凝汽器故障诊断的模糊交互熵算法

针对凝汽器故障诊断中的复杂性和不确定性,对凝汽器故障征兆集与故障论域进行改进。基于信息论中模糊交互测度(fuzzy cross entropy method,FCEM)的概念,提出一种广义的距离测度,计算凝汽器典型故障模糊模式与未知故障模糊模式之间的差异程度。通过对典型故障集的细化和扩充,提高了故障诊断的准确率。最后,将该方法用于600和300 MW火力发电厂汽轮机组凝汽器故障诊断中,结果表明该方法准确率达95%以上,且易于工程实现,证明了该方法的有效性。     

模糊理论在凝汽器故障诊断中的应用

以模糊理论为基础 ,结合凝汽器实际运行状况和现场专家经验 ,分析了故障与征兆之间的模糊关系 ,形成了凝汽器模糊故障诊断规则 ,并采用故障分解的方法 ,建立了凝汽器模糊故障诊断模型 ,最后用一具体故障诊断实例加以分析 ,验证模糊理论及方法在凝汽器模糊故障诊断中的应用     

概率因果网络在汽轮机故障诊断中的应用

在分析了汽轮机振动故障特点的基础上,提出了用遗传算法进行汽轮机等旋转机械故障诊断问题,定义了遗传算法求解故障诊断问题的概率因果网络,给出了求解故障诊断的数学表达式和适合汽轮机等旋转机械的故障集、征兆集、因果强度和先验概率表。建立了汽轮机故障诊断模型指出表达式的最小值的集合对应于故障集和征兆集,该模型能有效地识别出汽轮机的多故障,弥补了专家系统和神经网络等诊断方法不能正确诊断多故障的不足。     

基于专家系统开发工具的汽轮机振动故障多征兆模糊诊断方法

提出一种基于专家系统开发工具(CLIPS)的汽轮机振动故障多征兆模糊诊断方法,研究了多征兆模糊规则的诊断知识表示及规则结论的可信度组合,使用Visual C 和CUPS开发了火电厂汽轮机振动故障诊断专家系统.该系统能根据汽轮机振动现象进行故障诊断,先通过频谱振幅信息进行初步诊断,再利用多征兆自动诊断和人工模糊诊断相结合的方法,选择出现的故障征兆,确定各征兆的发生程度,进一步缩小故障范围.诊断实例验证了该系统的可靠性.     

1000 MW机组凝汽器低真空故障特征向量的提取及应用

针对某1000 MW机组的低真空问题,确定故障集和征兆集,在判别引起真空急剧下降与缓慢下降的基础上,分类建立各征兆参数状态量化值的计算模型,并通过该机组仿真机的模拟试验得出了机组的凝汽器低真空故障特征向量。据此应用BP神经网络建立该机组的凝汽器故障诊断模型,对机组的低真空故障进行诊断。结果表明根据仿真机试验得出的1000 MW机组凝汽器故障领域特征向量,在实际机组运行中可用于凝汽器故障诊断。     

基于模糊模式识别的凝汽器故障诊断研究

分析了凝汽器工作过程及故障机理 ,建立了凝汽器典型故障集、征兆集及典型故障特征向量集合 .应用模糊模式识别方法及最大隶属原则 ,建立了凝汽器故障诊断模型 ,并以实例验证该模型识别故障的准确性 .实践证明 ,该模型简单实用 ,能有效地识别凝汽器故障     

基于模糊神经网络的凝汽器故障诊断及其性能监测

凝汽器是凝汽式汽轮机的主要辅助设备,其凝汽器系统运行中出现故障的原因与故障征兆之间是非线性关系,具有复杂性、模糊性和随机性,难以用数学公式表示。针对此情况,结合模糊理论与神经网络2种故障诊断方法的优势,提出采用串联型模糊神经网络为凝汽器故障诊断模型,用Matlab 6.5矩阵式运算语言开发故障诊断及其性能监测软件。故障诊断软件包括征兆参数的获得、故障诊断及结果柱状图显示;性能分析软件主要是相关参数的计算及正常与变化工况曲线的比较。给出了某电厂100 MW汽轮发电机组诊断实例。     

