首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 113 毫秒
1.
介绍以汽轮发电机组为对象而研制的振动监视与故障诊断系统。该系统集信号处理、数据分析与故障诊断于一体,既能实时监视机组运行工况,又能分析机组运行数据,并对故障进行精确诊断。它能广泛应用于各类汽轮发电机组的振动监视与故障诊断  相似文献   

2.
水轮发电机组状态监测与故障诊断系统研究   总被引:1,自引:0,他引:1  
本文设计了水轮发电机组状态监测与故障诊断系统的结构,并针对此结构设计了相应的硬件与软件。该系统可以实时记录机组运行中的振动、摆度等数据,并以图形和表格的形式反映给用户。本系统还包含故障诊断专家系统,系统能根据所测数据及时诊断出机组的故障,并自动生成报告。该系统已在索风营等多个电站投入运行,结果表明该系统能准确反映机组运行情况,对机组故障做出准确的诊断。  相似文献   

3.
水力机组在线振动监测分析系统研究   总被引:3,自引:0,他引:3  
结合岩滩水电站振动监测项目提出一种新型的水轮发电机组振动在线监测分析系统,它是以工业PC机为主体,与摆度,振动传感器及有关功能模块和信号预处理器共同组成的机组振动在线监测分析系统。利用该系统,能连续地在线监测机组故障的缓慢变化发展过程,以便为状态检修提供良好的依据。  相似文献   

4.
针对机组振动故障的性质,重点采用消除支撑系统自身缺陷和降低扰动力,这是治理故障的核心关键。经运行实践检验证明:机组的振动故障已基本得到治理。  相似文献   

5.
水电机组振动信号的子带能量特征提取方法研究   总被引:8,自引:0,他引:8  
通过分析引起水电机组振动故障的各种原因及其频率特征,综合采用小波分析和傅立叶变换方法对机组振动信号进行了预处理,提出了对机组振动的各频段信号进行子带能量特征提取的方法,从而为准确地诊断机组的振动故障和引起故障的原因提供了依据。  相似文献   

6.
针对水力机组运行过程中因振 动而引起故障并造成经济损失这一问题,开发了一套新型的振动监测及故障诊断系统,它以 工业PC 机为主体,与摆度、振动传感器及有关功能模块和信号预处理器共同组成机组振动 在线监测分析系统。利用该系统对机组振动的周期性监测,能够在线监测机组缺陷的缓慢变 化过程,为视情检修提供良好的依据,同时也为机组运行调度提供可靠的信息。介绍了该系 统的硬件及软件组成、原理及功能,并结合实例运用小波分析与傅里叶分析相结合的信号分 析方法,对机组故障进行了分析诊断,找出了故障原因。  相似文献   

7.
汽轮机发电机组振动故障诊断专家系统的知识范围   总被引:7,自引:1,他引:7  
于文虎  倪维斗 《中国电力》1996,29(10):24-28
在总结100多台次机组振动故障现场处理经验基础上,归纳了汽轮发电机组振动故障特征,进而提出了构成机组振动故障诊断专家系统知识范围的5个充分必要部分,为建立自动故障诊断系统及逐步由振动类型诊断提高振动原因诊断提供了依据。  相似文献   

8.
随着高参数大容量汽轮发电机组的广泛投运,多转子、长轴系等因素引发轴系不稳定造成的异常振动问题突出,威胁机组安全稳定运行。研究因支撑系统稳定性不足引起机组异常振动的力学特征和处理方法,通过对机组振动数据进行分析,找出导致轴系稳定性下降的原因,结合机组检修对高中压转子扬度进行优化调整,提高轴承在高负荷时的稳定性,采用精准现场高速动平衡方法进一步减小转子激振力,消除机组异常振动故障。试验研究证明该振动处理方法是有效的,可为同类型振动故障的诊断与消除提供参考。  相似文献   

9.
汽轮发电机组运行状态实时监测与诊断系统   总被引:1,自引:0,他引:1  
介绍一个基于Bently振动监测系统二镒开发而成的汽轮发电机组运行状态实时监测与故障诊断系统。它兼有振动数据采集和其它热工参数的采集功能,并通过数据的分析处理实时监测机组的运行状态,在专家系统故障诊断知识库的指导下,对运行异常的原因进行了诊断推理。系统能实现运行状态实时监测显示,报表打印,自动报警,事故数据保存,故障原因,诊断故障处理的对策等功能。  相似文献   

10.
以水电机组的实际振动故障作为诊断样本,使用基于均方差的夹角余弦方法进行水电机组振动故障诊断,获得最终的诊断结果。诊断实例表明,基于均方差和夹角余弦的水电机组振动故障诊断方法是有效的,能很好地提高诊断水电机组振动故障的准确性,有较好的实用性。  相似文献   

11.
在阐述电网故障诊断必要性和重要意义,以及分析目前电网故障诊断实际现状和实现条件的基础上,提出了一基于故障信息系统平台的面向区域电网的故障诊断系统,给出了其具体的实现方案,并按照电网故障后事故处理流程以及故障信息的层次性等特点,设计了诊断系统的主要功能模块,以此来满足电网事故后分析的各层次的功能需求.文中就诊断知识挖掘、故障简报形成、故障时序分析模块的功能、算法以及难点等方面做了详细论述。  相似文献   

