模糊理论在水轮发电机组故障诊断中的应用

以模糊理论为基础，结合水轮发电机组的结构设计、运行工况、现场运 行人员和专家的经验，分析了故障与征兆之间的模糊关系，形成了水轮发电机组诊断规则， 建立了水轮发电机组模糊诊断自适应修正数学模型，并用某水电厂具体故障实例加以分析、 诊断、验证，结果证明了该数学模型的合理性和适用性。     

信息融合技术在水轮发电机组故障诊断中的应用

本文讨论了水轮发电机组故障征兆的特征选择与提取。基于信息融合技术的思想,从设备故障诊断的实际出发,建立了基于信息融合技术的神经网络证据融合故障诊断系统,即通过故障特征信息的有效组合,用各种子神经网络从不同侧面对设备故障进行初步诊断,然后对诊断结果应用DempsterShafer证据理论进行决策融合。诊断实例表明,经过多故障特征信息融合,诊断结论的可信度明显提高,可以有效提高确诊率。     

BP网络在水轮发电机组振动故障诊断中的应用研究

将人工智能引入水轮发电机组的故障诊断,有利于大中型水电厂“无人值班（少人值守）”管理模式的加速发展。本文首先简单介绍了人工神经网络的基本性能和ＢＰ网络模型及算法,然后将神经网络中的ＢＰ模型应用于水轮发电机组振动故障诊断中,比较了选择不同的网络参数对诊断系统性能的影响。实验证明,基于ＢＰ网络的水轮发电机组振动故障诊断方法具有很高的实用价值。     

BP网络在水轮发电机组振动故障诊断中的应用研究

该文介绍了人工神经网络的基本性能和BP网络模型及算法 ,然后将神经网络中的BP模型应用于水轮发电机组振动故障诊断中 ,比较了选择不同的网络参数对诊断系统性能的影响。实验证明 ,基于BP网络的水轮发电机组振动故障诊断方法具有很高的实用价值。图 2表 5参 9     

水轮发电机组在线状态监测故障诊断系统

随着水电机组单机容量的不断增大,其安全性和经济性日益重要,跟踪监视水电机组的工及时有效地处理转子故障,具有重要的意义,水轮发电机组在线状态监测故障诊断系统针对水电厂机组的特点,能对我台水电机电组的运行状况进行实时监测,并给出状态报告,该系统还提供了包括振动摆度,功率及水头的相关分析,动平衡计算,最大摆度方位图,盘车轴心找正,瓦隙分配计算在专为水电机组开发的各种实用功能模块,该系统能够常见的转子故障     

径向基神经网络在水轮发电机组故障诊断中的应用

轴心轨迹是诊断水轮发电机组运行状态的一个重要征兆。以不变矩为图形特征量，运用径向基神经网络对发电机故障状态的轴心轨迹图形进行辨识，是一种简单、有效的故障诊断方法。文中从原理上阐述了这种方法的可行性，并通过仿真试验证明径向基神经网络比BP神经网络有更高的学习效率和更好的诊断精度。     

一种基于粗糙集理论的燃气轮发电机组故障诊断新方法

燃气轮发电机组的故障诊断,实质上是一个模式分类问题。本文以振动特征频谱为依据,提出了一种基于粗糙集理论的燃气轮发电机组故障诊断新方法。该方法不但可直接从完备的故障特征频谱样本集中导出正确的诊断结论,而且还能从不完整的故障特征频谱样本集中导出满意的诊断结论,它揭示了故障特征频谱信息的冗余性。本方法为在不完整征兆信息下的燃气轮发电机组故障诊断提供了新的思路。实例诊断结果表明了该方法的有效性。     

改进Elman网络及其在水轮发电机组故障诊断中的应用

针对水轮发电机组故障诊断系统，分析了改进BP网络在故障诊断中的不足，提出了利用改进Elman网络进行水轮发电机组故障诊断的方法。该方法具有精度高、收敛快、可以避免局部最小的优点，从而为水轮发电机组故障诊断提供了一种更有效的方法。     

水轮发电机组在线状态监测故障诊断系统

该系统能针对水电机组的特点,对多台水电机组的运行状况进行实时监测,并给出状态报告。此外它还提供了包括振动摆度、功率及水头的相关分析、动平衡计算、最大摆度方位图、盘车轴心找正、瓦隙分配计算在内的专为水电机组开发的各种实用功能模块,能够对常见的转子故障提供状态跟踪分析及故障诊断功能。     

汽轮发电机组振动故障诊断的粗糙集模型

在机械故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题。文中提出了一种基于粗糙集理论的汽轮发电机组振动故障诊断模型。该模型从包含冗余和不一致信息的原始数据出发,利用遗传算法实现了故障征兆属性约简;然后通过给出的值约简算法进一步产生了带有置信度和覆盖度的最大广义决策规则集,建立了用于故障诊断的规则库。在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据提出的规则进行综合评价,并得出诊断结论。最后给出了该诊断模型的一般结构。     

基于粗糙集和自适应遗传算法的电力变压器故障诊断

采用自适应遗传算法和粗糙集相结合的方法对电力变压器的决策信息表进行属性约简,并进一步采用改进的值约简算法以获取最小决策表,从最终的约简决策表中提取出故障诊断规则。通过引入初始种群预处理、最优L个个体保存法、双亲单子法等操作加速算法的收敛速度,并结合两个实例证明了规则的正确可行性。整个算法简单、快速,可有效地应用于电力变压器的故障诊断中。     

