汽轮发电机组故障智能诊断系统的研究

本文以汽轮发电机组为对象，研制了一个智能故障诊断系统，该系统将传统专家系统的符号推理与神经网络的并行计算相结合，采用并行推理为主，串行推理为辅的混合推理机制，并在推理过程中采用神经网络技术对机组的运行信息进行智能识加以自动获取诊断所需要的症状信息，且以人工神经网络技术为基础通过对诊断实例的自学习来实现专家系统的知识获取，实践表明通过以上方法可以提高诊断系统的智能化水平，自动化程度和诊断结果的准确性     

125MW汽轮发电机组工况监视与故障诊断系统

本文介绍了我们在１２５ＭＷ汽轮发电机组上开发的工况监视与故障诊断系统，该系统采用多通道振动信号同时刻采集，神经网络推理智能诊断，汉化下拉式菜单等技术，具有功能全，性能强，实时性好，方便灵活，易于操作使用等特点。     

汽轮发电机组振动故障的综合自动诊断方法研究

利用振动信号频率成分结构和频率幅值研究了汽轮发电机组振动故障的综合自动诊断方法。根据振动故障的频谱特点 ,将振动故障分为 4个模式类 ,并确定故障类模式中心 ,在故障类的层次上做模式识别 ;利用频谱征兆和模糊关系矩阵 ,计算故障隶属度值以确定故障的严重程度 ;通过实例阐明了本方法对故障模式有较强的识别能力     

汽轮发电机几种故障的诊断方法

首先对汽轮发电机常见故障进行分类,而后分别讨论了汽轮机滚动轴承故障的基于频率指标的神经网络诊断方法;汽轮机凝汽设备故障的基于事例推理的诊断方法（theory of delay embedding);汽轮机质量不平衡故障、动静碰磨故障、转子不对中故障、油膜涡动故障、油膜振动故障、轴承松动故障的延时嵌陷诊断方法。对汽轮机等旋转机构的故障诊断提供了较为全面的实用方法。     

DEH在太钢6MW背压式汽轮发电机组中的应用

介绍了太钢6MW背压式汽轮发电机组DEH的组成和控制功能,着重阐述了LVDT的安装与调试,并对DDV独立调节器也进行了详细分析.     

25MW汽轮发电机组振动故障的分析

介绍了包钢热电厂25MW汽轮发电机组不平衡故障的诊断情况,利用故障诊断系统对其判断分析,发现故障,及时维修.     

汽轮发电机组状态实时监测系统的研究

状态监测与故障诊断是确保大型旋转机械正常运行的关键技术手段，本文以汽轮发电机组为对象提出由实时监测系统和故障智能诊断系统组成的分布多任务信息处理系统的新构思，阐明了基于结构层次化和功能模块化的软硬件思想，整个系统具有高速度，高精度，多通道，大容量和高性能价格比等特点，可广泛应用于各类旋转机械的实时状态监测和故障诊断场合，本文着重介绍实时监测子系统的设计方案和实现手段。     

基于模糊神经网络的汽轮发电机组振动故障诊断

利用模糊系统和神经网络的优势,构造了一种改进模糊神经网络模型,该模型由四层组成。改进后的模糊神经网络模型大大减少了运算量,提高了收敛速度。采用此算法对于实际汽轮发电机组振动故障实例进行诊断（诊断结果与某改进BP网络进行比较）,证明了该模型是行之有效的,并具有较强的故障识别能力。     

基于产生式人工神经网络的汽轮发电机组故障诊断专家系统研究

针对人工神经网络训练样本难以获取的困难,提出１种从专家系统获取训练样本的方法,使得产生式人工神经网络能够有效地逼近传统专家系统的诊断推理行为,系统已被应用于１２５ＭＷ汽轮发电机组的故障诊断。     

基于BP神经网络算法的柔性制造系统故障诊断

在分析和研究人工神经网络的前提下,将BP神经网络作为故障诊断的技术指导,以本校柔性制造系统中的电源管理模块故障诊断为实例,构建其智能诊断系统。通过3层BP神经网络,将输入端传感器收集到的特征量经中间层信息处理和输出层的进一步处理,使其达到网络性能目标,最终得到诊断数据。比较诊断数据与标准故障集的类型,获得准确的结果。结果表明:利用BP神经网络可以构建一个智能诊断系统,实现故障准确快速自动识别。     

