)廨啓C(jī)運(yùn)行是否存在著系統(tǒng)誤差。但這兩種誤差是很難區(qū)分的，因此采用統(tǒng)計(jì)學(xué)中的假設(shè)檢驗(yàn)這一科學(xué)方法來(lái)解決這一問(wèn)題。

假設(shè)總體燃?xì)廨啓C(jī)的熱征兆量均滿足正態(tài)分布，其無(wú)故障總體均值已知，而總體方差未知。通過(guò)對(duì)來(lái)自總體的樣本進(jìn)行統(tǒng)計(jì)分析，利用假設(shè)檢驗(yàn)來(lái)判斷總體是否與假設(shè)一致，即燃?xì)廨啓C(jī)實(shí)際運(yùn)行過(guò)程中的熱征兆量均值是否與假設(shè)的無(wú)故障總體均值有顯著差異。

利用燃?xì)廨啓C(jī)變工況數(shù)學(xué)模型獲取其無(wú)故障總體均值作為假設(shè)參數(shù)，通過(guò)美國(guó)國(guó)家儀器（National Instruments，簡(jiǎn)稱(chēng)NI）公司的板卡采集實(shí)時(shí)可測(cè)參數(shù)數(shù)據(jù)，作為來(lái)自總體的樣本。對(duì)運(yùn)行數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析，通過(guò)t分布的假設(shè)統(tǒng)計(jì)規(guī)律分析，對(duì)原假設(shè)作出判斷，獲得燃?xì)廨啓C(jī)是否處于異常狀態(tài)的結(jié)論，從而完成狀態(tài)監(jiān)測(cè)的任務(wù)。

1 統(tǒng)計(jì)學(xué)中的狀態(tài)監(jiān)測(cè)原理

1．1 假設(shè)檢驗(yàn)原理

所謂假設(shè)檢驗(yàn)［6］209－211，就是事先對(duì)總體參數(shù)或總體分布形式作出一個(gè)假設(shè)，然后利用樣本提供的信息來(lái)推斷這個(gè)假設(shè)的正確性。通過(guò)構(gòu)造出一個(gè)小概率事件，結(jié)果若落入小概率事件，則拒絕原假設(shè)，反之，一般接受原假設(shè)。

以燃?xì)廨啓C(jī)的出口溫度為例，假設(shè)其無(wú)故障的總體均值為A，實(shí)際采集樣本得到的均值為B，標(biāo)準(zhǔn)差為C，通過(guò)統(tǒng)計(jì)量的計(jì)算，最后判斷出A和B是否有顯著偏差，有顯著偏差，則需要進(jìn)一步進(jìn)行故障診斷，若沒(méi)有，則認(rèn)為目前運(yùn)行的燃?xì)廨啓C(jī)仍然工作正常。

1．2 t檢驗(yàn)原理

燃?xì)廨啓C(jī)的t檢驗(yàn)是通過(guò)對(duì)燃?xì)廨啓C(jī)可測(cè)征兆量進(jìn)行采集，在未知該征兆量總體方差的情況下，檢驗(yàn)該征兆量總體數(shù)學(xué)期望是否與征兆量的總體均值有明顯差異?；静襟E如下：

1）構(gòu)造原假設(shè)：樣本的均值和總體的均值沒(méi)有顯著差異，即H0：μ＝μ0。

2）構(gòu)造一個(gè)滿足t分布的統(tǒng)計(jì)量與小概率事件P。

3）通過(guò)查分布表得到統(tǒng)計(jì)量的臨界點(diǎn)，并作出判斷。

本次研究的對(duì)象為1992年深圳南山電廠從美國(guó)GE公司引進(jìn)的某型燃?xì)廨啓C(jī)發(fā)電機(jī)組，該燃?xì)廨啓C(jī)為重型、單軸快裝式發(fā)電機(jī)組，其主要部件是壓氣機(jī)、燃燒室和渦輪。根據(jù)設(shè)計(jì)文件：該型燃?xì)廨啓C(jī)在標(biāo)準(zhǔn)狀態(tài)下，即P＝1 031 kPa、T＝15℃、相對(duì)濕度為60%狀態(tài)下，燃用重油時(shí)，其設(shè)計(jì)點(diǎn)的數(shù)據(jù)為壓氣機(jī)壓比為11．8，空氣進(jìn)氣量為1．44×106kg／h、壓氣機(jī)出口溫度為620．2 K、渦輪出口溫度為804．6 K、發(fā)電機(jī)輸出功率為110．4 MW［7］。

