模糊自组织神经网络在汽轮机转子故障诊断中的应用

针对汽轮机转子故障分类问题,采用模糊数学和自组织特征映射神经网络方法诊断汽轮机转子的故障。该方法具有结构算法简单,无监督自学习和侧向联想等功能。     

汽轮机通流部分的故障诊断

吴泾热电厂11号机组大修后运行一个余月，进行常规的主汽门和调门松动试验，发现机组在6个调门全开下，负荷只能达到296MW。针对这一现象，通过对试验前后和大修前后的运行数据对比分析和理论计算，成功诊断出故障所在位置、发生时间和严重程度，为检修赢得了宝贵的时间。图5表3     

采用概率神经网络的汽轮机故障诊断方法

针对反向传播神经网络(BPNN)学习收敛速度慢、易陷入局部极小值等问题,提出了采用概率神经网络(PNN)的汽轮发电机组故障诊断方法。由于PNN学习算法简单、训练和泛化速度快,因此可以满足实时处理要求。此外,很容易把新的训练样本添加到以前训练好的分类器中,便于提高故障诊断结果的准确性。仿真结果表明:该诊断方法快速、准确且易于工程实现。图1表2参9     

基于ARMA及神经网络的汽轮机振动故障诊断研究

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。     

汽轮机故障诊断技术的发展与展望

回顾和总结了国内外汽轮机故障诊断技术的发展情况,指出了目前在汽轮机故障诊断研究中存在的问题,并从检测技术、故障机理等７个方面分析了今后可能取得进展的研究方向。     

汽轮机通流部分故障诊断的热力判据研究

针对用于汽轮机通流部分故障诊断的四种热力判据（相对内效率,佣效率,当量流面积,膨线夹角）进行了系统的分析了研究,提出了每种判据的诊断机理与实施方法,并以某电厂２００ＭＷ机组为例,进行了定量分析与计算。     

基于模糊层次综合评定的汽轮机故障诊断系统品质评定方法

基于模糊综合评定理论，结合层次分析法提出了汽轮机故障诊断系统品质评定的理论方法。以某汽轮机故障诊断系统的品质评定为例，进行了实际应用分析。     

汽轮机振动分析及故障诊断

采用状态监测技术和信号分析的手段对汽轮机机组进行了振动分析和故障诊断。通过实验和对现场测试信号的频谱分析，确定了故障的类型和振动异常的主要原因。结合工程实际提出了大修方案。方案实施后，振动大大减小振幅符合国家标准。     

基于模糊神经网络的凝汽器故障诊断系统研究

该文根据凝汽设备的结构特点和工作特点，从理论上分析了影响凝汽器低真空各种原因，并结合现场工程师的直觉经验，建立了凝汽器低真空的故障知识库。同时，还建立了基于模糊神经模型的故障诊断系统，对凝汽器故障进行诊断。该诊断系统是由无监督自学习网络和模糊运算构成，除了能识别已经训练过的故障，还能识别未训练过的故障，并且聚类能力强，速度快，因此很符合复杂系统的故障诊断。     

汽轮机通流部分故障诊断基准值的研究

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.     

多层传递函数的量子神经网络在汽轮机故障诊断中的应用

针对汽轮机故障分类边界的模糊性和故障模式之间存在交叉数据的诊断不确定问题,将多层传递函数的量子神经网络用于汽轮机发电机组的故障诊断,提出了量子神经网络的学习算法.以某热电厂汽轮机组被确诊的不对中故障为例,证明了这一方法的有效性.     

一种基于神经网络的汽油机失火故障诊断方法

对汽油机关火时其排气中的碳氢化合物、二氧化碳和氧气的体积分数值的变化规律进行了分析，提出了用BP网络诊断汽油机失火故障的新方法并进行了实例研究。训练好的网络可用于汽油机的实时诊断。     

基于BP神经网络的汽轮机排汽焓在线计算方法

汽轮机排汽点处于湿蒸汽区,由于现场缺乏蒸汽湿度的测量手段,排汽焓值难以直接确定,其计算取值一直是火电机组热力系统热经济性在线分析诊断的难点之一。影响排汽焓的因素很多,它们与排汽焓之间属于典型的非线形关系。本文利用BP神经网络良好的非线形映射能力,以NK200-12．7／535／535型空冷机组为例,介绍了应用BP神经网络建立汽轮机排汽焓计算模型的方法,并成功应用于某电厂热经济性在线诊断系统中。     

某电厂200MW汽轮机组通流改造

某电厂#3、#4汽轮机是东方汽轮机厂生产的N-200,130,535,535型超高压、中间再热、三缸三排汽冷凝式汽轮机,该汽轮机进行三缸全优化增容改造,对节约能源和保护环境都有重大意义。通过对#3、社4汽轮机改造后,热力试验表明：机组效率得到提高,降低了热耗,增加机组出力,提高机组运行可靠性。     

基于加权最小二乘支持向量机改进算法的汽轮机通流部分故障诊断研究

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。     

CFX-TASCflow在汽轮机通流设计中的应用

从应用CFX—TASCflow的角度介绍了哈尔滨汽轮机厂有限责任公司(简称哈汽)在汽轮机通流部分全三堆流场设计的应用成果，典型介绍了分流结构叶片、叶片汽封、多级叶片的三维流场计算和新一代亚临界600MW汽轮机高压缸通流气动设计。结果证明，利用CFX—TASCflow能详细地分析三维粘性场各种参数的特性及变化，进一步研究流场中的各种流动情况，控制好流场中的相关参数，合理地设计出高效三维叶片，大大提高了通流效率。     

混合神经网络在汽轮机在线性能分析中的应用研究

提出了一种融自组织神经网络和ＢＰ神经网络为一体的混合神经网络模型,用于电厂汽轮机系统的热耗分析,在对输入向量附加５％的随机量值时,输出的热耗值和原来的值是一致的,这说明ＢＰ网络具有很好的稳定性。这个特性尤其适合在线的热耗分析。     

基于小波分析的汽轮机叶片故障诊断技术

简述了小波分析的基础理论和算法,论述了在小波多分辨率分析下进行汽轮机叶片故障诊断的方法。结果表明,小波的方法能很好地保存瞬态信号中的尖峰和突变部分,对振动信号进行处理后再进行特征提取,使故障诊断变得容易,具有良好的效果。     

基于BP神经网络的汽轮机最末级组相对内效率应达值的确定

当采用级组的相对内效率来诊断汽轮机通流部分的故障时,需要将各级组的实测相对内效率与对应负荷下的应达值进行比较,来诊断出故障发生的部位以及故障的严重程度.对于由最后一段抽汽与低压缸排汽构成的最末级组,由于其排汽处于湿蒸汽区,目前尚无成熟准确的测量排汽焓的技术.所以很难确定最末级组相对内效率的应达值.在分析了影响凝汽式汽轮机最末级组相对内效率的主要因素后,给出了利用BP神经网络确定汽轮机最末级组相对内效率应达值的方法,为汽轮机通流部分的故障诊断奠定了基础.