虚拟仪器下回热系统监测与故障诊断系统研究

汽轮机组回热系统是火电厂热力系统的核心,回热系统故障已成为影响汽轮机组稳定发电满负荷发电的主要原因之一.为保证火电厂回热系统的安全经济运行,实现远程状态监测、故障诊断及故障排除,采用虚拟仪器系统作为开发平台,构建了火电厂回热系统远程状态监测与多种诊断知识的故障诊断专家系统.在介绍虚拟仪器特点的基础上,详细阐述了系统监测参数、系统组成、系统功能及设计.实践证明,该系统具有有效性、灵活性和可扩展性等特点.     

基于决策树C4.5算法的汽轮机非线性故障诊断研究

汽轮机故障频率存在非线性、诊断复杂、相关参数属性集庞大的特点,应用决策树C4.5算法进行分类,速度快,准确性高.首先对汽轮机故障频率的连续性进行离散化,对决策表属性约简,得到分类规则,做为实际应用的依据.以Matlab为开发平台构建汽轮机振动故障诊断系统,准确率达到86.7％,具有实际应用价值.     

基于小波包分析及神经网络的汽轮机转子振动故障诊断

根据Bently实验台所采集的碰摩、松动、不对中、不平衡4种典型汽轮机转子振动故障信号,运用小波包分析方法对其进行能量分析并提取故障特征.分析结果表明:小波包分析与信号能量分解的故障特征提取方法,可以获得汽轮机转子振动的故障状态,有较好的故障区分度;另外由于经过小波包分解再重构后所提取的故障特征参数浓缩了汽轮机转子振动故障的全部信息,而BP神经网络具有优良的非线性映射能力,对提取的故障特征参数应用BP神经网络映射,可对汽轮机转子振动故障进行进一步的诊断.诊断结果表明:基于小波包分析及神经网络的故障诊断方法,具有较高的故障识别能力.     

基于非线性关联维特征提取的机械自动化监测系统

提取天然气压缩机故障状态下振动信号的故障特征是设计机械自动化检测系统的核心技术。提出一种基于非线性关联维特征提取的机械自动化监测系统设计方法,在故障诊断原理基础上,进行故障振动信号时间序列分析,设计故障振动信号相空间重构方法,改进了相空间重构最佳时延和嵌入维数参数计算的关键技术,通过提取关联维故障特征,在Simulink平台上设计了自动化监测系统。系统实验结果表明,该算法和系统能使各类故障状态下提取的关联维特征的标准差显著性降低,特征分布聚类能力明显提高,系统能有效检测各类故障,实现了机械设备的自动化监测,在自动化故障诊断仪表设计等领域具有较好的工程实践价值。     

基于数据监测的膀胱治疗仪故障在线监测方法

在泌尿系统医学检验和临床诊断中,膀胱治疗仪发挥重要作用,但膀胱治疗仪故障发生率较高,为了提高膀胱治疗仪故障诊断效能,提出基于数据监测的膀胱治疗仪故障在线监测方法。构建膀胱治疗仪故障数据采集模型,采用级联传感器实现对膀胱治疗仪故障类型化参数采集和特征分析,分析膀胱治疗仪的可控性负荷参数,提取膀胱治疗仪故障关联规则特征量,采用子空间辨识的方法,实现对膀胱治疗仪故障特征分离和聚类分析,采用数据在线监测和统计分析的方法,通过数据动态特征检测和故障特征提取,实现膀胱治疗仪故障在线监测。仿真测试结果表明,采用该方法进行膀胱治疗仪故障检测的准确性较高,故障诊断性能较好,提高了膀胱治疗仪各种类型化故障的在线检测和诊断能力。     

仿真技术在汽轮机组中的应用研究

该文利用人工神经网络模型结合模糊逻辑建立了汽轮机组的故障诊断系统，由于人工神经网络在实际应用中不涉及具体的物理模型，因而其结果具有很高的实际意义；该文利用模糊神经网络模型对某一实际的汽轮机组进行了故障诊断，诊断结果与检修实际情况是基本一致的，因此，该模型对动力系统的热力参数在线仿真，减少传感器的维护量，特别是对汽轮机组故障诊断技术水平的提高有很大的意义，与此同时使得基于参数采集的应用软件的可靠性程度也大大的增强了。     

基于ECA规则推理的故障诊断技术

为适应故障诊断系统的主动性需求,扩展基于产生式规则专家系统的描述能力,将Event-condition-action(ECA)规则引入故障诊断系统,提出了基于ECA规则推理故障诊断系统的基本框架。形式化故障,分析故障要素与规则的关联,定义利用ECA规则对故障进行建模的方法,在此基础上阐述了基于ECA规则推理进行故障诊断的过程。以高速列车地面故障诊断系统为例验证了该设计的有效性与准确性。     

基于灰色关联和D-S证据理论的感应电转子故障诊断

针对单一的灰色关联或D-S证据理论在转子故障诊断中存在的不足,将灰色关联和D-S证据理论相融合的决策级信息融合方法应用到感应电机转子故障诊断中;首先用灰色关联对故障进行初步诊断,然后,将灰色关联分析的诊断输出结果作为D-S证据理论的基本概率分配,最后,依据证据组合规则进行合成,得出转子故障的最终诊断结果;实验仿真结果验证了方法在转子故障诊断中的有效性,可以减小诊断的不确定性,提高故障的诊断准确率和诊断精度。     

基于MLP神经网络的海上固井泵故障诊断方法

海上固井泵受到高温高盐环境因素影响,导致故障发生率较高,为了提高海上固井泵的故障检测诊断能力,提出基于MLP神经网络的海上固井泵故障诊断方法。构建海上固井泵的故障传感信息采集模型,采用相关性参数分析方法,进行海上固井泵故障数据特征融合和自适应参数解析,构建海上固井泵故障远程协作诊断的特征分析和数据分析模型,结合海上固井泵故障参数的多元耦合分析结果,通过关联规则挖掘的方法分析海上固井泵的故障特征量,采用MLP神经网络学习方法,实现海上固井泵振动传感信息融合及滤波成分分析,结合关联特征挖掘和模糊信息聚类,建立海上固井泵的故障类别参数融合和信息聚类模型,通过对海上固井泵的振动传感异常特征分析,采用MLP神经网络实现对海上固井泵的故障类型化参数跟踪识别,根据信息聚类结果,实现故障分类检测和诊断。仿真结果表明,采用该方法进行海上固井泵故障诊断的准确率较高,达到了0.97,时间开销平均为3.73 s,提高了海上固井泵的工况稳定性。     

基于WSN和数据融合技术的电力变压器故障诊断系统的研究

探讨一种基于数据融合和可拓理论的电力变压器故障诊断方法,基于此方法,应用无线传感器网络技术和.NET开发平台构建和开发出一套电力变压器故障诊断系统。该系统将WSN技术用于电力变压器油中溶解气体的无线数据采集,实现变压器油中溶解气体的实时数据采集和传送;同时运用信息融合技术对数据进行优化处理,既可以降低网络能耗又保证了数据的准确和客观;在变压器进行故障诊断时,针对现有电力变压器故障诊断的气体比值法存在的编码规则不完整、诊断故障类型单一等缺陷,使用可拓诊断方法,定量与定性相结合,使变压器故障诊断方法更为精细化。在线故障诊断可视化系统可以实现变压器油中溶解气体参数的采集、显示、分析、存储和回放等功能,实现对变压器故障信息的实时分析与自动诊断,既解决了作业人员远程实时监测变压器运行状态问题,又大大提高了变压器故障诊断的性能,为变压器在线监测和故障诊断技术提供新的发展方向。