該型燃?xì)廨啓C(jī)運(yùn)行時(shí)，監(jiān)控用的測(cè)量參數(shù)有渦輪出口溫度T4，壓氣機(jī)出口溫度T2，壓氣機(jī)出口壓力P2，渦輪輸出功率Ne以及燃油油量?，F(xiàn)以渦輪出口溫度為例，作t檢驗(yàn)簡(jiǎn)要分析。

運(yùn)用t檢驗(yàn)的前提是被研究的總體需滿足正態(tài)分布，必須先對(duì)該型燃?xì)廨啓C(jī)的渦輪出口溫度作正態(tài)分布檢驗(yàn)。

通過(guò)采集其實(shí)際運(yùn)行的渦輪出口溫度數(shù)據(jù)（在某一大氣條件和油量下），如圖1（a）所示，并對(duì)其進(jìn)行直方圖顯示，如圖1（b）。從圖中可以看到，采集得到渦輪出口溫度是有著隨機(jī)波動(dòng)的，其基本形狀近似正態(tài)分布。

采用Matlab中的KS檢測(cè)法［8］，判斷出燃?xì)廨啓C(jī)的出口溫度的值是否滿足正態(tài)分布。

KS檢測(cè)方式為：輸入h＝kstest（zscore（x））（x為渦輪出口數(shù)據(jù)的數(shù)組，h表示檢測(cè)結(jié)果的邏輯參數(shù)），得到輸出h＝0。

結(jié)果表明KS檢測(cè)沒(méi)有拒絕x包含的數(shù)據(jù)是滿足正態(tài)分布的。即便對(duì)于非正態(tài)分布下的均值檢驗(yàn)，在大樣本下可以根據(jù)中心極限定理［6］137－144用正態(tài)分布來(lái)近似，所以我們認(rèn)為燃?xì)廨啓C(jī)的出口溫度近似滿足正態(tài)分布，記為：

這一總體均值μT4只和燃?xì)廨啓C(jī)本身特性以及大氣條件和油量有關(guān)，σT4為總體標(biāo)準(zhǔn)差。

現(xiàn)采集30個(gè)渦輪出口溫度作為計(jì)算樣本：

這表明實(shí)際采集的XT4與μT4出現(xiàn)顯著差異的概率為α，在本次研究中α取0．05。

根據(jù)中心極限定理，將樣本均值進(jìn)行標(biāo)準(zhǔn)化后，得到式（3）（n表示樣本個(gè)數(shù)）：

根據(jù)費(fèi)歇定理［6］163，渦輪出口溫度的樣本方差與渦輪出口溫度的總體方差有如下的關(guān)系式：

不妨設(shè)：

根據(jù)t分布的定義：若隨機(jī)變量X～N（0，1），Y服從自由度為n的χ2分布，且X與Y相互獨(dú)立，則統(tǒng)計(jì)量被稱(chēng)為服從自由度為n的t分布，記為t～t（n）。

所以將式（3）和式（5）進(jìn)行變化，構(gòu)造為式（6）：

這樣就構(gòu)造出滿足t分布的統(tǒng)計(jì)量，并將式（2）改寫(xiě)為

t分布如圖2所示，在分布圖中小概率區(qū)域的分界點(diǎn)tα／2（n－1）為分位數(shù)。

若統(tǒng)計(jì)量大于k*，則小概率事件發(fā)生，拒絕原假設(shè)，接受備擇假設(shè)；反之，則接受原假設(shè)。在本次研究中通過(guò)計(jì)算渦輪出口溫度總體均值μT4為 802．96 K，樣本均值為802．934 K，樣本標(biāo)準(zhǔn)差ST4為2．652，計(jì)算統(tǒng)計(jì)量計(jì)算值。查t分布表［6］315，找到對(duì)應(yīng)的顯著性水平得（n－1）＝2．045

結(jié)果為接受原假設(shè)，認(rèn)為渦輪出口溫度的樣本均值與無(wú)故障標(biāo)準(zhǔn)值沒(méi)有顯著性差異，算例中的數(shù)據(jù)正是燃?xì)廨啓C(jī)出廠時(shí)的某無(wú)故障工況的數(shù)據(jù)，所以與事實(shí)相符。通過(guò)同樣的方法，可以構(gòu)造其它的燃?xì)廨啓C(jī)征兆量的假設(shè)檢驗(yàn)。

