人工神经网络在汽轮发电机组故障诊断中的应用

基于ＢＰ神经网络，结合船舶汽轮发电机组故障诊断问题，提出了一个适合于复杂、非线性系统的块层化神经网络诊断模型，并开发了一个诊断系统。通过实验优化了网络参数，经在某船舶汽轮发电机组进行的运行实验，验证了诊断模型高效的自组织、自学习能力。初步试验结果表明诊断系统是有效和可行的。     

汽轮发电机组故障诊断专家系统的研究与应用

介绍一个基于知识的汽轮发电机组故障诊断专家系统ＫＢＦＤＥＳ，系统采用“框架＋规则”知识表示技术，并将框架驻留在内存，而将规则驻留在虚拟盘上；在诊断过程中采用广义的不精确推理策略，并对重要信息用一个组合神经网络进行智能识别；系统将神经网络技术和ＩＤ３算法结合可以实现从诊断实例自动获取知识。     

汽轮发电机组在线状态监测与故障诊断系统

大型高速旋转机械是工业企业中的关键设备，跟踪监视这类设备的运行状态并及时有效地处理转子故障，具有重要的经济价值。本文针对故障诊断领域的特点研究建立了一个用于汽轮发电机组状态跟踪及故障诊断的专家系统。该系统能够时常见的转子故障提供状态跟踪分析及故障诊断功能。对复杂疑难的转子故障，则以其完备、灵活的数据管理功能，辅助人类专家的诊断工作。该系统采用Ｃ语言建立数据库，知识库及推理机，纪录并管理反映机组状态的各类参数及其历史趋势数据，采用模糊逻辑和证据理论方法，依据层次诊断模型，对机组故障征兆进行推理，并对结论作出详细解释。     

汽轮发电机组故障诊断专家系统的研究

建立一个基于知识的汽轮发电机组故障诊断专家系统ＫＢＦＤＥＳ，该系统采用“框架＋规则”知识表示技术，并将框架驻留在内存，而将规则驻留在虚拟盘上；在诊断过程中采用广义的不精确推理策略，并对重要信息用一个组合神经网络进行智能识别；系统将神经网络技术和ＩＤ３算法结合，可以实现从诊断实例自动获取知识。     

改进BP网络在汽轮发电机组故障诊断中的应用

关于汽轮发电机系统一定要保证可靠安全.研究汽轮机发电机组的故障快速诊断问题上,针对汽轮发电机故障具有多样性和不确定性,传统BP神经网络不能很好的识别这种特性,存在训练时间长、误差收敛速度慢的缺陷,故障诊断正确率低.为了提高汽轮发电机组的故障诊断准确率,提出一种附加动量法和自适应速率相结合的BP神经网络故障诊断模型.采用附加动量调整了BP神经网络的权值,加快了网络的收敛速度,用自适应速率动态地调整了学习速度,减少了迭代次数,最后利用得到的BP神经网络对故障进行了诊断.在matlab上采用实测汽轮发电机故障数据对故障诊断模型进行测试,相对于传统的BP算法,该算法不仅迭代次数少、学习速度加快,而且故障诊断准确率高.结果表明,有效地克服了传统的梯度下降的BP算法的缺陷,诊断结果可为保证汽轮发电机安全运行提供保障.     

汽轮发电机组在线数据采集装置的设计

介绍了一种自行开发的、为正确采集有效监测、及时分析汽轮发电机组在线数据的装置. 简述了总体设计的思想,详细论述了其中采集器的结构、工作原理和特点,并给出了成功应用的实例.     

设备故障诊断技术在汽轮发电机组上的应用

本文介绍利用设备故障诊断技术．解决汽轮发电机组的故障隐患,并以此阐述企业开展设备故障诊断的重要性和必要性,     

分布式柴油发电机组测试系统

为了在发电机组保养维护后进行功能和性能测试,保证维修的质量,设计了一种分布式柴油发电机组测试系统,其智能参数采集单元可测试发电机组运行时的各种参数,通过CAN总线网络完成采集、控制信号的传输和数据的交换;介绍了基于CAN网络的分布式测控技术的柴油发电机组测试系统原理、组成结构、运行加载,闸述了其软硬件组成、作用与特点;发电机组在运行过程中,其高压、大电流等会产生电磁干扰,对信号采集传输以及故障判断等造成影响,故系统采用了一系列的抗电磁干扰措施,经过运行实践,证明系统能很好地解决柴油发电机组调试、测试中的电磁干扰问题.     

基于多类支持向量机的汽轮发电机组故障诊断

故障诊断实现的瓶颈之一是故障样本的缺乏.支持向量机方法是专门针对小样本情况的,其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值.两类支持向量机(SVM)用于模式识别具有最优的推广能力,对于常见的多类识别问题,需要构造多类SVM.该文基于决策树的构造方法构成多类SVM(DTSVM),在小样本情况下对汽轮发电机组故障诊断进行了仿真研究,结果表明了该方法的有效性.     