粗糙集理论提取配电网故障诊断规则的方法

针对决策表约简这一NP(NondeterministicPolynomial)难问题采用粗糙集理论进行配电网故障诊断,提出了一种以属性长度和频率作为启发式信息的约简算法和相应的属性值约简方法,实现了决策表的快速简化及故障诊断规则提取,同时针对故障诊断中存在信息残缺的情况,给出了基于欧氏距离的规则匹配方法。整个算法思路清晰,抽取的诊断规则形式简洁,不需要对区分矩阵进行大量计算就能有效地获取决策表的最佳约简。仿真实例表明该方法计算速度快,获取的规则不仅形式简单且能反映出故障的特点;形成的故障诊断规则库能给出一个满意的诊断结果,方法具有良好的容错性能和在线故障诊断的潜力。     

粗糙集理论在配电网故障诊断中的应用

鉴于粗糙集理论在处理不精确问题时,不需要提供待求解问题所需处理的数据集合之外的任何先验信息,运用粗糙集理论研究了因保护装置和断路器误动或拒动、通信装置故障等原因造成的不完备警报信号模式下的配电网故障诊断新方法。该方法将保护和断路器的信号作为对故障分类的条件属性集,考虑了各种可能发生的故障情况,以此建立决策表,直接从故障样本集中导出诊断规则,并揭示了警报信息内在冗余性。运用Visual Studio.NET开发平台,使用Vis- ual C#语言对配电网典型网络的故障诊断进行了编程,算例结果表明了该方法的有效性。     

基于粗糙集理论的配电网故障诊断规则提取方法

As the first step of service restoration of distribution system,rapid fault diagnosis is a significant task for reducing power outage time,decreasing outage loss,and subsequently improving service reliability and safety.This paper analyzes a fault diagnosis approach by using rough set theory in which how to reduce decision table of data set is a main calculation intensive task.Aiming at this reduction problem,a heuristic reduction algorithm based on attribution length and frequency is proposed.At the same time,the corresponding value reduction method is proposed in order to fulfill the reduction and diagnosis rules extraction.Meanwhile,a Euclid matching method is introduced to solve confliction problems among the extracted rules when some information is lacking.Principal of the whole algorithm is clear and diagnostic rules distilled from the reduction are concise.Moreover,it needs less calculation towards specific discernibility matrix,and thus avoids the corresponding NP hard problem.The whole process is realized by MATLAB programming.A simulation example shows that the method has a fast calculation speed,and the extracted rules can reflect the characteristic of fault with a concise form.The rule database,formed by different reduction of decision table,can diagnose single fault and multi-faults efficiently,and give satisfied results even when the existed information is incomplete.The proposed method has good error-tolerate capability and the potential for on-line fault diagnosis.     

基于粗糙集理论和贝叶斯网络的电力变压器故障诊断方法

电力变压器故障诊断对电力系统的安全运行有着十分重要的意义。文中基于智能互补融合的思想,将粗糙集理论与贝叶斯网络有机结合在一起,提出了一种电力变压器故障诊断的新方法。利用粗糙集信息表约简技术来实现对专家知识的简化与故障特征的压缩,获得最小诊断规则,基于最小诊断规则的贝叶斯网络模型可以有效降低网络结构的复杂性与故障特征获取的难度;同时利用贝叶斯网络实现概率推理,便于描述故障特征的变化及对变压器故障原因的快速分析。最后,进行了变压器故障实例分析,诊断结果证明该方法的正确性和有效性。     

基于粗糙集的变压器故障诊断方法研究综述

介绍了粗糙集理论的基本概念、约简计算方法和约简过程,并对近年来基于单一粗糙集理论及其与其他智能方法组合的变压器故障诊断方法的主要研究成果进行了分析和评述,指出基于粗糙集理论的属性约简能够保证在变压器故障诊断结果一致的情况下选择最少的特征集,是变压器故障诊断的一个较好的途径。     

基于粗糙集理论的真空断路器故障诊断方法

真空断路器的故障和征兆总是存在着随机性、模糊性和不确定性。以粗糙集理论为基础的,用于真空断路器故障诊断。通过以故障征兆为条件属性集,以故障为决策属性集,建立故障诊断的决策表,通过约简决策表,剔除冗余条件属性,建立起征兆与故障的决策规则,从而快速、准确地诊断真空断路器的故障。     

证据理论和粗集在变电站故障诊断中的应用

由于证据理论存在如基本概率人为给定而导致强烈主观性等固有缺陷,文中首先分析了粗集理论与证据理论的关系,确定了粗集是证据理论的基础,进而描述了基于粗集和证据理论的变电站故障诊断的特殊过程,并研究了基于上述理论的变电站故障诊断推理算法.通过在变电站故障诊断专家系统的不确定知识决策规则中应用该算法,表明此算法能增强推理过程的稳定性,并具有较强的鲁棒性,是一种处理不确定和不完整信息的有效方法.     

用粗糙集理论和贝叶斯网络诊断SF6断路器故障

为了在断路器故障时能快速、准确地找出故障原因,提出了一种基于粗糙集理论和贝叶斯网络的高压SF6断路器故障诊断的方法。该方法首先根据断路器的故障样本集找出征兆集合和故障集合之间的关系以建立断路器故障诊断决策表,然后利用粗糙集理论属性约简中的区分矩阵算法对决策表进行约简,剔除冗余知识,简化专家知识得到最小诊断规则进而构建贝叶斯网络可以有效降低网络结构的复杂性,最后利用贝叶斯网络的概率推理实现了对断路器故障原因的快速分析。经过实例证明,该方法用于高压SF6断路器的故障诊断是可行有效的,并且最后给出的结果还可以为断路器的状态检修提供依据。