2 假設(shè)檢驗(yàn)在燃?xì)廨啓C(jī)狀態(tài)監(jiān)測(cè)中的應(yīng)用

2．1 燃?xì)廨啓C(jī)的總體均值

根據(jù)上一節(jié)的論述，在進(jìn)行假設(shè)檢驗(yàn)時(shí)，需要假設(shè)征兆量的無(wú)故障總體均值，但是燃?xì)廨啓C(jī)和其它系統(tǒng)不同，其均值不是一個(gè)不變的標(biāo)準(zhǔn)值。燃?xì)廨啓C(jī)有著工況的概念，即在不同工況下存在不同需求的供油量，此外受大氣條件變化影響較大，夏天和冬天的溫度差異，甚至在某些地區(qū)一天中的早晚溫差對(duì)征兆量的均值影響明顯，這就增加了確定總體均值的難度。為了更好地解決這一問(wèn)題，本次研究采用建立變工況的模型來(lái)得到不同工況以及不同大氣條件下的模型計(jì)算值作為燃?xì)廨啓C(jī)無(wú)故障的總體均值。

變工況模型是一個(gè)確定性的模型，本質(zhì)是將實(shí)際的截面參數(shù)不確定性通過(guò)平均處理轉(zhuǎn)化為確定性的燃?xì)廨啓C(jī)模型。利用燃?xì)廨啓C(jī)驗(yàn)收試驗(yàn)中的數(shù)據(jù)計(jì)算設(shè)計(jì)點(diǎn)參數(shù)，并依此完成部件特性線計(jì)算，在滿足流量連續(xù)、壓比平衡、功率守恒、轉(zhuǎn)速平衡的四個(gè)條件下，得到“可測(cè)”參數(shù)的計(jì)算值。由于實(shí)際運(yùn)行的燃?xì)廨啓C(jī)并非是無(wú)故障狀態(tài)的，所以無(wú)法得到實(shí)際無(wú)故障可測(cè)參數(shù)，于是通過(guò)無(wú)故障變工況模型求解的模型值也稱(chēng)為“可測(cè)”參數(shù)的計(jì)算值。

2．2 模型計(jì)算值與實(shí)際值的對(duì)比

國(guó)內(nèi)外大量研究和實(shí)踐都表明：基于燃?xì)廨啓C(jī)的壓氣機(jī)，渦輪部件特性的變工況模型可以在很大程度上反映機(jī)組的實(shí)際運(yùn)行情況。根據(jù)驗(yàn)收?qǐng)?bào)告中的數(shù)據(jù)，獲取燃?xì)廨啓C(jī)的設(shè)計(jì)點(diǎn)參數(shù)，然后據(jù)此計(jì)算并建立部件特性圖，最后建立變工況模型［9］。

針對(duì)上述某型號(hào)的燃?xì)廨啓C(jī)，進(jìn)行LabVIEW語(yǔ)言建模，建立壓氣機(jī)特性線和渦輪特性線［5，7］，通過(guò)四個(gè)平衡條件建立完整的變工況模型［7］。

將模型計(jì)算得到的結(jié)果與實(shí)測(cè)值比較，如表1所示。

據(jù)表1所示，模型計(jì)算值與實(shí)測(cè)均值的誤差均小于1%，說(shuō)明燃?xì)廨啓C(jī)的數(shù)學(xué)模型是正確的，因此用變工況模型計(jì)算值代替征兆量總體均值是適當(dāng)?shù)摹?/p>

2．3 樣本采集處理

用假設(shè)檢驗(yàn)的方法來(lái)進(jìn)行狀態(tài)監(jiān)測(cè)，最大的一個(gè)問(wèn)題在于，其不能很好地進(jìn)行在線運(yùn)算，為了彌補(bǔ)這一缺點(diǎn)，本次研究調(diào)整采集數(shù)據(jù)安排的方式，將原來(lái)的每采集30個(gè)數(shù)據(jù)作為一次判斷標(biāo)準(zhǔn)，轉(zhuǎn)變?yōu)槊繙y(cè)試1個(gè)數(shù)據(jù)便進(jìn)行一次新的判斷，示意圖如圖3表示。

同樣通過(guò)NI板卡采集數(shù)據(jù)，并通過(guò)LabVIEW編程實(shí)現(xiàn)以上功能，根據(jù)采集的需要配置采樣率，以處理渦輪出口溫度為例，得到在線監(jiān)測(cè)的渦輪出口溫度圖，每30組數(shù)據(jù)（每組數(shù)據(jù)中的值均為環(huán)形傳感器的均值）的渦輪出口均值圖以及t統(tǒng)計(jì)量的在線監(jiān)測(cè)圖如圖4。

