模糊理论在汽轮发电机故障诊断中的应用

以模糊理论为基础,结合汽轮发电机结构设计、运行状况及现场专家经验,分析了故障与征兆之间的模糊关系,形成了发电机故障诊断规则,并用采故障分解的方法,建立了汽轮发电机故障模糊诊断模型,最后用一具体故障诊断实例加以分析、验证。模糊理论及方法在发电机故障诊断中的应用,为实现汽轮发电机状态监测与故障诊断专家系统提供了一种新的方式。     

基于小波分析的发电机匝间短路故障的智能诊断研究

本文提出了基于小波变换和模糊理论的智能诊断新策略。通过故障信号小波变换的模量极大值特征的提取,可实现发电机定子绕组匝间短路故障的诊断。仿真实验表明,本方法适用于动态非平稳故障信号的特征提取,适合于实时故障检测。同时,结合模糊诊断技术提高了故障诊断率。     

励磁式发电机故障模拟系统

针对发电机在运行过程中,会受到多种因素影响而出现各类故障等问题展开研究,这些问题若无法及时发现可能会导致很严重的后果.在深入研究励磁式发电机定、转子结构的基础上,设计了励磁式发电机故障模拟实验系统,该系统采用两级发电式结构,故障设置操作简单.该系统可模拟主发电机定子绕组匝间短路故障、定子绕组相间短路故障;转子偏心故障;励磁机定子绕组匝间短路故障、转子绕组匝间短路故障、相间短路故障.旋转整流器三相桥式电路中,可设置某一功率二极管开路故障.该实验系统能够实现发电机故障的定位并提高发电机运行的可靠性.     

发电机自适应模糊稳定器

提出了一种发电机可调整控制性能的自适应模糊电力系统稳定器,并作了计算机数字仿真,证明了该发电机自适应模糊稳定器的良好控制性能。     

同步发电机失磁异步运行的探讨

发电机突然部分或全部失去励磁,是发电机励磁回路常见的故障之一.首先,分析了造成失磁故障的常见原因及失磁后发电机参数的变化;其次,论述了失磁给发电机和电力系统造成的危害;最后,给出了机组失磁后的处理原则.     

核电汽轮发电机负序运行转子槽楔涡流损耗研究

为了研究发电机不同工况下转子槽楔涡流损耗,以1407MVA大型核用半速汽轮发电机为例,通过建立该发电机二维电磁场数学模型,基于时步有限元法计算发电机由负载不对称引起稳态负序运行时转子槽楔上感生的涡流损耗。建立动态分析的场—路耦合时步有限元模型,分别计算当发电机外部发生单相短路、相间短路、两相接地短路故障后瞬间和故障稳定后的转子槽楔涡流损耗,得到不同外部短路故障下转子不同位置的槽楔暂态和稳态涡流损耗分布。对比研究了发电机额定运行和空载运行时外部短路故障后槽楔涡流损耗的变化规律。分析结果表明外部短路故障后,负序电流会使发电机转子槽楔产生涡流损耗,威胁着发电机的安全运行,其中单相短路故障影响最为严重。     

同步发电机定子绕组匝间短路故障诊断研究

在对同步发电机定子绕组匝间短路故障负序电流分量产生机理进行分析的基础上,提出了以负序电流作为故障特征量,对同步发电机定子内部短路故障进行监测和诊断的方法。基于电路与电磁场有限元理论,建立同步发电机场路耦合数学模型,对半载运行下的同步发电机发生定子绕组匝间短路故障进行仿真,计算出故障发生前后三相电流相角差与幅值以及负序电流分量,并通过一台功率为24 kW的同步发电机实验数据验证了模型的精度与理论分析的合理性。同时,仿真分析了同一支路短路故障与不同支路短路故障等情况下对负序电流大小的影响,该结果对同步发电机定子绕组匝间短路故障的监测与诊断具有理论意义。     

发电机励磁故障排除方法探析

励磁系统对发电机而言,起着至关重要的作用,随着科学技术的不断发展,发电机励磁故障的排除研究逐渐成为了研究热点。本文就励磁系统的工作原理、故障检测、故障排除作出了探讨分析。     

200MW水轮发电机励磁系统仿真研究

分析了发电机励磁控制系统的结构、控制原理;以200MW水轮发电机为例,对以PID控制方式的励磁控制系统进行了研究.在此基础上,基于MATLAB/Simulink软件,建立了同步发电机及其励磁调节系统仿真模型.并在Simulink环境下进行了系统发生三相短路故障的仿真.从仿真结果分析,系统发生短路故障时对发电机的稳定运行有很大的影响;参数合理的励磁调节器能使发电机在故障切除后较快的恢复稳定运行状态.     

汽轮发电机过热故障在线监测与诊断

提出在正常运行条件下（无任何故障,运行状态良好）汽轮发电机定子绕组铜温及出水温度（标准温度）计算方法,通过分析标准温度和实际温度测量值的偏差,来确定发电机定子本身是否发生水堵等过热故障,并借助于发电机的其它辅助工况参数来对故障进行定位。它比巡测仪等温度越限报警装置发现故障要灵敏得多。这为充分利用原已安装的发电机传感器开发在线故障监测与诊断系统提供了一种新的尝试。     

层次模块化模糊神经网络在铝电解故障诊断中的应用

目的针对铝电解故障发生机理及特点，提出采用层次模块化模糊神经网络实现对铝电解故障快速、有效检测的新方法．方法利用数据处理子模块，诊断子模块，决策子模块，从而对铝电解生产过程中的故障进行诊断．结果数据处理子网络实现了对数据的特征提取，优化了数据结构，将大结构的神经网络分解成多个小网络，并用决策神经网络对故障进行模式分类．结论该方法优化了大结构神经网络的学习性能，提高了故障检测的准确率，具有良好的实用价值．     

