基于损失函数的SVM算法及其在轻微故障诊断中的应用

尽早识别轻微故障，对提高生产过程设备运行的安全性具有重要意义。为实现对设备轻微故障的正确识别和及时诊断，该文提出了一种基于损失函数的支持向量机(SVM)算法。应用模糊理论的方法对支持向量机分类及最优分类面进行了解释，对可疑分类区列出了模糊隶属度的表达式。针对故障诊断等问题中误判造成的损失不同这一特点，定义了基于损失函数的模糊隶属度，并得出了修正后的最优分类面。SVM算法可以实现对设备轻微故障的准确识别，并可近似地判别故障的严重程度。文中以汽轮机减速箱轴承运行状态诊断为例，对样本数据经K-L变换后进行可视化研究，分类结果表明了该算法的可行性。     

对分式凝汽器故障诊断的模糊模式识别及神经网络方法

凝汽器工作状况好坏直接影响凝汽式汽轮机发电机组运行的安全经济性。为此,针对某300MW机组对分式凝汽器的结构特点、实际凝汽系统构成及现场的DAS测点布置,首次运用基于模型的故障仿真方法,较完善的总结了对分式凝汽器的典型故障知识库,并对故障征兆的具体表达方法进行了探讨。在此基础上运用模糊模式识别和人工神经网络2种方法实现对分式凝汽器故障诊断。故障模糊模式识别采用了一种改进的故障隶属函数形式,有效克服了现有隶属数易对正常工况产生误诊断的不足,有效克服了现有隶属数易对正常工况产生诊断的不足。神经网络训练过程中,提出了基于恒误差修正率控制的网络学习率自适应调整方法,大大加快了网络收敛速度,便于实现故障的在线实时诊断,通过诊断实例比较了各方法改进前后及两种不同方法的诊断效果。     

模糊CMAC神经网络控制系统及混合学习算法

针对CMAC神经网络和模糊控制的特性,给出了一种能反映人脑认知的模糊性和连续性的模糊CMAC神经网络控制器,该控制器采用高斯函数作为模糊隶属函数,利用神经网络实现模糊推理并可对隶属函数进行实时调整,从而使其具有学习和自适应能力。讨论了这种控制器的混合学习算法,即先采用混沌算法离线优化,再采用BP梯度算法在线调整,并推导了变形Elmam网络的系统辨识算法。对电厂锅炉主蒸汽温度控制的仿真结果表明了此控制器及其学习算法的可行性和有效性。     

凝汽器运行性能的综合评判模型

凝汽器是凝汽式汽轮机的主要辅助设备 ,其运行性能的好坏对热力系统的热经济性有很大的影响。利用模糊数学中综合评判的数学工具 ,确定了凝汽器性能指标的隶属度函数 ,建立了凝汽器运行性能的评判模型。该模型实现了火电厂在线监测中 ,凝汽器运行性能的综合评定 ,对运行人员和管理人员有一定的指导意义。     

基于模糊集理论的传感器健康度评价方法

针对测量系统中传感器故障诊断和故障预测的问题,研究基于模糊集理论的传感器健康评价方法,给出了传感器健康状态的定量综合评价指标--传感器健康度.该方法将模糊数据融合方法用于传感器健康度计算,利用隶属度函数计算传感器在各个时序点的隶属度,应用二级指标评判融合策略计算传感器多时序点融合隶属度,最后由隶属度到健康度的映射关系得到传感器的健康度.确定了传感器健康状况等级,并给出了传感器健康评价结果.实验结果表明该方法既可对传感器故障进行在线诊断,又可对传感器自身状况进行故障预测.     