圖4的第1幅圖是渦輪出口溫度的在線監(jiān)測(cè)圖，深色線代表無(wú)故障總體均值，由于數(shù)據(jù)的波動(dòng)性，無(wú)法直接給出判斷結(jié)論。第2幅圖是實(shí)測(cè)的均值變化，由于采用了每30組數(shù)據(jù)的監(jiān)測(cè)方法，對(duì)均值的采集也做到了即時(shí)處理，均值在深色線附近波動(dòng)。第3幅圖是統(tǒng)計(jì)量t的在線計(jì)算圖，當(dāng)統(tǒng)計(jì)量t長(zhǎng)期超過(guò)所對(duì)應(yīng)的t分布臨界點(diǎn)時(shí)就預(yù)示著燃?xì)廨啓C(jī)存在著異常，需要進(jìn)一步故障診斷，從這幅圖中可以判斷燃?xì)廨啓C(jī)仍處于正常狀態(tài)中。

同理，其他征兆量均采用類(lèi)似的方法進(jìn)行采集，并創(chuàng)建對(duì)應(yīng)指示圖。需要說(shuō)明的是在t統(tǒng)計(jì)量的實(shí)時(shí)監(jiān)測(cè)中，由于每30組數(shù)據(jù)監(jiān)測(cè)一次，所以偶爾也會(huì)出現(xiàn)小概率的大于臨界值的情況，研究中應(yīng)該關(guān)注被測(cè)對(duì)象是否長(zhǎng)時(shí)間地處于異常狀態(tài)。

3 可視化軟件編制及實(shí)例驗(yàn)證

3．1 可視化編程實(shí)踐

本次研究基于LabVIEW可視化編程語(yǔ)言，建立某型燃?xì)廨啓C(jī)發(fā)電機(jī)組的無(wú)故障變工況模型，大致分為壓氣機(jī)模塊、渦輪模塊以及燃燒室模塊三大模塊，其中每一個(gè)模塊都有若干子程序構(gòu)成，如圖5（a）、（b）、（c）所示。

將各模塊及子程序通過(guò)總的迭代循環(huán)運(yùn)行至燃?xì)廨啓C(jī)的平衡點(diǎn)收斂為止，最后通過(guò)前面板展現(xiàn)出運(yùn)行的結(jié)果，如圖5（d）所示，將計(jì)算的熱力學(xué)征兆量輸出值作為無(wú)故障的總體均值。

在此基礎(chǔ)上，利用NI數(shù)據(jù)采集板卡配合上一節(jié)所述的采集模型完成采集功能，前面板顯示如圖6所示。

圖6中，每一個(gè)熱力學(xué)征兆量對(duì)應(yīng)一個(gè)采集的頻率參數(shù)設(shè)置，并利用LabVIEW特有的可視化界面表征實(shí)時(shí)的征兆量變化過(guò)程，如溫度計(jì)和功率表。依照監(jiān)測(cè)判斷策略，配以異常指示燈，紅燈表示燃?xì)廨啓C(jī)出現(xiàn)異常，如若紅燈長(zhǎng)時(shí)間亮起，則有必要進(jìn)行進(jìn)一步的檢修處理。

3．2 監(jiān)測(cè)實(shí)例驗(yàn)證

以研究中的某型燃?xì)廨啓C(jī)一次采集為例，監(jiān)測(cè)模型在一段時(shí)間內(nèi)出現(xiàn)紅燈，根據(jù)監(jiān)測(cè)判斷策略，進(jìn)一步排查各個(gè)征兆量，發(fā)現(xiàn)其壓氣機(jī)出口溫度、渦輪出口溫度和功率都出現(xiàn)與無(wú)故障總體均值有顯著差別，即出現(xiàn)圖4中的t統(tǒng)計(jì)量超出臨界值。為了驗(yàn)證監(jiān)測(cè)模型的正確性，將采集到的壓氣機(jī)出口溫度T2、渦輪出口溫度T4、壓氣機(jī)出口壓力P2以及燃?xì)廨啓C(jī)功率Ne一段時(shí)間內(nèi)的平均值輸入故障診斷系統(tǒng)軟件［7］，其故障診斷原理采用的是非線性的最優(yōu)化處理，可以通過(guò)征兆量的輸入，反向計(jì)算求解部件特性參數(shù)的變化，在本文中將不再詳述。通過(guò)診斷軟件得到表3。

