汽轮发电机组振动故障诊断

本文提出了用于回转机械振动故障诊断的物理模型和数学模型。该数学模型可用于大型汽轮发电机组振动故障的诊断。     

汽轮发电机组现场动平衡前的故障诊断

在现场用动平衡的办法来处理机组大振幅振动时,有时用常规的办法来确定平衡重量和位置,可能不能取得十分满意的结果。究其原因,主要有两个方面的因素影响着平衡的效果：不平衡激振力的本质,以及机组本身或其支撑系统存在的缺陷改变了机组的振动特性。对不平衡激振力的本质进行了分析,同时也介绍了该诊断机组及其支撑系统缺陷方法,可以为工程技术人员进行汽轮发电机组现场动平衡时借鉴。     

基于热参数的汽轮发电机组多故障诊断模型

汽轮发电机组故障往往是多因多果,有些故障单纯依靠频谱很难识别出发。而机组的负荷,相位,转子表面温度的变化也是识别故障的重要信息,蛤它们对不同故障的影响有强弱之分。本文对影响汽轮发电机组故障的各征兆群进行了系统分析,利用子网络针对不同故障选择不同征兆,建立了单个诊断网络模型,有效地解决了征兆作用的冗余和不足,并进行了实例验证。     

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。     

汽轮发电机组振动故障诊断技术的发展现状

介绍了当今汽轮发电机组振动故障诊断技术在诊断理论,方法,实际系统的研制,开发与应用诸方面的国内外概况,然后对国内在这项技术发展中的一些具体问题进行了讨论,并提相应的建议,参13。     

基于改进BP算法的汽轮发电机组的故障诊断

针对传统BP算法即梯度下降法,收敛速度慢、容易陷入局部极小值等缺点,提出了基于附加动量法和自适应学习速率的改进方法。将改进后的BP神经网络应用于汽轮发电机组的故障诊断中,获得了很好的效果,证明了改进方法的有效性。     

基于多类支持向量机的汽轮发电机组故障诊断

故障诊断发展的瓶颈之一是故障样本的缺乏，而不仅在于诊断方法本身。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。该文分析了多类支持向量机的DAGSVM算法，时于σ的取值，提出了基于错分样本数的变增量迭代算法，在小样本情况下时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。     

汽轮发电机组在线状态监测与故障诊断系统

介绍汽轮发电机组在线监测与故障诊断系统，分析了该系统的基本组成、主要功能以及实现方法。该系统集成了传感器技术、信号处理技术、故障诊断技术和网络技术等先进技术，已在十多家电厂运行多年，并不断获得改进，现成为比较完善的系统，是今后我们进一步发展状态检修的基础。     

案例推理在汽轮发电机组故障诊断中的应用

根据故障诊断的特点,提出了规范化的案例组织和表示方法。将案例征兆分为确定性必要征兆和其它征兆,提出了基于确定性和模糊加权相结合的案例检索策略,并对相似度的计算进行了修正,提高了案例推理的可靠性。     

200MW汽轮发电机组故障诊断专家系统的研究

介绍了２００ＭＷ汽轮发电机组故障诊断专家系统的设计思想,总体结构和功能,主要特点和具体实现方法,阐述了利用知识和基于知识的推理过程模拟领域专家解决问题的方式对汽轮发电机组各种存在的故障进行诊断,以避免重大事故的发生。     

汽轮发电机组动静碰摩的奇异谱理论与小波分析诊断方法研究

作者利用奇异谱对汽轮发电机组转子动碰摩的振动信号进行了分析,剔除信号中因不平衡等邦联所产生的平滑部分、抑制噪声;并运用连续小波变换对信号进行分析。通过多尺度分析形成等高线图,使碰摩故障特征在相应的等高图上得以体现出来。作者还比较了相似频谱特征的两类故障信号的小波变换等高线特征,总结了碰摩故障小波变换等高线分析特征,得到了理想的分析结果,为汽轮发电机组碰摩故障识别提供了新的思路;同时讨论了运用小波变     