TSI和TDM一体化系统在汽轮机故障诊断中的应用实例

本文介绍了汽轮机监视装置和瞬态数据管理一体化系统在某发电厂300MW等级汽轮机上运行中，几个典型故障的诊断实例。     

基于故障树的凝汽器低真空运行故障诊断系统

在对凝汽器低真空运行故障进行充分理论研究的基础上,结合电厂运行实际,开发出了基于故障树的凝汽器低真空故障诊断系统.通过对现场数据的调试表明:该系统既可以对火电机组的冷端系统作粗略的自动诊断,也可以在自动诊断的基础上作详细的手动诊断;既可以对机组真空运行状态作实时在线监视与诊断,又可以对数小时以前的历史运行数据作离线诊断.该系统应用到实际生产过程中可以极大地缩短真空系统查漏的时间,提高机组长周期运行的真空度指标,对于电厂运行人员及时了解和改善机组的真空运行状态,提高机组的热经济性将起到积极的作用.     

基于模糊神经网络的凝汽器故障诊断研究

采用模糊神经网络进行凝汽器的故障诊断。根据某电厂的运行规程及运行经验构造了进行凝汽器故障诊断所需的全部17个隶属函数,利用这些隶属函数可以对各个输入进行模糊化处理,使之成为量化输入。对模糊BP网络进行训练,可以得到模糊BP网络的知识库结构。在此基础上,对一个凝汽器实际故障进行了诊断,得出了令人满意的结果。     

基于自适应FNN和DTMC的MOA在线故障诊断与评估方法

现阶段一般采用离线停电试验方法对氧化锌避雷器(metal oxide arrester, MOA)进行故障判断和运行评估,影响了供电可靠性。为此,基于自适应模糊神经网络(fuzzy neural network, FNN)和离散时间马尔科夫链(discrete-time Markov chain, DTMC),提出MOA在线故障诊断与状态评估方法。首先提取与MOA运行状态相关的指标参数,通过自适应FNN学习运行状态特征指标,并且自适应动态调整隶属度函数。然后基于DTMC,考虑不同时刻运行状态特征数据,计算MOA故障类型与运行状态评估概率值。最后进行实时数据仿真以及多组历史数据仿真试验,结果准确率均在90%以上,验证了所提算法的合理性和可靠性。     

模糊数学在故障诊断系统中的应用研究

将模糊数学理论应用到电机故障诊断系统中 ,建立了模糊识别系统 ;根据模糊数学理论公式确定电机隶属函数的大小 ;计算出症候群对各种故障的隶属度 ;然后按隶属度对故障进行归类 ,较好地解决了不确定因素对电机产生的影响 ,诊断效果较好。     

火电厂汽轮机振动故障诊断专家系统设计与实现

为了及时有效地根据火电厂汽轮机振动信号诊断出故障原因,并为设备提供检修参考意见,讨论了利用汽轮机组的振动频率对故障进行模块划分,使用VisualC 和专家系统工具CLIPS开发了火电厂汽轮机振动诊断故障诊断专家系统。该系统能够根据汽轮机振动现象进行故障诊断,最后的诊断实例验证了其可靠性。     

汽轮机转子在线故障诊断系统

汽化机转子在线故障诊断是关系到发电厂安全运行的重要课题之一。为此,开发了基于Windows,采用DELPHI语言编程的汽轮机在线故障诊断系统（TRFDS）。其硬件包括传感器、振动数据采集卡和计算机设备;系统软件包括数据采集、振动信号的监测及分析,模糊故障诊断、数据库管理功能模块及其它辅助软件。TRFDS具有操作简单、采集分析速度快、精度高、故障诊断和预测功能较强等特点,模拟实验表明,该系统能满足现场在线监测和故障诊断的要求。     

基于LabVIEW的汽轮机振动监测与故障诊断数据库系统

汽轮机振动监测与故障诊断系统不可避免地要涉及到振动数据的存储与管理问题,利用LabVIEW作为开发平台,利用Access 2003为系统数据库开发工具开发出了汽轮机振动监测与故障诊断的数据库系统,其主要功能包括:数据的导入、数据库管理、事故追忆。此系统既能够发充分发挥虚拟仪器技术的优势,又能利用数据库强大的功能,大大地提高了汽轮机振动监测与故障诊断的水平,且易于与国际接轨。     