基于模糊神经网络的气体密封故障诊断

针对传统的依靠单一参数对密封状态监测的不足,利用模糊神经网络处理问题的能力,综合多种密封参数的信息,建立针对密封状态监测的模糊神经网络系统,提出基于模糊神经网络的故障诊断的方法。该方法确定泄漏量、端面温度、气膜厚度、阻封气泄漏量作为密封的监测参数,并确定各个参数的隶属函数;通过大量的历史数据、MAT-LAB模拟数据和专家知识分析得到各个特征参数值和修正值,建立5种密封状态的输出模式;通过隶属函数实现输入样本的模糊化;通过MATLAB编程来设计、优化神经网络结构,利用历史数据训练神经网络。通过实例分析验证了建立的模糊神经网络的实效性。     

基于模糊粗糙集和SVM的航空发动机故障诊断

随着航空产业的发展,航空发动机故障诊断逐渐向智能化、精确化方向发展,针对这一趋势结合模糊聚类、粗糙集以及支持向量机理论,提出了一种航空发动机故障诊断方法。首先,运用模糊C-均值聚类算法将连续数据离散化;然后,运用粗糙集的知识发现理论,在保持决策表的决策属性和条件属性之间的依赖关系不发生变化的前提下对决策表进行约简;最后,利用支持向量机适用于小样本数据处理的特性对样本进行学习得到最优超平面决策函数从而进行故障诊断。对航空发动机性能参数实例的验证结果表明,该方法对航空发动机故障具有较强的诊断能力,在不影响诊断率的基础上大大缩短了运算时间。因此,提出的算法具有较好的实用性和准确性。     

小波神经网络在柴油机异响故障诊断中的应用

由于活塞敲缸响和活塞销响是两种常见的、却难以区分的柴油机异响故障，这里对EQ6BT柴油机这两种故障的缸体振动信号进行Morlet连续小波变换，作出小波变换系数的尺度-能量谱，并提取出尺度为3～20范围内的最大尺度能量作为BP神经网络的输入向量，实现了对该柴油机两种异响故障的诊断。结果表明，利用文中所设计的小波神经网络能非常准确地诊断出EQ6BT柴油机活塞敲缸响、活塞销响两种异响故障及其故障的严重程度。     

基于神经网络的模糊系统在电厂风机故障诊断中的应用

设备的故障与征兆之间往往很难找到一一对应关系。本文基于模糊理论,通过对电厂风机的故障机理的研究,提出了基于神经网络的风机模糊诊断模型,并解决了其中的关键技术。     

基于粗糙集神经网络的刀具磨损监测的研究

针对多传感器刀具磨损监测系统输入维数较多、神经网络结构复杂、收敛速度慢等缺点,提出了粗糙集和遗传算法优化神经网络的模型.该模型首先利用粗糙集理论的属性约简对输入数据进行处理,从而达到减少神经网络输入维数、简化神经网络结构的目的.然后通过遗传算法优化神经网络的初始权值和阈值,以提高神经网络的收敛速度,避免神经网络陷入局部极值点.将该模型应用到刀具磨损监测,通过对声发射信号和电流信号进行处理,提取特征向量值,将特征值先通过自组织神经网络进行连续属性离散化,再通过粗糙集理论进行属性约简,最后通过遗传算法优化的BP神经网络进行识别,取得了很好的效果,证明了此模型的有效性和可行性.     

信息神经网络的改进优化研究及应用

传统的信息神经网络没有考虑特征分量的故障信息重要度,使得识别效率大为降低。针对上述问题,文章提出了一种改进型信息神经网络,充分考虑各特征分量的重要度权值,优化了网络结构,提出了结构参数的优化算法;最后,将改进型信息神经网络应用于模式识别和故障诊断,结果证明了该方法的有效性。     

基于SOM神经网络的风机故障诊断研究

应用自组织特征映射（SOM）神经网络实现风机的故障诊断。介绍了SOM网络的结构和学习算法;总结了风机的故障集、征兆集和故障特征数据。在MATLAB环境下给出了风机故障诊断的具体实例,表明该方法是一种可行有效的风机故障诊断方法。     

基于粗糙集和神经网络的润滑油中磨损磨粒的识别

为了更有效地对润滑油中的磨损磨粒进行识别,探讨了基于粗糙集和神经网络的磨粒识别。它首先利用粗糙集理论对磨粒特征参数进行约简,这样能够大大减少了神经网络的输入维数。然后介绍了一种径向基神经网络,并利用它对磨粒进行分类。对20个磨粒进行识别,磨粒分类分对14个,分错6个,识别率达到70.0%。