汽轮发电机组振动监测与诊断系统的发展

从系统构成和总体系统两方面介绍了汽轮机组振动监测和故障诊断技术的发展，着重介绍了分布式监测诊断系统和B/S模式的远程监测诊断系统的架构与发展，并指出了今后发展的方向。     

船舶柴油机监测诊断技术研究及其应用

介绍并分析了国内外成熟的监测诊断系统及其特点,详细阐述了柴油机各种监测诊断方法的原理及应用,包括瞬时转速法、热力参数法、振动分析法、声发射监测法和磁传感监测法,最后介绍了多参数多方法的船舶柴油机综合监测诊断系统。     

RBF神经网络在大坝安全监测故障诊断中的应用研究

基于径向基函数神经网络．建立了大坝安全自动化监测的非线性故障自诊断系统。根据系统一步超前预报值与在线实测值的残差逻辑判决．对自动化监测系统的工作性能进行实时诊断。实例结果表明，基于RBF神经网络的大坝安全自动化监测故障自诊断系统能够较好地实现故障的在线诊断和实时隔离。     

基于INTRANET的发电机组远程监测与诊断系统

论述了远程监测与诊断系统基于Internet的实现，由于充分利用了互联网技术以及三层式应用程序模式，使得该系统具有良好的稳定性和可扩充性，可以满足现代发电企业对机组安全性，经济性的要求，同时，由于信息的高度共享，可以大大促进监测与诊断技术的发展。     

基于Web的多机组远程监诊系统的设计与开发

基于Internet的远程监测与诊断是设备诊断技术和计算机网络技术的有机融合，是设备故障诊断技术发展的崭新阶段。本系统是在本地多机组分布式网络化状态监测与诊断系统基础上而开发的基于Internet的远程诊断系统。提出了系统的总体方案，论述了系统开发过程中所涉及的关键技术，对系统接入Internet所带来的安全问题进行了讨论。     

分布式振动在线监测系统的设计与实现

针对大型水力发电机组运行过程中因振动而引起故障这一问题，设计与开发了一套新型的分布式振动在线监测及分析系统。主要介绍了该系统的硬件及软件的总体结构，并对湖北省白莲河水力发电厂2#机的振动情况进行监测和分析。     

基于虚拟仪器的水电机组在线振动监测系统

针对水电机组在线振动监测的多样性和复杂性，运用传感器技术、通信技术和计算机技术结合模块化的设计思想，提出了一种采用虚拟仪器技术，实现在线水电机组振动监测的方法。分析了振动监测系统的传感器的选择及安装、数据采集、数据通信和数据处理。它与传感振动监测系统相比，提高了水电机组振动监测的准确性、有效性、经济性。图3参6     

MVC_2M故障诊断系统及其应用

本文介绍了国家“七五”重点攻关成果MVC—2M故障监测与诊断系统。该系统按模拟和数字双容余原则设计,具有对旋转机械设备的关键运行参数(振动、转速、温度和压力等)实时临测分析,在线和脱机故障诊断、运行、数据库建立、故障(或关键)数据存黑匣子、结构动力学特性研究和现场动平衡等功能,可广泛应用于舰船、电力、石化、航空航天和机械制造等领域。     

基于大数据技术的多沙水流泵站故障诊断方法

针对多沙水流泵站存在水泵磨蚀、机组振动等复杂故障问题,基于大数据技术,将神经网络方法与传统的专家系统相结合,建立了多沙水流泵站的故障监测与诊断系统。实际应用结果表明,该方法能够及时定位故障问题和诊断故障原因,降低了维护成本,创造了更大的经济效益。     

B/S模式下的振动远程故障诊断系统

介绍了大型汽轮发电机组振动远程故障诊断系统的设计思路、基本构成以及实现方式。应用专家系统基本原理，提出了层次分类的故障思想。采用支持与否定规则表达征兆对故障诊断所起的作用。使用数据库技术对振动数据进行有效的管理。结合Activex控件技术，开发了振动远程故障诊断系统，实现了B／Ｓ模式下的远程诊断。     

基于RBF神经网络的核动力装置故障诊断方法研究

核动力装置是一个高度复杂并具有高度安全性要求的结构体系,其故障检测方法一般采用传统的阈值方法。为克服阈值方法的不足,提出了基于RBF(radial basis function)神经网络的核动力装置故障诊断方法。该方法选择对核动力装置安全具有重要影响的运行参数作为神经网络的输入,并利用核动力装置正常运行模式及典型故障模式的监测数据作为训练样本,网络训练采用正交最小二乘算法(orthogonal least square,OLS)。为了验证所提方法的可行性,利用核动力装置运行监测数据进行检验。结果表明,RBF神经网络成功地诊断出了故障,具有良好的诊断效果。     

