基于SA-PSO混合优化算法的燃气轮机气路故障诊断方法研究

为了对燃气轮机进行有效的气路状态监测和故障诊断,提出一种基于模拟退火与粒子群混合优化的燃气轮机气路故障诊断新方法.采用快速模拟退火算法设计粒子生成器,用生成的初始粒子群进行全局的粗糙搜索,再利用粒子群算法对特定区域进行重点搜索,最终获得精确解.该方法结合了遗传算法的全局搜索能力和粒子群优化算法的高效率,比原始的粒子群优...     

燃气轮机气路故障诊断技术综述与展望

气路故障是燃气轮机的主要故障形式,对燃气轮机安全性和经济性影响重大,因此研究气路故障诊断方法至关重要。总结了国内外燃气轮机气路故障诊断技术研究的发展现状,并对各种研究方法进行了归类,分别讨论了基于模型、基于数据和基于知识方法进行故障诊断的优势、进展、适用范围及3种方法互相结合的可能性,重点介绍了近年来新兴的深度学习和融合诊断方法,最后探讨了该领域值得进一步研究的问题和可能的发展方向。     

基于RVM-ANFIS的燃气轮机气路故障诊断

为了提高燃气轮机气路故障诊断的准确率和效率,采用相关向量机(RVM)先对燃气轮机气路中的压气机、涡轮叶片和燃烧室进行故障划分。用自适应神经模糊推理系统(ANFIS)进一步对故障进行分类。实验结果表明,方法有很强的学习能力和特征提取能力,与支持向量机(SVM)、BP神经网络相比,能更加准确、快速地识别故障。     

基于模糊聚类分析的燃气轮机振动故障诊断研究

通过对燃气轮机振动故障的研究分析,提出一种基于模糊聚类分析的燃气轮机振动故障诊断实践方案。针对某海上平台石油作业区单轴燃气轮机的现场运行状况,通过比利时LMS信号采集分析仪进行目标机组的振动测试,运用模糊聚类分析原理对振动故障进行分类,并充分利用各种振动故障征兆,建立燃气轮机振动故障模糊关系方程,通过计算查找机组故障原因,更准确地进行燃气轮机的故障识别及诊断。通过现场验证,对于燃气轮机发电机组的可靠性运行产生一定的积极作用。     

基于Kohonen神经网络的燃气轮机故障诊断

针对基于热力参数的燃气轮机8种典型常见故障,根据Kohonen神经网络诊断的工作原理、诊断特征,研究了基于Kohonen神经网络方法在燃气轮机故障诊断中的应用方法,得出了Kohonen模型具有自学习功能,运算速度快,类型识别能力强的优点,是一种适合于燃气轮机分类故障较好的具有特色的神经网络。     

基于性能仿真模型和Bootstrap的燃气轮机气路故障预警算法

针对传统均值标准差阈值法不能用于变工况故障预警这一问题,以三轴燃气轮机的性能仿真模型为基础,提出了基于Bootstrap方法的气路参数波动比阈值计算模型,对三轴燃气轮机0.8以及1.0工况下的低压涡轮出口温度T₆进行故障预警研究,并与传统均值标准差阈值法进行预警结果对比。结果表明：该计算模型用于预警阈值计算的样本量更丰富、具有更高的可信度;其得到的预警阈值单值图,在燃气轮机与样本数据运行情况较为一致时可作为燃气轮机的固有属性,对于变工况故障预警及运行情况较为相近的燃气轮机故障预警同样适用;预警阈值偏差仅为-0.015%,相较于传统的动态阈值法减少了计算量。     

基于滤波阵列的燃气轮机气路故障诊断研究

针对燃气轮机故障诊断过程中诊断精度不足,卡尔曼滤波易出现“弥散”现象的问题,提出了一种基于滤波阵列的燃气轮机气路故障诊断方法。该方法首先构建了一组基于健康参数调度的平衡流形展开模型阵列,然后结合平方根容积卡尔曼滤波对气路部件健康参数进行了实时估计,最后通过隔离因子实现了对故障部件的检测与隔离。仿真表明：该方法有效解决了卡尔曼滤波在故障诊断过程中出现“弥散”现象的问题,针对燃气轮机气路部件突变故障,能够有效实现故障的检测、隔离与估计。     

