共查询到20条相似文献,搜索用时 93 毫秒
1.
本文首先提出了有关国家向IEC提出的水轮发电机组振动规程提案,然后分别介绍了美、日、苏等国和它们的公司和制造厂家的振动规程,并做了一定的分析。最后结合我国的振动规程进行了讨论,提出了今后制定规程的想法。 相似文献
2.
3.
4.
5.
大型水轮发电机组的振动稳定性问题 总被引:1,自引:1,他引:0
讨论刚度、水力稳定性随机组尺寸变化的规律,并据此论述了大型和巨型水轮发电机组振动稳定性问题及其产生的特点,掌握这些特点,将有助于预防或减少大型机组稳定性问题的产生。 相似文献
6.
大型水轮发电机组状态监测与振动故障诊断技术研究 总被引:4,自引:0,他引:4
本文对水轮发电机组振动问题作了分析,阐述了旋转机械振动故障诊断方法的基本原理及应用,探讨了实现机组状态监测及振动故障诊断的有关问题。 相似文献
7.
本文首先介绍国内外现有的部分振动标准的主要特点,并从水电机组的角度进行了评价,然后提出了拟定水轮发电机组振动标准时需考虑的因素及某些具体意见。 相似文献
8.
BP网络在水轮发电机组振动故障诊断中的应用研究 总被引:1,自引:0,他引:1
将人工智能引入水轮发电机组的故障诊断,有利于大中型水电厂“无人值班(少人值守)”管理模式的加速发展。本文首先简单介绍了人工神经网络的基本性能和BP网络模型及算法,然后将神经网络中的BP模型应用于水轮发电机组振动故障诊断中,比较了选择不同的网络参数对诊断系统性能的影响。实验证明,基于BP网络的水轮发电机组振动故障诊断方法具有很高的实用价值。 相似文献
9.
10.
11.
12.
水电站的状态监测系统积累了大量的监测数据,但由于现场专家缺乏,目前这些数据没有得到很好的利用,如何挖掘这些数据并结合专家经验对水电机组进行故障诊断是本文研究的重点。本文提出了一种基于贝叶斯网络的水电机组振动故障诊断模型。根据专家经验获得贝叶斯网络结构和部分节点参数,通过SOM神经网络对数据信号进行离散化处理,利用EM算法参数学习获得其他节点的概率分布,搭建基于贝叶斯网络的子系统模型,并将子系统模型整合成完整的系统模型。文章最后通过设计试验,验证了所建模型诊断结果的正确性和合理性。 相似文献
13.
基于贝叶斯网络Noisy Or模型的水电机组故障诊断研究 总被引:1,自引:0,他引:1
针对水电机组故障诊断中系统结构复杂,不确定因素众多的特点,将贝叶斯网络引入水电机组故障诊断中,建立基于贝叶斯网络的水电机组故障诊断系统;为了克服贝叶斯网络结构中需要的概率数量庞大和确定概率困难特点,在贝叶斯网络系统结构中引入Noisy Or模型。论文首先利用专家知识,将各个特征结点按二值结点构造网络,确定各单个结点的概率,然后计算多个结点的任意组合对结果的影响程度,从而确定某种故障发生的可能程度。仿真研究表明:用此模型构造的贝叶斯网络结构,需要的条件概率个数可以从2n减小为2n。大大降低了数据需求量,提高了水电机组故障诊断速度和效率。 相似文献
14.
15.
基于时间序列相似性挖掘的水电机组振动故障诊断研究 总被引:1,自引:1,他引:0
时间序列的相似性挖掘是水电机组故障诊断的重要方法,本文提出一种基于频率模糊贴近度的时间序列相似性的数据挖掘方法,用来解决水电机组故障诊断中振摆特征曲线的相似性比较问题。该方法将复杂的时域问题转化为频域问题,通过模糊贴近来度量时间序列之间的距离,刻画出数据时间序列的相似程度。该算法应用到大峡水电站二号机组的故障诊断中,结果表明,该方法能够对故障做出准确判别,分离各种故障类型。由于需要存储的数据比较少,速度快,非常适于水电机组故障诊断中大规模图形序列挖掘。 相似文献
16.
17.
分析了目前故障诊断方法存在的问题,改进了智能诊断方法。根据机组的状态和振动频率,提出了分阶段、分层次的诊断策略,提高了故障诊断的准确率。 相似文献
18.
对于水电机组非平稳非线性振动信号特征提取方法的研究近年来一直是水电机组故障诊断领域研究热点,特征提取的有效性直接关系到故障诊断的准确性。本文提出基于集合经验模态分解(EEMD)和近似熵的水电机组振动信号特征提取方法,将信号经EEMD分解后筛选得到的本征模态分量(IMF)近似熵特征值输入概率神经网络(PNN)进行模式识别。采用经验模态分解(EMD)和近似熵特征提取方法进行对比实验。识别结果表明:采用EEMD和近似熵的特征提取方法,能有效区分机组不同的运行状态,可为实际工程应用提供理论依据。 相似文献
19.
20.
串联电弧故障是引发电气火灾的重要原因,对其有效检测能确保线路的正常运行和电气设备的可靠工作。 根据低压串
联电弧故障的检测难点,提出了基于非对称卷积神经网络的识别模型,用于适应性地提取串联电弧故障信息。 针对串联电弧故
障种类多、信息隐蔽等问题,首先利用格拉姆角差场时域数据处理方法,将负载模拟的时域信号经过极坐标变换、三角变换后映
射到二维矩阵中,以增加故障数据点的空间占有率和数据关联信息。 之后,为了不增加时间开销,同时改善模型的识别效能,使
用自适应非对称卷积、多通道离散注意力机制改进残差神经网络,作为低压线路中的串联电弧故障模型。 最后,利用容器封装
已训练好的故障识别模型,实现故障信息的快速分析。 验证表明,所提方法对串联电弧故障的识别率达到 99. 95%,具有良好的
识别效果。 相似文献