基于贝叶斯网络的转子系统故障诊断研究

通过分析传统故障诊断方法在处理实际系统不确定性问题时存在的困难,研究了基于贝叶斯网络的转子故障诊断方法。依据转子系统存在的故障类型和对应的故障征兆,本文建立了转子系统的贝叶斯网络模型,并开发了基于贝叶斯网络模型的转子故障诊断系统。通过对实际转子系统故障的检测,证实了该方法在处理信息不确定条件下,进行故障诊断的有效性。     

基于粗糙集的转子裂纹故障诊断研究

针对诊断转子裂纹故障时出现的许多不确定性的信息,信息的重要度不同以及冗余等问题,提出了一种基于粗糙集的裂纹故障诊断方法.利用粗糙集相对约简的不唯一性和不确定知识的表达能力,将诊断转子裂纹的相关特征参数进行模糊化及离散化处理,构建故障决策表.对故障征兆参数进行约简,去除冗余信息,求出集合的正域.根据依赖度和重要度关系,求出集合的核,作为诊断转子裂纹故障的规则,简化了诊断过程.实例表明,该方法能较大的提高转子裂纹故障诊断的效率和可靠性.     

基于HHT的转子横向裂纹故障诊断

希尔伯特黄变换(Hilbert—Huang Transformation，HHT)，是先把一列时间序列数据通过经验模态分解(Emprical Mode Decomposition，EMD)。然后经过希尔伯特变换获得频谱的信号处理新方法。把HHT时频分析方法引入了转子裂纹故障诊断领域。详细地介绍了HHT方法的理论和算法。通过对模拟横向深裂纹故障转子的实验研究表明。基于HHT的时频分析方法能把横向裂纹转子的扭振所形成的相位调制现象在时频谱图中明确地表征出来。为裂纹故障的预报和诊断提供了较好的手段，说明用HHT方法对旋转机械的转子横向裂纹进行故障分析是有效的。图3参6     

基于分类树归纳的模糊轴系诊断规则抽取

轴系故障一直是困扰电力生产的主要问题,基于专家系统的轴系故障诊断方法存在知识获取困难、诊断精度不高的问题。本文提出了基于归纳学习的分类树构造方法,实现从运行数据中提取诊断规则,分析了基于分类归纳的诊断规则抽取方法对噪声的容忍能力,在不同噪声类型和噪声规模下,分析发现属性约简和剪枝技术都能有效提高诊断规则的泛化性能。本文进一步提出了将数值型规则转化为模糊规则,提高诊断规则的可理解性和推广能力,为实现故障诊断系统的自学习提供了可行的途径。     

基于小波包特征向量弹性BP算法的故障诊断

为精确诊断转子故障,采用了基于小波包能量特征向量的弹性BP神经网络和最速下降BP算法神经网络的故障诊断方法,对采集到的信号进行3层小波包分解,构造小波包特征向量,对样本进行3层BP网络训练,实现智能化故障诊断。结果表明采用改进的BP算法优于最速下降BP算法,训练的网络可以很好地诊断转子故障。     

旋转机械的自组织映射神经网络故障分类方法研究

旋转机械广泛应用于工业生产中,对旋转机械的故障诊断方法很多,本文根据自组织映射神经网络原理,应用故障诊断的标准样本进行神经网络的训练,并通过实验的方法给出自组织映射神经网络对故障分类的方法。     

汽轮发电机组扭振模拟机的轴系设计

介绍了汽轮发电机组轴系扭振模拟系统的设计原则,利用雷卡迪传递矩阵分析计算了汽轮发电机组轴系扭振的固有特性。依据设计原则,利用模态刚度矩阵、模态质量矩阵和模态频率相似进行了扭振模拟机轴系的设计,扭振模拟机轴系前三阶固有特性与实际机组轴系扭振动特性基本一致。试验表明,扭振模拟机达到了设计目的,同时也证明了轴系分析方法和设计方法的正确性。     

模糊支持向量机在轴系振动故障诊断中的应用

机组的振动水平是表征电厂稳定安全最重要的标志之一.本文利用支持向量机的智能方法对机组的轴系故障进行诊断,在小样本集上取得了100%的分类精度.在此基础上,还引入部分噪声数据,统计其分类性能,展示了支持向量机的容错能力.最后分析了支持向量机方法在轴系振动故障振动的优势和缺陷,引入模糊输出支持向量机进行了改进,给设备维修提供了更多的参考信息.