汽轮发电机组振动故障诊断的粗糙集模型

在机械故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题。文中提出了一种基于粗糙集理论的汽轮发电机组振动故障诊断模型。该模型从包含冗余和不一致信息的原始数据出发,利用遗传算法实现了故障征兆属性约简;然后通过给出的值约简算法进一步产生了带有置信度和覆盖度的最大广义决策规则集,建立了用于故障诊断的规则库。在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据提出的规则进行综合评价,并得出诊断结论。最后给出了该诊断模型的一般结构。     

基于神经网络与遗传算法的汽轮机组数据挖掘方法

针对当前专家系统知识获取瓶颈的难题,提出了基于神经网络与遗传算法的汽轮机组数据挖掘方法。将汽轮机组历史故障数据首先进行模糊化及离散化处理,接着构造一个多层的前向神经网络,然后通过教师示教的方式训练构造好的神经网络,最后进行基于遗传算法的神经网络优化。以神经网络为知识本体,提出了汽轮机组故障诊断分类规则的挖掘算法,其实现过程有4个步骤:计算效果度量矩阵;提取规则;计算规则权重;基于遗传算法的规则修剪。实现了基于神经网络与遗传算法的汽轮机组数据挖掘和故障诊断仿真系统,其诊断正确率达到了84%。     

基于神经网络的凝汽器故障诊断系统

凝汽器是汽轮机的一个重要的辅助设备，本文提出了一种基于神经网络的凝汽器故障诊断方法，该方法具有较强的故障模式识别能力，为凝汽器故障诊断的自动化、科学化提供了一种有效的方法。     

基于粗糙集理论的真空断路器故障诊断方法

真空断路器的故障和征兆总是存在着随机性、模糊性和不确定性。以粗糙集理论为基础的,用于真空断路器故障诊断。通过以故障征兆为条件属性集,以故障为决策属性集,建立故障诊断的决策表,通过约简决策表,剔除冗余条件属性,建立起征兆与故障的决策规则,从而快速、准确地诊断真空断路器的故障。     

一种基于模型模拟电路模糊故障诊断方法

文中提出了一种基于模型的模拟电路故障诊断方法。它以节点电压为测试量,将元件故障及节点的故障电压模糊化,根据电路的拓扑结构,以节点为基点,以节点电压传递为纽带建立模拟电路的故障模型,以模拟贴近度为判断依据来进行故障诊断和选择最佳测试点,并将测试得到的新的信息不断吸收进去,从而快速而有效地诊断出故障,它利用了模糊量的冗余性,克服了容差的影响,不仅能对硬故障,而且对软故障都能较好地定位到元件级,同时又可在线或离线诊断,文中给出了一个直流电路故障诊断的实例,所得的结果是令人满意的。     

基于加权粗糙集的代价敏感故障诊断方法

在故障诊断领域，粗糙集已成为一种有效的不一致信息处理工具，然而当故障诊断存在明显的诊断代价差异时，经典粗糙集方法由于无法考虑先验知识而不能取得满意的效果。通过引入样本对象的主观加权，该文提出加权粗糙集的学习方法，设计了加权属性约简和加权规则提取算法，为粗糙集学习提供一种引入先验知识的途径。基于提出的加权粗糙集学习方法，开展了代价敏感故障诊断的研究，并进行了汽轮机振动的代价敏感故障诊断实验。实验表明，基于加权粗糙集方法的代价敏感故障诊断能优先选取高代价故障的关键征兆，并且使提取的规则集中高代价故障的规则具有更高的规则支持度和可信度，当诊断存在不一致的情况下，该方法倾向于将故障诊断为高代价故障，从而降低诊断代价。     

发电机绝缘故障模糊诊断专家系统的设计

一台大型发电机是一个复杂系统，由于其绝缘故障与征兆之间的关系模糊复杂，因此很难用精确的方法来诊断。为此，在SJY—1射频监测仪支持下，提出用模糊推理的方法来诊断发电机的绝缘故障。然后，给出了用于模糊诊断的模糊量词修饰词的量化表、征兆隶属度的初始假设公式和推理确信度的计算公式，并设计了一个切实可行的基于模糊产生式规则推理的故障诊断系统。实践表明，用射频监测技术和模糊诊断技术对发电机绝缘状态进行监测和诊断是有效的。     

