基于支持向量机的燃气轮机故障诊断

分析燃气轮机的8种典型常见故障,建立了基于支持向量机的故障诊断模型,用实例计算证明其有效性。同时和神经网络方法对比后发现：在小样本情况下,支持向量机方法的计算结果比神经网络要好,推广能力更强,而且效率高于神经网络。本方法针对故障诊断样本少的特点,为建立智能化的燃气轮机状态监控和故障诊断提供了一种新的途径,具有广泛的实用价值。     

基于IABC-ANFIS的燃气轮机气路故障诊断

为了提高燃气轮机故障诊断的效果,提出了一种基于自适应模糊神经网络(Adaptive Network-based Fuzzy Inference System,ANFIS)和改进的人工蜂群算法(Improved artificial bee colony algorithm,IABC)的故障诊断方法:基于自适应模糊神经网络构建燃气轮机故障诊断模型。针对自适应模糊神经网络受聚类参数影响较大的问题,采用手榴弹爆炸原理改进的人工蜂群算法对这些参数进行优化。仿真结果表明,与未优化的ANFIS模型和ABC-ANFIS模型相比,IABC-ANFIS可以更稳定、准确地识别故障,为燃气轮机故障诊断提供实际参考。     

基于滤波阵列的燃气轮机气路故障诊断研究

针对燃气轮机故障诊断过程中诊断精度不足,卡尔曼滤波易出现“弥散”现象的问题,提出了一种基于滤波阵列的燃气轮机气路故障诊断方法。该方法首先构建了一组基于健康参数调度的平衡流形展开模型阵列,然后结合平方根容积卡尔曼滤波对气路部件健康参数进行了实时估计,最后通过隔离因子实现了对故障部件的检测与隔离。仿真表明：该方法有效解决了卡尔曼滤波在故障诊断过程中出现“弥散”现象的问题,针对燃气轮机气路部件突变故障,能够有效实现故障的检测、隔离与估计。     

基于SA-PSO混合优化算法的燃气轮机气路故障诊断方法研究

为了对燃气轮机进行有效的气路状态监测和故障诊断,提出一种基于模拟退火与粒子群混合优化的燃气轮机气路故障诊断新方法.采用快速模拟退火算法设计粒子生成器,用生成的初始粒子群进行全局的粗糙搜索,再利用粒子群算法对特定区域进行重点搜索,最终获得精确解.该方法结合了遗传算法的全局搜索能力和粒子群优化算法的高效率,比原始的粒子群优...     

基于改进型强跟踪卡尔曼滤波的燃气轮机组气路故障诊断研究

针对燃气轮机组气路故障诊断易受时变噪声干扰以及突变故障诊断精度不高等问题,本文提出一种基于改进型强跟踪卡尔曼滤波的燃气轮机组气路故障诊断方法。该算法通过引入气路部件先验知识,合理分配各通道的调节作用,从而提高了气路故障诊断的精度以及动态响应速度。以PG9171E型燃气轮机为研究对象,分别利用EKF(扩展卡尔曼滤波)、STF(强跟踪滤波)以及ISTF(改进型强跟踪滤波)对常见气路故障进行诊断,结果表明ISTF算法同时兼具良好的响应速度以及较高的精度。     

燃气轮机气路故障诊断技术综述与展望

气路故障是燃气轮机的主要故障形式,对燃气轮机安全性和经济性影响重大,因此研究气路故障诊断方法至关重要。总结了国内外燃气轮机气路故障诊断技术研究的发展现状,并对各种研究方法进行了归类,分别讨论了基于模型、基于数据和基于知识方法进行故障诊断的优势、进展、适用范围及3种方法互相结合的可能性,重点介绍了近年来新兴的深度学习和融合诊断方法,最后探讨了该领域值得进一步研究的问题和可能的发展方向。     

