共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
利用神经网络的非线性映射,及其高度的自组织和自学习能力,将SOM网络应用于柴油机的故障诊断。利用夹持式传感器获得柴油机喷射系统的燃油压力波形,对波形进行时域分析和特征提取。根据所取得故障信息及其对应的故障类型来构造网络结构,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对故障进行判断。通过仿真实验验证SOM神经网络在柴油机故障诊断的正确性。经实例分析证明,该方法可对故障进行有效诊断。 相似文献
3.
提出了一个基于模糊隶属度和规则的分类层次诊断模型。针对该模型,首先以汽轮机通流部分故障为对象,讨论了层次分类的方法,根据结构和故障分解的原则建立了故障诊断树;其次根据热力参数的实际情况,选择模糊隶属度函数并确定隶属度函数的算法;最后综合这两种方法的优点,设计了故障节点的知识组织结构,把每个故障节点的知识库分成工况参数、初始证据源、证据模式、神经网络信息、模糊规则库、索引知识等6个部分。该模型既减少了故障判断的搜索数量,又把诊断所需的各种模糊不确定的知识用模糊神经网络的权重来表示,知识的获取通过模糊神经网络的训练进行,解决了知识获取的"瓶颈"问题。经过实际故障诊断验证,该模型对于通流部分故障诊断具有很好的适用性。图2表4参2。 相似文献
4.
5.
阐述了基于留格尔公式提出的特征通流面积概念的定义及计算方法,在IAPWS-IF97公式基础上,利用Vis-ual Basic 6.0平台初步开发了汽轮机组通流部分特征通流面积计算软件,并以国产600MW超临界机组为研究对象,对机组变工况下级组的特征通流面积进行了计算和分析。研究结果表明:汽轮机级组的特征通流面积在通流部分尺寸不发生变化时,其值保持不变,并且变工况下其计算精度能满足工程要求,可以作为机组通流能力及通流部分故障诊断的准则参数,为机组通流部分的状态监测与故障的精确诊断提供依据。 相似文献
6.
汽轮机通流能力诊断指标基准值的确定方法 总被引:1,自引:0,他引:1
《汽轮机技术》2014,(2)
利用特征通流面积进行汽轮机通流部分的故障诊断时,确定诊断指标的基准值是一项重要的基础工作。研究了汽轮机通流能力诊断指标基准值的选择方法,并且根据汽轮机级组特征通流面积的变化规律,将汽轮机通流部分分为调节级、中间级组和末级,对这三段分别选用不同的方法确定其基准值。 相似文献
7.
8.
9.
当汽轮机相对内效率降低时,有时很难判断出是由汽轮机本体通流部分故障直接引起的,还是由于回热系统出现经济件下降故障间接引起的,这就给汽轮机通流部分故障诊断基准值的确定带来了难度.为此,综合考虑汽轮机通流部分与回热系统的特点后,采用级组的相对内效率来评价汽轮机各段通流部分的运行状态,并根据各个级组相对内效率影响因素的不同,给出了不同级组相对内效率基准值的确定方法.运行中,将级组相对内效率的实测值与基准值进行对比,有利于快速确定引起汽轮机整机相对内效率降低的原因和部位,为汽轮机通流部分的故障诊断奠定了基础. 相似文献
10.
300MW汽轮机高压缸通流部分故障的热参数模糊诊断 总被引:6,自引:2,他引:4
分析了300MW汽轮机高压缸通流部分故障与热力过程参数的关系,提出了对汽轮机通流部分故障分层次模糊诊断的方法,并用电厂运行中采集到的实际故障参数对这种方法进行了考核,得到了比较满意的结果。 相似文献
11.
汽轮机转子与静子间的碰磨严重影响着机组的安全运行。为了解决汽轮机转子发生在早期和中期的碰磨故障难以通过基于振动信号检测诊断方法进行有效识别的问题,本文提出一种基于EEMD-LSTM的汽轮机转子碰磨故障诊断方法。首先,该方法通过声发射技术监测汽轮机转子的碰磨故障信号;然后,利用EEMD信号分解方法处理获取的声发射信号,并提取能量特征参数和相关的时域特征参数,从而获得碰磨故障特征数据集;最后,利用划分的数据集对LSTM神经网络进行训练与测试,从而获得碰磨故障诊断模型。工程应用结果表明,本文提出的方法能够有效识别机组在不同转速时期的早期碰磨故障,且故障诊断的准确率较高。 相似文献
12.
电站汽轮机组通流部分故障分析及诊断 总被引:2,自引:0,他引:2
该文研究了电站汽轮机组通流部分故障的特性并进行分类。讨论了建立热参数故障诊断知识库的方法。最后,给出了结垢故障的热力故障诊断表。 相似文献
13.