基于对比歧化和深度置信网络的配电网故障类型识别

针对配电网数据分支多、设备类型多样、现有故障诊断方法精度低的问题,提出基于深度置信网络的配电网故障诊断方法。该方法建立了4种不同层数的深度置信网络,将配电网的实际监测数据分为训练和测试数据导入到深度置信模型,采用对比歧化算法优化初始参数选择和加速模型训练,测试模型对样本的识别精度,建立改进BP神经网络和Petri网对比故障识别精度。结果表明,深度置信网络可以通过实时分析配电网实时监测数据,准确辨识配电网故障类型,提高了配网故障诊断的准确率和速度。     

黑河流域梯级水电站群机组远程监控与故障诊断系统

为了确保水轮发电机组的安全稳定和经济运行,提出了基于Internet/Intranet开放式结构的水轮发电机组远程监测与故障诊断系统,并对系统的设计原则、网络化体系结构、机组测点布置、传感器选型及系统的功能做了详细的分析。该系统实现了水轮发电机组信号的数据采集、数据分析和处理,并能通过Internet/Intranet进行故障诊断。实际应用表明,该系统兼具技术的先进性和实用性,运行稳定可靠,具有良好的应用前景。     

基于深度学习框架的供水管网压力异常实时诊断方法

为有效减少供水管网的漏失,诊断异常压力数据十分必要。在数据采集与监视控制(SCADA)系统中引入异常诊断模型,提出一种基于深度学习框架的异常诊断方法。该方法先利用卷积神经网络模型(CNN)对压力进行预测,再计算压力预测值与实际值的误差并进行离群点诊断,若异常值持续时间较长,则可能发生漏失。以D市供水管网模型为例,利用该模型对16个监测点压力数据进行诊断并与ARIMA诊断模型进行对比。结果表明,CNN模型能够准确地诊断供水管网的压力异常数据。     

Application of an adaptive neural network with symbolic rule extraction to fault detection and diagnosis in a power generation plant

Artificial neural networks have a good potential to be employed for fault diagnosis and condition monitoring problems in complex processes. In this paper, the applicability of the fuzzy ARTMAP (FAM) neural network as an intelligent learning system for fault detection and diagnosis in a power generation plant is described. The process under scrutiny is the circulating water (CW) system, with specific attention to the conditions of heat transfer and tube blockage in the CW system. A series of experiments has been conducted systematically to investigate the effectiveness of FAM in fault detection and diagnosis tasks. In addition, a set of domain rules has been extracted from the trained FAM network so that its predictions can be explained and justified. The outcomes demonstrate the benefits of employing FAM as an intelligent fault detection and diagnosis tool with an explanatory capability for monitoring and diagnosing complex processes in power generation plants.     

水电工程边坡安全监测实时在线预警系统研究

针对现有边坡监测信息管理的实时性、灵活性、通用性较差且可视化程度较低的问题,基于监测数据自动采集方法、监测成果网络发布方法、监测预警方法等系统相关技术方法研究,采用MySQL多平台网络数据库以及Apache跨平台Web服务器,以Microsoft VisualStudio.Net 2013为集成开发环境,建立基于网络的边坡安全监测实时在线预警系统,实现了监测信息和数据的远程实时共享、在线分析管理及三维可视化分析,并成功应用于实际工程中,为边坡工程变形监测提供了更高效的监测和预警分析平台。     

网络化汽轮机组远程监测及故障诊断系统的研究

针对火电机组状态监测和故障诊断方面存在的不足，提出了建立省级故障诊断中心，并研究开发了网络化汽轮机组远程监测及故障诊断系统，已应用于生产实际，在汽轮发电机组运行和维修中发挥了重要作用。介绍了该系统的体系结构、软件结构、网络技术及特点，并给出应用实例说明其实用性和有效性。图7参1     

基于BP网络的水轮机调节系统状态监测与故障诊断

提出了一种基于参数的水轮机调节系统状态监测和故障诊断方法,并设计了基于BP人工神经网络的实现模型,对该方法中用到的数据处理技术做了深入研究,为水轮机调节系统的状态监测和故障诊断研究提供了一种新思路。     

船舶柴油机故障诊断专家系统研制

结合神经网络和D-S证据理论,采用JAVA作为开发工具,JESS作为诊断工具,研制开发了柴油机故障诊断专家系统.系统可根据推理模型,结合历史数据和柴油机实时监测数值,在柴油机发生故障时,显示故障的有关信息、故障的可能原因以及维修建议.     

拱坝横缝监测数据反馈分析

为探究拱坝施工期横缝的工作性态,采用SOM神经网络对监测数据进行模糊聚合分类,依据分类 结果标识输入样本,进而利用Elman神经网络诊断分析测试样本,并以溪洛渡高拱坝横缝监测数据为例进 行实例验证。结果表明,在误差分析过程和诊断结果精度等方面该方法具有良好的适应性和稳定性。