集成神经网络信息融合在故障诊断中的应用

随着设备复杂性的提高，采用单子神经网络信息融合在故障诊断中已无法给出正确的判断。根据实际应用的需要，在讨论集成神经网络信息融合优点的基础上，提出一种集成神经网络信息融合的故障诊断方法，给出了它的组成结构、组建原则以及集成神经网络信息融合在故障诊断中的应用，最后应用集成神经网络对工业CT系统中的驱动器故障诊断进行了仿真。该方法通用性强，为工业CT系统其它部件的故障诊断提供了较好的模型和方法。     

潜油柱塞泵MMAGA-RBF故障诊断方法

针对潜油柱塞泵无法使用传统地面示功图方法进行故障诊断的问题,提出了一种适用于该抽油机的故障诊断方法.该方法首先利用多变异位自适应遗传算法(MMAGA)对RBF神经网络进行参数寻优,然后从潜油直线电机的运行参数和油井井口的仪表参数等综合数据中,提取出反映油泵运行状态的特征参数,并将其作为故障诊断模型的输入向量,从而实现潜油柱塞泵故障工况的诊断.结果表明:MMAGA-RBF故障诊断方法能够在较少的训练样本下达到较高的综合诊断准确率,在训练样本集达到1 000组以上时,其综合误判率可低于4%,相对于普通遗传算法优化的模型,其泛化能力更强.MMAGA-RBF故障诊断方法符合潜油柱塞泵的工况特点,能够达到其综合诊断准确率的要求.     

基于神经网络的旋转机械故障诊断系统

应用神经网络方法对旋转机械的故障诊断进行了实用性研究,给出了神经网络的诊断模型,并研制出相应的基于神经网络方法的旋转机械故障诊断系统,实际运行的结果表明,该系统对故障的诊断是有效的．     

基于遗传小波神经网络的电网故障诊断方法研究

电网故障中继电保护和断路器的拒动、误动以及信息上传过程中的丢失、畸变等问题使快速、准确的故障诊断仍是一个难题。神经网络方法虽已应用,但神经网络容易陷入局部极小值,针对此情况,提出了基于小波神经网络和遗传算法相结合的故障诊断方法。用遗传算法学习小波神经网络的权值、尺度函数、结构,可以确定用于故障诊断的最优小波神经网络。并对算例进行了仿真,仿真结果表明优化的故障诊断系统优于BP算法的诊断系统,提高了故障诊断精度。     

基于蚁群优化神经网络的故障诊断

针对BP神经网络收敛速度慢,易于陷入局部极小点的问题,将蚁群算法引入BP神经网络的优化训练,建立了基于该算法的BP神经网络训练模型,并应用于电机转子故障诊断。结果表明,用蚁群算法训练神经网络具有较高的故障诊断精度,收敛性好,可以有效快速定位电机转子故障,提高诊断的效率和质量。     

面向故障诊断的供水管网水压监测点优化布置方法

为解决供水管网故障诊断中准确率不高、经济性不佳的问题,设计了一个基于改进的果蝇优化算法核极限学习机的供水管网故障诊断模型。经验证,该模型具有学习速度快、故障识别率高等优点。以该模型为核心提出了基于果蝇优化算法的供水管网水压监测点优化布置方法。该方法首先利用果蝇优化算法形成多组水压监测点方案,然后用供水管网故障诊断模型计算每种方案的诊断准确率,选择其中诊断准确率最高、经济性最好的方案作为候选最优方案,并以此方案为基础,使用果蝇优化算法不断循环迭代,最终找到故障诊断准确率高且经济性最好的水压监测点布置方案。利用Matlab语言代码对提出供水管网水压监测点优化布置方法进行了编码实现,使用实际管网数据进行了实验,结果表明,所提出的供水管网水压监测点优化布置方法是一个有效的水压监测点优化布置方法。     

汽轮机转子故障诊断算法应用研究

对汽轮机转子故障进行诊断是确保汽轮机安全运行的关键。振动信号的分析在汽轮机转子故障诊断中广泛应用。应用小波包分析方法提取振动信号特征值,进一步作为BP神经网络的输入量,建立信号特征与其故障类型的非线性映射关系,利用神经网络实现故障诊断。仿真结果表明,该方法可以有效地对汽轮机转子故障进行诊断。     

神经网络-模糊推理协作系统在闸门综合自动化故障诊断中的应用

研究了神经网络-模糊推理协作系统在闸门综合自动化故障诊断中的应用,在该协作系统中,先根据模糊模型确定神经网络的结构、连接方式以及初始权值,从而构造出相应的神经网络.然后,将神经网络应用于闸门综合自动化故障诊断系统,根据系统的运行数据对神经网络进行学习训练,调整神经网络的权值来修正原始的模型,提高其准确性.经过学习训练后的神经网络模型又被转换成模糊模型,从而使分布存储在神经网络中的知识得到清晰的解释.该系统已应用于生产实践中,系统运行结果验证了该方法的有效性和可行性.     

基于不同学习算法的RBF神经网络在故障诊断中的应用

基于对RBF神经网络常用的3种学习算法的研究,通过对凝汽器典型故障类型与故障征兆分析,提出了基于不同学习算法的RBF神经网络凝汽器故障诊断,并对诊断结果进行比较.诊断结果表明,基于3种常见学习算法的RBF神经网络都可以准确诊断出凝汽器的各种故障,但聚类方法和OLS算法学习速度要快得多,梯度训练方法速度较慢.研究还表明,RBF神经网络在故障诊断领域具有很好的实用性.