对于像电站这样的复杂工业过程,基于数学模型的故障诊断方法难以应用.为此,提出了一种基于动态时间归整(DTW)技术的故障诊断方法.该方法不依赖过程数学模型,而是基于过程数据分析来进行故障诊断,因而适合在电站生产过程中应用.首先,通过历史数据分析和过程知识,建立故障模式库.然后在故障诊断过程中利用DTW技术将检测样本与故障模式库进行模式匹配.最后根据相似性尺度找出故障模式库中与之最匹配的故障样本,从而得出诊断结果.以电站主汽温控制过程为例对该方法进行了仿真研究.实验结果表明,该方法具有较高的诊断精度,并对电站生产过程的时变特性具有良好的鲁棒性.图2表3参8 相似文献
14.
15.
大功率汽,轮机通流部分故障诊断特征规律的研究 总被引:2,自引:0,他引:2
介绍了汽轮机调节阀阀杆断落、喷嘴磨损、叶片断阻塞静叶、通流部分结垢、通流部分固体颗粒磨损、汽缸进水、大轴弯曲、动静元件轴向碰磨、蒸汽振荡和真空恶化等10种故障的特征信号、征兆和诊断规则。给出了基于可靠性理论的故障诊断模型和应用实例。 相似文献
16.
针对燃气轮机燃料系统在实际运行过程具有故障征兆多,单一、标准故障数据难以得到的特点,提出一种基于自组织神经网络的燃料系统故障诊断方法。该方法通过建立燃料系统故障诊断模型,选择合适的燃料系统故障特征参数形成合理的故障诊断分析网络。以某型工业燃气轮机燃料系统为例进行分析,选取燃气阀开度、燃气阀压差和燃气控制压力3个监测参数作为故障诊断模型网络的输入,以系统中常见的3种典型故障燃气管路泄漏、燃气过滤器堵塞、燃气阀故障作为网络的输出。以实际运行数据作为网络测试样本,对该燃机实际运行故障进行测试。测试结果表明:该方法可以有效地诊断出燃料系统的3种典型故障,同时支持在线诊断,具有较好的工程应用价值。 相似文献
17.
根据Bently实验台所采集的碰摩、松动、不对中、不平衡4种典型的汽轮机转子振动故障水平方向与垂直方向的数据所建立的汽轮机转子振动故障序列自回归滑移平均(ARMA)模型,由ARMA模型参数计算自谱函数值,建立汽轮机转子振动故障时间序列的自谱函数图谱。对不同类故障所建立ARMA模型的自谱函数图谱分析表明:故障征兆信息较明显,有较好的故障区分度。另外由于ARMA模型的特征向量浓缩了原时间序列信号的全部信息,对ARMA模型的特征向量参数利用多节点输入双隐层BP神经网络完成p维欧氏空间到二维欧氏空间的非线性映射,对汽轮机转子振动故障状态进行诊断。诊断结果表明:对应故障类型的ARMA模型样本通过训练后的神经网络在二维欧氏空间中能较好地对故障进行分类,同类故障的检验样本与目标函数值在欧氏空间具有最小距离,表明基于ARMA模型的二维欧氏空间双隐层神经网络故障诊断方法有较高的故障辨识能力。 相似文献
18.
汽轮机通流部分故障特征数据较多、故障类型复杂,很难建立精确的机理模型。提出一种基于加权最小二乘支持向量机(Weighted Least Squares Support Vector Machines,WLS-SVM)的改进算法,该算法用输出变量的留一交叉检验误差取代原有误差确定加权系数,解决了WLS-SVM由于加权系数与模型支持值相互影响,样本在剔除与不剔除之间反复变化而不收敛的问题。实验结果表明该方法能有效地剔除异常样本,减少故障特征量的数目,提高了校正模型的稳健性及WLS-SVM特征预测的速度和预测的精度。 相似文献
19.
风电机组各传动设备之间耦合性强,故障发生的原因复杂、多样,使用单一的故障诊断方法受自身的局限性影响,诊断效果不太理想。针对这一问题,通过分析风力发电机组转速故障数据及其影响因素,以风力发电机转速超限故障为例,提出一种基于故障树和概率神经网络的风电机组发电机转速超限故障智能诊断方法。首先,给出多层故障树构建方法,使用故障树分析法得到故障模式。然后,根据故障树节点关系规则和故障模式,提取风力发电机运行数据的特征值,建立概率神经网络的故障诊断模型,根据实际运行故障样本训练网络,将训练后的网络用于故障诊断。现场实验表明,基于故障树和概率神经网络算法对于风力发电机转速故障诊断准确率显著。 相似文献