基于规则和本体的汽轮机故障分析

将谓词逻辑引入汽轮机故障分析系统中,首先将事实和规则化为与或形,接着采用最一般合一算法对子句集替换合一,最后采用归结原理对汽轮机的故障进行分析.同时,提出采用基于知识本体的推理方法来解决模糊知识的表达和推理问题.采用SPARQL语言和Jena推理机进行模糊知识的推理.SPARQL语言使用SQL语句的查询形式,并提供知识本体查询功能,在本体中,所有的知识都是三元组的形式(),SPARQL只查询本体库中存储的三元组,没有推理功能.因此,把SPARQL查询嵌入在Jena推理机中,通过推理得到隐含的模糊知识三元组.实现了基于规则和本体的汽轮机故障分析仿真系统,其诊断正确率达到89%.该系统具有很高的效率及容错能力.     

基于粗糙集与模糊规则的变压器故障诊断方法

引入了一种基于粗糙集约简并结合模糊规则的方法进行变压器故障诊断。该方法从变压器故障判别表出发,首先使用粗糙集理论进行决策表约简,在保持故障判别表分类能力不变的条件下,去除了变压器故障诊断知识中大量的冗余特征,然后结合模糊集合理论和模糊推理,计算出各个约简后的决策规则的模糊隶属度,最终得到故障类型的判断。实例表明,本方法可以有效地进行模糊推理并得到正确的诊断结果。     

模糊c划分结合遗传算法诊断机组振动多故障

为很好地解决汽轮发电机组经常同时发生多种振动故障的问题,考虑到模糊c划分极易陷入局部最优的缺点以及遗传算法全局寻优的优点,提出了结合两者的机组振动多故障诊断新方法。它将模糊c划分的求极小值问题转化为遗传算法的求最大值问题,并用分类系数和平均模糊熵加以判别。经大量诊断实例分析证明,该方法既可正确判断汽轮发电机机组的单一故障,又可有效诊断振动多故障,诊断的可靠性和实用性较高。     

模糊粗糙集理论在变压器故障诊断中的应用

提出一种改进的三比值变压器故障诊断方法。以模糊粗糙集为数学基础建立信息决策系统,采用数据挖掘技术解决这一建立过程中的若干问题。考虑到信息源的连续取值对模糊粗糙推理的影响,利用模糊集方法处理连续取值型属性。利用数据库知识发现技术挖掘数据库中隐含的聚类信息,设置属性的模糊取值并确定隶属函数。并在此基础上基于包含度对模糊规则进行约简和剔除。设计了适用于模糊粗糙规则提取的数据挖掘算法,从数据库中提取规则,按属性集建立多表决策库的拓扑结构。诊断结果表明,该决策库故障正判率较高,模糊判断规则适应现场条件。     

基于自组织模糊神经网络的汽轮发电机组振动故障诊断系统

针对目前汽轮发电机组振动故障的模糊诊断系统精度较低的问题,将模糊理论与神经网络技术结合,构造了适合于大型复杂系统故障诊断的自组织模糊神经网络系统的体系结构.在此基础上,提出了一种新型的样本模糊自组织方式,利用快速傅里叶变换(FFT)分析方法和图形分析法提取足够多的故障征兆,再采用聚焦式模糊分段算法对故障征兆进行模糊化处理,然后建立合理的训练样本库,并将经过确认的故障数据增加到标准案例库中,以提高整个系统的诊断能力.其中,聚焦式模糊分段算法对故障征兆中正常与不正常的转折部分进行非线性聚焦,即离正常与不正常的分界值越近时,故障征兆的特征抽取密度越大,使得原来模糊的分界部分被清晰化,大大提高了诊断精度.最后,以108DAI专用检测系统作为硬件支持,设计和实现了600 MW汽轮发电机组常见振动故障的模糊诊断系统,并利用现场故障数据验证了该系统的有效性.     

基于模糊理论的MOA故障诊断方法研究

为了对MOA进行在线诊断,及时、准确地了解MOA的运行情况,本文将模糊理论应用于MOA的故障分析中,介绍了模糊诊断技术的基本原理并总结了MOA模糊诊断模型建立的一般步骤。根据MOA运行过程中的常见故障及故障与征兆之间的模糊关系,确立了MOA的故障集、征兆集、隶属函数、模糊诊断矩阵、模糊算法和故障诊断原则。实例验证表明:该诊断模型算法简单,易于编程实现,诊断结果准确度高,适用于MOA故障的在线诊断。