基于大数据平台的水轮发电机组故障诊断系统

水轮发电机组是水电站的关键设备,它的运行状况直接关系到水电站的安全生产。目前对水轮发电机组运行状况的掌握大都通过装设的状态监测系统运行数据的分析比对和计划检修相结合的方式,但往往都是故障已经发生后才能予以发现,不能提前对设备运行工况进行预判。本文详细介绍了一种基于大数据平台的水轮发电机组故障诊断系统,该系统主要由数据处理平台、模型算法平台、可视化展示平台三部分组成,是一种基于大数据平台和互联网技术的典型应用。其主要通过挖掘水电厂现有计算机监控系统、状态监测系统等信息系统的实时及历史数据,再经过一系列关联算法提取这些数据中蕴含的丰富的价值信息来实现对机组的运行状况监视、健康评价、趋势预警、故障诊断、检修指导等。     

水轮发电机组振动监测及其在远程故障诊断中的应用

本文介绍了基于虚拟仪器技术研究而用实时嵌入式操作系统实现的水轮发电机组振动的监测系统．该智能实时远程故障诊断系统具有推广应用的价值。     

燃气发电机组状态监测及故障诊断监控系统研究

作者研发了一套燃气发电机组状态监测及故障诊断系统,本系统实现了燃气发电机组振动数据和性能参数同时采集,共同分析的功能,建立了振动故障诊断数据库,实现对燃气轮机主要部件的故障诊断.并通过对某油田现场的9台燃气发电机组进行测试,结果表明,本系统的软件功能和硬件功能可以满足燃气轮机状态监测及其故障诊断的要求.     

基于WSNs的水轮发电机组振动监测系统设计

开发了基于CC2430的水轮发电机组振动监测系统,讨论了无线传感器网络(WSNs)节点的软硬件设计、监控系统的软件设计及存在的问题和解决方案。通过实例应用表明:设计和开发的基于WSNs的水轮发电机组振动监测系统可靠、实用。     

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。     

混合故障诊断专家系统

对大型复杂生产系统进行状态监测和故障诊断难以用单一诊断理论和技术实现.将协同计算机网络、专家系统、神经网络和小波分析等先进理论和技术有机地结合起来,研究和构造了模块化的混合故障诊断专家系统,以实现对某钢厂大型复杂自动化冷轧生产线进行状态监测和故障诊断.研究结果表明,混合专家系统为大型复杂系统的状态监测和故障诊断提供了崭新而有效的技术手段.     

传感器及组态软件技术在水轮发电机组摆度和振动监测中的实际与教学应用

水轮发电机组的长期振动将导致机组部件材料疲劳严重时损坏机组,影响水轮发电机组安全运行和发电效益,而水轮发电机组故障均为渐变型故障,因此对水轮发电机组摆度和振动的监测就显得非常有必要.利用传感器及组态软件技术组成的水轮发电机组摆度和振动监测系统不仅可以有效地避免水轮发电机组意外事故,节约维修费用,对水轮发电机组具有十分重...     

风力发电机组状态监测系统研究

针对风力发电系统的运行要求,提出一种先进的状态监测与故障诊断系统,该系统以风力发电机组齿轮箱等设备的振动信号等实际测量信号作为信号源,利用自主研发的嵌入式微处理器对采样数据进行信号分析,并可通过远程计算机对机组运行状态进行在线监测;同时嵌入了视频、音频实时监控,可以实现工作人员对机组运行状态的全面、实时远程监控.该系统已在某风电场投入使用,其有效性和准确性得到了验证.     

风力发电系统监测管理与故障分析研究

广泛应用的风力发电系统对风力发电机组的维修和保养提出了更高的要求,在对风力发电机组故障隐患进行排查和预防性维修的过程中,状态监测及故障分析是不可或缺的重要手段。因此,在对风力发电机组监测管理与故障分析系统现状进行分析的基础上,阐述了相关状态监测与故障诊断的技术和方法,设计一种状态监测与故障诊断系统试验装置完成对风力发电系统故障问题的判断,为有效解决相关故障问题提供支撑。     

基于分形和FNN的水轮机组振动故障在线诊断*

水轮发电机组的故障诊断具有模糊性和耦合性,提出一种基于模糊神经网络FNN的水轮发电机组振动故障在线诊断方法。首先,对反映转子振动状态的轴心轨迹用分形维数提取其结构特征,实现图形量化,以便FNN在线识别;接着,以6种典型振动故障为研究对象,在总结了包括轴心轨迹在内4类共14种故障征兆的基础上,分析各故障征兆的模糊属性,给出它们的模糊处理;然后,建立一种六层的前向FNN映射征兆到故障间的模糊推理,并给出学习算法修正网络参数;FNN通过自学习可保证良好的在线诊断精度。实例分析结果验证了其可行性。