燃气轮机气路调节系统故障研究

压气机是燃气轮机的重要设备,其性能的高低直接影响燃机最大输出能力及性能,而压气机进口可转导叶开度的变化,对提升压气机的运行效率及联合循环能效水平具有重要影响。目前可转导叶调节系统由于设备复杂、频繁动作,存在潜在故障风险。针对气路调节系统故障,从系统结构和装配标准角度提出分析故障的方法,并在同类型机组进行推广应用,结果表明该方法可以快速实现故障诊断,帮助检修人员尽早发现故障部件和部位。针对此类设计结构问题,给出设计制造优化建议,并从现场安装、停机检修、运行维护方面提出综合运维策略,保证机组安全稳定运行,为今后相似机组运维提供参考。     

基于Kohonen神经网络的燃气轮机故障诊断

针对基于热力参数的燃气轮机8种典型常见故障,根据Kohonen神经网络诊断的工作原理、诊断特征,研究了基于Kohonen神经网络方法在燃气轮机故障诊断中的应用方法,得出了Kohonen模型具有自学习功能,运算速度快,类型识别能力强的优点,是一种适合于燃气轮机分类故障较好的具有特色的神经网络。     

基于神经网络的燃气轮机故障诊断

对燃气轮机润滑油系统常见故障原因进行了分析,并结合专家知识建立了润滑油系统故障知识库;在此基础上将RBF人工神经网络引入燃气轮机装置故障诊断中来,由于采用了一种动态RBF网设计方法,使得神经网络的规模较小同时具有较高的泛化能力,提高了神经网络的诊断速度及准确性.     

基于小波分析的燃机排气温度传感器组故障诊断方法研究

为提高燃机排气温度传感器输出信号的准确性,确保燃机系统安全稳定运行,本文研究了小波分析在传感器故障诊断中的应用。通过检测小波变换的模极大值是否超限判断传感器是否发生故障;分析故障信号的奇异度,求取信号的李氏指数,对故障进行辩识;在缓变信号的辩识中,又借助相关性分析方法进一步寻找信号缓变的真正原因。对温度传感器的故障半物理模拟实验表明了小波分析诊断传感器故障的有效性。     

基于人工蜂群算法优化支持向量机的燃气轮机故障诊断

针对基于SVM(支持向量机)的故障诊断方法中支持向量机的参数难以选取导致诊断结果较差的问题,采用ABC(人工蜂群算法)对支持向量机的惩罚因子C和核函数参数σ进行优化;并构建了ABC-SVM(人工蜂群优化支持向量机)对燃机涡轮叶片故障进行诊断。诊断实例表明,该方法诊断准确率达到96. 43%,具有很好的诊断效果,为燃气轮机故障诊断提供了一种新的方法,具有实际应用价值。     

基于SVM的断路器状态监视诊断方法研究

提出了一种基于支持向量机(SVM)的断路器监视诊断方法,通过对断路器故障时的特性参数向量进行训练推理,实现断路器在线监视诊断,并用实例验证了该方法的准确性和快速性。     

基于现场传感器参数及SVM的冷水机组故障诊断

为了使冷水机组故障诊断模型在现场运行中得以推广,采用冷水机组现场运行的传感器参数,基于支持向量机(SVM),对离心式冷水机组的7类故障建立诊断模型SVM?site,并与采用原始64个参数的SVM64模型进行对比分析.结果表明,SVM?site模型耗时减少,且具有较佳的诊断性能,基本满足现场诊断需求.若继续增加润滑油供油...     

基于机器学习的燃气轮机控制系统分层故障诊断

针对传统算法在实际应用中存在网络规模庞大、学习训练时间过长和知识“组合爆炸”而导致网络组织失败等问题,提出基于变分模态分解（Variational Mode Decomposition,VMD）、自回归模型（Autoregressive Model,AR）和轻量型梯度提升机（Light Gradient Boosting Machine,LightGBM）算法的燃气轮机控制系统分层故障诊断方法。首先对原始信号进行VMD AR建模,获取最具表征性的故障特征向量;然后根据不同层级特点和故障类型设计多个LightGBM模型;最后采用贝叶斯优化算法优化分层诊断模型中的超参数,并将待测信号输入模型进行故障诊断。结果表明：所提算法不仅能够达到95%以上的故障识别率,而且具有更强的泛化能力。