驗(yàn)證結(jié)果表明，通過(guò)假設(shè)檢驗(yàn)方式進(jìn)行故障診斷是有效的，燃?xì)廨啓C(jī)確實(shí)存在一定故障，而且從診斷的結(jié)果來(lái)看，壓氣機(jī)、渦輪的性能都出現(xiàn)了下降，導(dǎo)致被檢測(cè)的4個(gè)征兆量中有3個(gè)出現(xiàn)明顯的偏差。因此，此次構(gòu)建的狀態(tài)監(jiān)測(cè)方法能夠?yàn)楣收显\斷提供依據(jù)，滿足實(shí)際需求。

4 結(jié)語(yǔ)

通過(guò)本次研究，得到如下結(jié)論：

采用燃?xì)廨啓C(jī)變工況模型的方法，能夠得到不同大氣條件和工況下的“可測(cè)”參數(shù)計(jì)算值，作為假設(shè)檢驗(yàn)的標(biāo)準(zhǔn)參數(shù)。

通過(guò)樣本采集的處理，做到在線采集數(shù)據(jù)，更好地進(jìn)行監(jiān)測(cè)，同時(shí)也可以通過(guò)采集系統(tǒng)，進(jìn)行離線的進(jìn)一步診斷，并驗(yàn)證了結(jié)論。

基于t分布的假設(shè)檢驗(yàn)?zāi)Ｐ停軌蚝芎玫赝瓿杀O(jiān)測(cè)任務(wù)。在燃?xì)廨啓C(jī)的概率α值選取和修正上仍存在較大的發(fā)展空間。

采用變工況模型和假設(shè)檢驗(yàn)的方法，能夠分離出隨機(jī)誤差和系統(tǒng)誤差，解決了兩種誤差混合的難題。

［1］ 董昱廷，王海云，唐新安，等．風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)系統(tǒng)現(xiàn)狀研究［J］．電網(wǎng)與清潔能源，2013，29（3）：85- 89，96．

［2］ 喬海濤，馮永新．大型汽輪發(fā)電機(jī)組故障診斷技術(shù)現(xiàn)狀與發(fā)展［J］．廣東電力，2003，16（2）：9- 13．

［3］ 柳子政，臧述升．燃?xì)廨啓C(jī)狀態(tài)監(jiān)測(cè)新方法的綜合分析［J］．燃?xì)廨啓C(jī)技術(shù)，2007，20（4）：25- 27，34．

［4］ I．Y．Li．Performance-Analysis-Based Gas-turbine Diagnostics a Review．Journal of Power and Energy，2002，216 Part A IMechE：363- 377，

［5］ 王永泓，翁史烈，宋華芬，等．燃?xì)廨啓C(jī)熱參數(shù)故障診斷數(shù)學(xué)模型的研究［C］．燃?xì)廨啓C(jī)發(fā)電技術(shù)，2002，4（3／4）：126- 132．

［6］ 江海峰，莊健，劉竹林．概率論與數(shù)理統(tǒng)計(jì)［M］．合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，2013．

［7］ 夏迪，王永泓．PG9171E型燃?xì)廨啓C(jī)變工況計(jì)算模型的建立［J］．熱能動(dòng)力工程，2008，23（4）：338- 343．

［8］ MathWorks*．Documentation Center／Hypothesis Tests／Distribution Tests［CP／OL］．（2013- 07- 13）．http：／／www．mathworks．cn／cn／help／stats／kstest．html？searchHighlight＝kstest．

［9］ 馬懷騰，宋華芬，王永泓，等．基于LabVIEW的單軸重型燃?xì)廨啓C(jī)的性能模擬研究［J］．燃?xì)廨啓C(jī)技術(shù)，2012，25（4）：34-38．

Application of Hypothesis Testing on Gas Turbine's Condition M onitoring based on T-distribution

MA Chen-hao，WANG Yong-hong SONG Hua-fen
（School of Mechanical Engineering，Shanghai JiaoTong University，Shanghai200240，China）

Considering that random error and system error in the gas turbine conditionmonitoring are noteasy to distinguish and identify，this article first put forward using statistical hypothesis test to solve the problem．Build gas turbine model to determine turbine operation's general parameters in the hypothesis test，set the actual collection ofmeasurable parameters as the sample from the overall data，copewith the sample data and finally get the tstatistic．According to the t-distribution threshold judgment to complete themonitoring task and use LabVIEW programming to prove the correctness of the t-test．

t-distribution hypothesis test；LabVIEW programming；condition monitoring；variable conditionsmodel

TK472

A

1009- 2889（2014）02- 0034- 06

2013- 07- 30改稿日期：2013- 09- 04

馬晨皓（1989-），男，碩士研究生，主要研究方向?yàn)槿細(xì)廨啓C(jī)故障診斷的研究。E-mail：jackoma1989＠gmail．com