12.
一种基于故障录波信息的调度端电网故障诊断系统   总被引:2,自引:0,他引:2       下载免费PDF全文
顺应电力系统自动化的发展潮流,开发了一种基于故障录波信息的调度端电网故障诊断系统软件,总体上分为数据库模块、系统管理模块、故障诊断模块、故障信息分析模块、保护和开关动作行为评价模块等功能模块。分别介绍了各模块的工作原理,并对故障诊断模块进行了详细的分析。  相似文献   

13.
基于人工免疫系统的电路小样本故障诊断方法   总被引:2,自引:0,他引:2  
针对常规电路故障诊断方法存在的故障样本需求大的问题,基于免疫系统的阴性选择机理,提出了建立人工免疫系统实现电路小样本故障诊断的新方法。该方法仅需电路正常模式测试数据加一组故障模式测试数据为样本,生成随机检测器,再运用变异实值否定选择算法优化随机检测器,结合基于故障样本生成故障类型检测器构成人工免疫系统的故障检测器,并采用二次匹配方法完成电路的故障诊断。对ITC’97的CTSV滤波器电路的故障诊断表明,该方法可应用于小故障样本场合下的电路故障诊断,具有较高的实际应用前景。  相似文献   

14.
输电网故障诊断研究综述及发展   总被引:5,自引:0,他引:5       下载免费PDF全文
在深入分析输电网故障诊断信息结构的基础上,综述了目前此课题国内外研究现状。并且,以一个简单的诊断实例为基础,详细地分析了各类诊断模型的思想和特点。最后,基于现有的研究成果,结合电网、信息技术等各方面的发展现状,指出当前研究缺陷的同时,预测分析了下一步输电网故障诊断研究的发展方向。  相似文献   

15.
三种变压器故障诊断方法比较研究   总被引:4,自引:1,他引:4  
变压器常规诊断的油中溶解气体的三比值法(IEC),在目前变压器故障诊断中有着广泛的应用,许多人工智能技术在电力变压器故障诊断中的应用都是基于IEC法进行研究的,并在此基础上提出了基于神经网络和模糊神经网络的变压器故障诊断专家系统。该文将传统IEC三比值法、神经网络法和基于IEC三比值法的模糊神经网络法进行了比较。本文结合实例对这三种诊断方法进行了分析与探讨,指出了传统的IEC三比值法的不足,神经网络法和基于IEC三比值法的模糊神经网络法的优点等。  相似文献   

16.
针对电力无线专网广覆盖、功率受限等问题,需要后台实时采集网络状态并对网络故障智能诊断。文中利用固定位置通信终端作为网络状态采集装置实时监测网络关键性能指标,提出了一种基于最小化路测数据的网络故障统计分析框架,并基于Softmax神经网络构建了故障智能诊断模型。文中提出的性能指标统计分析框架能够有效甄别出网络质量劣化程度,故障识别准确率达到89%以上。该方案能够有效提高电力无线专网故障诊断实时性,降低网络运维成本,具有一定实践指导价值。  相似文献   

17.
通过对船载测控系统中传动减速箱的振动信号频谱提取方法研究,提出了基于频谱分析的减速箱故障诊断方法。利用计算机辅助仿真对减速箱中太阳轮缺齿故障进行了数据模拟,得出了具有较强抗噪声干扰能力的故障诊断特征,并对太阳轮局部缺齿损伤进行故障诊断试验。结果表明:该故障特征能较好地诊断出传动减速箱系统的齿轮故障。  相似文献   

18.
应用贝叶斯网络模型的电力系统故障诊断   总被引:2,自引:0,他引:2  
遗传算法应用于电力系统故障诊断的一个难题是如何建立合理的数学模型。针对这一难题,建立了基于元件的贝叶斯网络故障诊断模型,并通过一定的推理规则,根据贝叶斯网络形成遗传算法的目标函数,用遗传算法进行优化求解。在应用遗传算法时,对传统算法进行了一系列的改进,改善了算法的收敛性能,提出了在迭代过程中推测不完备信息的方法,增强了算法对于大量不完备保护信息的处理能力。大量算例表明了所述方法的合理性和实用性。  相似文献   

19.
基于小波包变换预处理的模拟电路故障诊断方法   总被引:10,自引:4,他引:10  
阐述了利用神经网络进行模拟电路故障诊断的方法 ,并在此基础上提出了一种新的改进方法———基于小波包变换预处理的神经网络故障字典法。这两种方法对于模拟电路故障诊断都是有效的。但是 ,由于基于小波包变换预处理的神经网络故障字典法利用小波包对电路的输出样本进行了预处理 ,所以它比直接采用神经网络故障字典法进行故障诊断所用的神经网络规模小 ,收敛速度快。  相似文献   

20.
分析电机振动和噪声产生原因的主要途径是依靠频谱分析,本文详细介绍了利用LabVIEW提供的快速傅立叶变换(FFT)组成的电机故障专家系统,对电机的振动和噪声进行频谱分析和故障诊断的方法.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号