汽轮发电机组故障诊断从模糊自动诊断到ANN应用

旋转机械的大多数故障主要由振动信息反映出来，所以可依据振动信息采用模糊数学方法实现对故障的自动诊断。自动诊断仅是一种初步诊断，要实现邦联的精密诊断可以建立产生式诊断系统，产生式系统在规则库的管理维护、推理效率等方面在很多缺点和困难。神经网络的应用可以较好地解决这些特点和困难。神经网络在计算征兆隶属度、知识获取和诊断揄 春独特的优势。     

风力发电机组状态监测和故障诊断技术的应用研究

风力发电机状态监测是通过实时监测风力发电机运行状态,旨在发现潜在故障,预防事故的发生,进而提高风电设备的可靠性与安全性。由于风力发电机组长期运行在恶劣环境下,容易出现各类故障问题,为避免经济损失,保证风力发电机组稳定运行,做好实时状态监测和故障诊断至关重要。文章针对风力发电机组的运行以及故障处理等相关技术进行了分析,从发电机、齿轮箱、叶片、电气系统、液压传动系统状态监测和故障诊断几方面,研究了风力发电机组状态监测和故障诊断技术应用,以此确保整个系统安全稳定运行。     

风力发电机组故障诊断与预测技术研究综述

要想有效保证风力发电机组运行安全性和稳定性,需要对机组运行工作过程中存在的各种问题进行合理解决。该文首先针对风力发电机组在工作过程中产生的故障问题诊断方法进行分析和研究,同时提出相应的故障预测技术方法,全面提高风力发电机组的工作安全性和稳定性,提高风力发电质量,同时为后续类似工作的开展提供必要的参考和借鉴。     

模糊专家系统及其在汽轮发电机组故障诊断中的应用

提出了一种用于汽轮发电机组故障诊断的模糊专家系统,分析了人机界面、解释机、知识库及推理机四部分功能;通过研究诊断规则的前提条件、权系数、前提真度及模糊结论置信度的确定方法,实现了知识库中模糊产生式规则表达;研究了基于正向推理控制策略的模糊推理方法,并分析了诊断结果的冲突消解方法。通过对汽轮发电机组汽流激振故障的案例分析,验证了本文模糊专家系统的有效性,为汽轮发电机组故障诊断提供了一种有效可行的方法。     

可靠性理论在汽轮机发电机组故障诊断中的应用

介绍了可靠性理论中寿命数据分析理论、概率分布干涉模型和系统可靠性模型应用于故障诊断的数学模型，并给出了汽轮发电机组的应用实例。     

模糊理论在汽车空调系统故障诊断中的应用

阐述构建汽车空调故障诊断系统的目的,并以模糊理论为基础,分析汽车空调故障原因与故障征兆之间的模糊关系,建立汽车空调模糊故障诊断数学模型.最后以一个故障诊断实例进行具体分析,验证了模糊理论在汽车空调故障诊断中的可行性.     

消防安全保护系统在风力发电机组中的应用

风力发电近年来获得迅猛发展,风力发电机组消防安全问题也日益突出。分析了风力发电机组发生火灾的特性,在查阅国内外相关标准的基础上,总结了国内外有关风力发电机组消防技术的发展情况,指出开发设计更为完备的风力发电机组消防安全保护系统的必要性,提出综合消防保护系统设计方案,并对未来投入运营提出展望。     

风力发电机组性能分析的模糊综合评判方法

针对目前风力发电机组性能分析评价研究一般仅局限于某一方面，不能全面反应发电机组系统性能问题，本文利用模糊数学理论，探讨了从技术经济、功能设置、可靠性及维修性四个方面来综合评判风力发电机组系统性能的方法和过程。文中分析过程给出的为二阶模糊综合评判，具体分析时，阶数可根据实际情况有所增减，同时权重系数及模糊评判矩阵的确定应综合各方面意见。实际应用表明，将模糊综合评判用于风力发电机组的性能分析及评价是可行的．同时根据分析评判结果，可制定提高发电机组性能的技术措施。     

人工神经网络在汽轮发电机组故障诊断中的应用

论述了神经网络诊断方法与传统的诊断方法如Ｂａｙｅｓ统计诊断方法，模糊诊断方法及专家系统诊断方法等的差别，及神经网络在设备故障诊断中应用的优越性。然后通过对一实际汽轮发电机组的故障事例反复学习，最后建立起网络模型。通过实际验证该诊断模型具有很大的应用前景。     

变速风力发电机变流器故障诊断方法

大型变距变速风力发电机组状态的监测与故障的诊断是保证机组长期稳定运行和安全发电的关键。文章针对变速风力发电机组中的变流器电路模型非线性强的特点,利用神经网络非线性映射特性,提出了采用基于波形直接分析的BP神经网络故障诊断方法。该方法能动态监视风力发电机变流器并网电路的工作状态,实时在线进行故障诊断和快速分析,确定变流器故障的部位和性质,可缩短风力发电机的故障停机时间。实际运行结果表明,该方法对变速风力发电机组的状态监测与故障诊断是有效的。     

风力发电机组叶片故障诊断

风机叶片的裂纹和断裂是导致风机机组事故的重要因素之一,尽早诊断出风机叶片的故障部位与故障程度,对安全生产具有意义重大.本文将叶片振动信号作为研究对象,利用小波分解方法对其进行信号分解,并与时域和频域方法处理结果进行对比分析,得出诊断结论.仿真结果表明：小波分解方法可以更有效的获取故障特征信号,具有较高的故障诊断率.     