基于SVR和GA的汽轮机排汽焓在线预测计算

针对汽轮机排汽焓的计算是火电机组热经济性在线分析的难点,提出了采用遗传算法(GA)对基于支持向量回归机(SVR)的预测模型参数进行优化,利用优化后的模型(GA-SVR)对汽轮机排汽焓进行预测研究。以某300 MW汽轮机组为例进行了排汽焓的在线计算,并与常规SVR模型和BP-ANN模型进行对比。结果表明,该方法能够较为准确地在线预测汽轮机排汽焓值,可为火电机组的在线性能监测提供有效的手段。     

国产60Hz汽轮发电机组振动及现场动平衡

文章介绍了我国首台出口型60Hz、350MW汽轮发电机组的轴系特点,分析了机组振动的特征和产生原因,采取了变更阀序和动平衡2种减振措施,使机组振动合格,为同类机组的振动处理提供了参考。     

基于无量纲的电站加热器变工况建模和研究

回热系统是发电机组热力系统重要组成部分,加热器是其主要的辅助设备。传统回热系统加热器变工况运行的数学模型非常复杂,建模过程中涉及流体相变问题。本文基于电站加热器在实际运行中的数据,采用无量纲方法建立加热器运行模型,无需考虑加热器内部复杂的传热过程。将模型用于某660 MW超超临界汽轮机组的低压加热器上,结果表明:利用该模型计算的加热器出口水温和实际测量数据偏差很小;在满足精度要求的情况下,该模型简单方便,工程上可用于回热系统加热器的经济运行指导和故障诊断。     

关联规则挖掘在电厂设备故障监测中应用

关联规则挖掘是数据挖掘的重要分支,其通过描述数据库中不同数据属性之间所存在的潜在关系规则,找出满足给定支持度阀值和置信度阀值多个域之间的依赖关系。随着电厂设备运行期间各种故障的发生,各状态监测点参数也会发生相应变化,利用关联规则挖掘算法,找出故障发生时故障现象与故障类别之间的关联关系,更好地对设备进行故障监测与诊断。阐述了关联规则挖掘的主要概念,对挖掘时最常用的Apriori算法进行探讨,并以汽轮机凝汽器的一种典型故障为例说明了算法的执行情况,对挖掘结果进行了解释。结果验证了所用方法的可行性与正确性。     

模糊自适应预测控制在电厂主汽温控制中的应用

针对电厂主汽温对象属于非线性系统、难于控制这一问题,基于自适应和最优控制的原理,提出基于T—S模糊模型的预测控制方法。在简要分析了主汽温对象特点的基础上,建立了主汽温对象的T—S模型,并给出了相应的模型参数辨识方法。接着引入预测控制方法,并给出了具体的实现方法和仿真试验结果。试验结果表明该自适应控制算法具有较好的负荷适应性,能满足对主汽温对象的控制要求。     

基于模糊粗糙集数据挖掘的汽轮机组故障诊断研究

针对当前专家系统知识获取瓶颈的难题,提出了基于模糊粗糙集数据挖掘的汽轮机组故障诊断方法。模糊粗糙集理论把知识直接与真实或抽象世界有关的不同模式联系在一起,能有效分析处理不精确、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。将汽轮机组故障历史数据进行模糊化及离散化处理,构建故障诊断决策表,以决策表作为主要工具,即"知识库",采用模糊粗糙集数据挖掘方法直接从决策表中提取出潜在的诊断规则,为汽轮机组提供有效的故障诊断。提出了基于模糊粗糙集的分类规则学习和约简算法,实现了基于模糊粗糙集数据挖掘的汽轮机组故障诊断系统,其诊断正确率达到了88%。实验表明该方法可行,对汽轮机组故障诊断系统的设计具有借鉴意义和深入研究的价值     

模糊辨识在电力设备故障诊断中的应用

模糊理论在电力设备故障诊断中有着广泛的应用，运用模糊关系矩阵，由输入或输出，可以得出相应的结论，但是电力设备的故障诊断中存在着大量不确定因素，而模糊关系矩阵一般是由专家经验评估而来，造成人为因素影响甚大，模糊辨识技术是一种根据已知的输入和输出，辨识模糊模型的方法，用这种方法建模可以减少人为因素干扰，保证诊断的正确性。