基于VI技术的发电机组在线监测和故障诊断研究

从发电机组的运行行为出发，应用现代非线性理论对发电机组的非线性特征进行了分析，并进行了故障状态的分形维数计算，针对发电机组的各种故障特征，将网络技术，虚拟仪器技术，现代非线性理论融合为一体，利用基于虚拟仪器技术的LabVIEW开发平台，开发了网络环境下的发电机组在线状态监测及故障诊断系统，该系统经现场检验，操作简单，可靠性强，且诊断准确率高，该研究为解决发电机组的在线监测和故障诊断，提供了充分的理论依据和可靠的方法。     

基于信息融合技术的汽轮机故障诊断方法

针对单个神经网络的不足,以信息融合技术为基础,建立了集成神经网络故障诊断系统。该系统采用子神经网络从不同侧面对设备进行初步诊断,然后将各子神经网络进行决策融合。通过对汽轮发电机组的应用仿真,说明该系统充分利用了各种信息,提高了确诊率。     

基于遗传优化BP网络的汽轮发电机故障诊断

针对汽轮发电机组的振动故障诊断的特点,分析了BP网络和遗传算法原理和缺陷.为了克服BP算法中存在的网络学习速度慢,容易陷入极小的问题,在运用改进遗传算法的基础上,探讨了一种自适应遗传神经网络算法,并将其应用于汽轮发电机组故障识别.实验数据表明,该算法可以克服BP网络的不利影响,完成故障信号分析,收敛速度快,能有效地识别故障,具有一定的参考价值.     

涡轮风力发电机组监控系统

介绍涡轮风力发电机监控系统的总体方案及系统任务,阐述现地控制单元、中心监控单元的设计以及单元结构组成,并说明主控制器分别与智能电力测控仪和中心监控单元的通信方式及传输结构。     

基于深度置信网络风电机组变桨系统的故障诊断

针对风电机组变桨系统常见故障,提出一种基于深度置信网络(DBN)的故障诊断方法。设计出基于DBN的变桨系统故障诊断框架;通过堆叠多层受限玻尔兹曼机(RBM),对比重构数据与原始输入数据差异,研究了DBN故障特征自提取能力;将堆叠RBM提取的故障特征输入到顶层分类器中进行训练,得到故障诊断模型;最后采用风场真实故障数据集进行了验证测试。实验结果表明,采用该方法进行风电机组变桨系统故障诊断相比其他方法具有更高的准确率。     

基于故障树最小割集和最小路集的诊断方法研究

利用故障树的原理和方法,对基于故障树最小割集和最小路集的诊断方法进行了研究。首先给出了故障树最小割集和最小路集的数学描述,在此基础上开发了基于故障树最小割集和最小路集的诊断推理策略,最后提出了测点配置和优化的方法。     

汽轮机分布式远程监控系统设计与实现

本文介绍了基于汽轮机分布式远程监控系统设计技术,对系统的关键组成部分进行了较为详细的讨论。通过现场与远程端的计算机及其数据采集模块,可实现对现场汽轮机统一安全监控。系统组网灵活、可靠、易于维护,便于推广。从而能够提高汽轮机系统的安全性能和工作效率。     

基于粗糙集和支持向量机的机械故障诊断系统

提出了一种基于粗糙集和支持向量机(SVM)的机械故障诊断系统：首先将故障诊断决策系统中的连续属性值离散化；再基于粗糙集理论计算决策系统的约简，根据实际需要确定最优决策系统；最后在最优决策系统基础上设计SVM多分类器进行故障诊断。4135柴油机的实际故障诊断结果验证了所提出的粗糙集理论与SVM相结合的故障诊断系统的可行性。     

基于RSPNN的制粉系统故障诊断

针对发电厂制粉系统故障与征兆对应关系复杂及过程信息的不确定性及传统BP神经网络故障诊断的缺点,提出了基于粗糙集概率神经网络(RSPNN)的制粉系统故障诊断方法,以改善传统BP神经网络初始值敏感、易使学习过程陷入局部极小值以及样本数据过大时训练速度慢等问题。首先采用自组织映射神经网络(SOMNN)对连续样本数据进行离散化;再利用基于区分矩阵的HORAFA算法对离散化样本数据进行RS属性约简,并将约简结果作为概率神经网络(PNN)的输入;最后利用PNN作为诊断决策分类器,输出故障模式,并进行了仿真研究。仿真结果表明,该方法不仅优化神经网络的拓扑结构,降低神经网络的训练时间,而且能准确、快速地诊断制粉系统故障类型,同时对发电厂制粉系统及其相关设备的在线故障诊断问题有一定启发性。     

粗糙集与模糊神经网络集成在故障诊断中的研究

考虑模糊聚类的数据离散功能,粗糙集理论对决策系统的约简能力,以及模糊神经网络在模式识别方面具有的优势,提出了粗糙集一自适应模糊神经网络推理系统（ANFIS）集成进行故障诊断的方案：首先,应用SOM方法离散故障诊断数据中的连续属性值;然后,基于粗糙集理论计算诊断决策系统的约简,按照实际需要确定诊断条件;最后,根据系统约简设计ANFIS进行故障诊断。4135柴油机的实际诊断结果验证了文中提出集成故障诊断方案的可行性。在数据充分的条件下,该方案可以推广应用于其它机械设备。