灯泡贯流式水轮发电机组稳定性测试与分析

对某电站灯泡贯流式水轮发电机组的运行状态进行了全面的综合性能测试,依据相关的技术标准进行了评价,划分了机组振动区域,对机组存在的问题提出了改进措施,为机组检修、运行提供了科学依据。     

基于专家系统的水轮机故障诊断研究

针对水轮机故障征兆与原因间的复杂关系,结合专家实际经验,采用模糊综合评判为推理方法,构建了故障诊断专家系统.应用实例表明,该系统推理准确性高、可信度好,并能满足水轮机故障诊断的有效性及实用性要求.     

小波包分析和神经网络在风电机组变频器故障诊断中的应用

由非线性电力电子装置组成的风力机变频器一旦发生故障,其故障特征信息不容易被提取和识别。为此,提出了一种基于小波包分析和Elman神经网络的电力电子装置故障诊断的方法,先运用小波包分析法提取电力电子装置电路在不同故障状态下电压及电流信号的特征信息,然后对数据进行归一化处理并作为Elman神经网络的输入,由具有智能学习功能的神经元故障分类器完成故障识别和定位。以典型的风力机交—直—交变频器为例,在Matlab软件下建立电路模型对一次侧故障进行仿真实验,结果表明采用该方法可以快速、准确地完成故障诊断。     

分布式水电机组故障诊断集成专家系统的研究

针对水电机组故障诊断的多样性和复杂性，将分布式人工智能技术引入机组故障诊断技术的研究，提出一种适用于水电机组的分布式故障诊断专家系统结构和组织方法；并在此基础上，利用神经网络技术、可视化技术和模糊技术，提出了一种新的故障诊断集成知识表示方式和推理生策略，并已应用于某水电厂分布式故障诊断集成专家系统中。     

基于灰色粗糙集理论的风电机组传动链智能故障诊断方法

风电机组的状态监测和故障诊断是保证机组长期稳定运行和安全发电的关键。风电机组传动链系统的故障种类繁多,原因复杂,其故障征兆、故障原因和故障机理之间存在着极大的不确定性。文中在其故障诊断过程中,首先利用粗糙集原理对其特征参数进行约简,去除冗余参数,再利用粗糙集理论定量确定各特征参数的重要程度;根据约简的特征参数和各参数的重要程度,利用灰色关联度分析方法确定标准故障状态与目前机组状态的关联度,从而找到其故障之处。实例计算表明：在风电机组的故障诊断中将灰色系统理论和粗糙集理论结合是一种有效的方法,为其今后开展智能故障诊断提供了理论基础。     

基于自适应高频谐波LMD法的风电机组故障诊断

针对实际应用中局部均值分解(LMD)法存在的模态混叠问题,提出了自适应高频谐波LMD法.分析了信号中异常事件对求取包络函数和均值函数的影响,将构造的自适应高频谐波加入到原始信号中,通过改变原始信号的极值点位置来抑制模态混叠现象.对含有典型异常事件的信号进行了自适应高频谐波LMD法和ELMD法仿真实验对比,验证了该算法的有效性和优越性.将该算法应用于风电机组传动系统故障诊断中,结果表明:采用该算法后,原有的模态混叠状况得到明显改善,并成功提取出轴系不平衡故障特征,可为风电机组故障诊断提供参考.     

一种基于主成分分析与支持向量机的风电齿轮箱故障诊断方法

为解决风电齿轮箱状态监测数据样本量较少,特征指标间存在相互干扰且具有非线性难以分类等问题,本文提出了一种基于主成分分析结合支持向量机的风电齿轮箱故障诊断方法。首先,采用主成分分析法(PCA)对原始数据进行降维,做出第1,2主成分二维图及前3个主成分三维图,表明PCA对监测状态数据具有一定的分类效果。其次,提取累计贡献率80%以上的前5个主成分作为数据集。最后,采用支持向量机(SVM)比较4种不同核函数的诊断准确度,并加入噪声验证。分析结果表明：径向基核函数构建的支持向量机总体分类精度达到97%,准确率最高;在含噪的情况下,线性核函数与径向基核函数分类精度达到94%;与MLP神经网络进行对比发现,支持向量机更适应小样本分析且测试精度较高。实例分析表明,主成分分析结合支持向量机有较好的分类效果,适用于风电齿轮箱故障诊断的工程应用。     

基于模糊Petri网的知识表示方法在燃气轮机故障诊断专家系统中的应用

给出了用模糊Petri网模型来表示燃气轮机故障诊断专家系统中模糊产生式知识库的方法,在此模型的基础上,给出了有效的推理算法,并举例验证其正确性和在燃气轮机专家系统中应用的可行性。图2参5     

燃气轮机多元模糊神经网络诊断模型的研究

对基于热力参数的燃气轮机8种典型常用故障，提出了一种亲的适用于燃气轮机故障诊断的多元模糊神经网络模型。用具有代表性的故障样本训练该网络，就可以对不同大气温度，不同负荷下的常见故障进行诊断。