基于BP神经网络的燃气轮机冷热部件故障诊断

为解决燃气轮机故障诊断中可测参数难以直接反映机组故障状态的问题,在分析燃气轮机冷热部件组成和故障判据的基础上,提出利用小偏差方程建立并求解燃气轮机故障数学模型,并结合故障判据寻找可测参数与性能参数的关系,确立从可测参数到性能参数,再到故障原因的诊断思路。另外,将BP神经网络作为故障诊断工具,通过向网络中输入8个机组可测参数来实现智能故障诊断,为燃气轮机的快速精确诊断提供了可参考的思路和方法。     

基于改进型强跟踪卡尔曼滤波的燃气轮机组气路故障诊断研究

针对燃气轮机组气路故障诊断易受时变噪声干扰以及突变故障诊断精度不高等问题,本文提出一种基于改进型强跟踪卡尔曼滤波的燃气轮机组气路故障诊断方法。该算法通过引入气路部件先验知识,合理分配各通道的调节作用,从而提高了气路故障诊断的精度以及动态响应速度。以PG9171E型燃气轮机为研究对象,分别利用EKF(扩展卡尔曼滤波)、STF(强跟踪滤波)以及ISTF(改进型强跟踪滤波)对常见气路故障进行诊断,结果表明ISTF算法同时兼具良好的响应速度以及较高的精度。     

基于人工蜂群算法优化支持向量机的燃气轮机故障诊断

针对基于SVM(支持向量机)的故障诊断方法中支持向量机的参数难以选取导致诊断结果较差的问题,采用ABC(人工蜂群算法)对支持向量机的惩罚因子C和核函数参数σ进行优化;并构建了ABC-SVM(人工蜂群优化支持向量机)对燃机涡轮叶片故障进行诊断。诊断实例表明,该方法诊断准确率达到96. 43%,具有很好的诊断效果,为燃气轮机故障诊断提供了一种新的方法,具有实际应用价值。     

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。     

基于注意力机制的燃气轮机故障诊断方法研究

针对目前燃气轮机基于数据驱动的故障诊断技术诊断精度有待提升的问题,建立某型号燃气轮机的热力学模型并植入故障特征构造训练样本,在此基础上训练一种基于注意力机制的卷积神经网络与长短期记忆网络结合的神经网络模型。卷积层和注意力机制模块提取燃气轮机多维度的故障特征,长短期网络层进行时序动态故障参数处理。研究表明：相比于典型卷积神经网络,这种神经网络模型不仅能够识别多种故障的动态特征,对于各类故障的诊断能力均可达到93%以上,且加入注意力机制模块后对于不同的故障类型诊断准确率最高提升约3%。     

燃气轮机故障诊断技术研究综述与展望

研究先进的故障诊断技术对燃气轮机精确测定系统内的故障是其主要的发展方向,这对提高燃气轮机的经济性能具有重要的意义。介绍了国内外燃气轮机故障诊断技术研究的发展现状,并对各种研究方法进行了归类,分析了各自的特点并对其前景进行了展望。     

基于混合算法的燃气轮机多传感器故障诊断

为解决卡尔曼滤波算法难以实现燃气轮机多传感器故障诊断的难题,提出一种基于混合算法的燃气轮机多传感器故障诊断方法。首先,基于平方根容积卡尔曼滤波（SRCKF）算法构建了一组滤波器,每个滤波器对状态的最优估计被定义为故障检测因子用于传感器故障的特征提取;然后,利用基于密度的聚类算法对故障检测因子进行聚类以实现故障传感器的检测和隔离;最后,利用极大似然估计方法（MLE）实现故障传感器故障严重程度的估计。所提出的方法在GT25000三轴燃气轮机模拟机上进行了仿真验证,仿真结果表明：所提方法有效,多传感器故障诊断的准确率高于95%。     

基于支持向量机的燃气轮机故障诊断

分析燃气轮机的8种典型常见故障,建立了基于支持向量机的故障诊断模型,用实例计算证明其有效性。同时和神经网络方法对比后发现：在小样本情况下,支持向量机方法的计算结果比神经网络要好,推广能力更强,而且效率高于神经网络。本方法针对故障诊断样本少的特点,为建立智能化的燃气轮机状态监控和故障诊断提供了一种新的途径,具有广泛的实用价值。     

基于模糊神经网络的机械故障诊断研究

将模糊分类和传统神经网络相结合,建立了模糊神经网络（ＦＮＮ）故障诊断模型,并将该模型应用于透平机械故障诊断,同时在模糊神经网络的输出中引入故障概率因子,分析表明ＦＮ怕性能优于传统ＢＰ网络。