汽轮发电机组转子故障诊断的综合模糊模式识别

首先提出了模糊综合评判和模糊模式识别是两种本质上不同的诊断思想，介绍了两种方法的计算过程，重点说明了在征兆向量的构成上以及计算结果的意义方面的不同之处，通过一个计算实例，概括出所提出的综合模糊模式识别的思想。     

基于小波模糊网络的电厂汽轮发电机组故障诊断

针对传统故障诊断方法在汽轮发电机组振动类多重并发故障诊断中的局限性，提出了小波变换与模糊理论相结合的诊断方法。采用二进离散小波变换获取有效的故障特征向量，利用模糊诊断方程进行故障模式分类。通过选择足够的样本对故障诊断方程进行训练，将代表故障的信息输入训练好的诊断方程，由输出结果即可判定故障类型。实际应用表明该方法可以有效诊断汽轮发电机组振动类多重并发故障，诊断结果全面、准确。     

基于混合模糊聚类分析的汽轮发电机组振动故障诊断

针对模糊C-均值(FCM)算法在汽轮发电机组振动故障诊断中的不足,提出了一种加权混沌优化FCM(WCOFCM)算法。WCOFCM算法首先将混沌优化策略与传统FCM算法相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,并结合梯度算子,使方法有效收敛到极值点。然后依样本相似度原理对样本特征进行加权,对不同的特征赋予权重,突出敏感特征对聚类结果的主导作用,提高了聚类性能。最后依据聚类有效性函数指标自动确定聚类数,实现自适应分类。用该方法对国际标准测试数据进行了聚类分析实验,并将该方法应用于某发电厂汽轮发电机组振动故障诊断,其结果表明该方法有效降低了误分类率,能对汽轮发电机组振动故障进行有效诊断。     

汽轮发电机组故障诊断问题的研究

从系统论的角度分析了汽轮发电机组故障诊断问题的特征有：故障的阶段性,渐进性,并存在,征兆的相关性;数据和信息的不充分,不可靠性,征兆和故障的复杂映射性及故障表现的不一致性,根据这些诊断系统特征的需要采取了相应的措施,为汽轮发电机组故障诊断系统的研制提供了基础。     

基于自组织模糊神经网络的汽轮发电机组振动故障诊断系统

针对目前汽轮发电机组振动故障的模糊诊断系统精度较低的问题,将模糊理论与神经网络技术结合,构造了适合于大型复杂系统故障诊断的自组织模糊神经网络系统的体系结构.在此基础上,提出了一种新型的样本模糊自组织方式,利用快速傅里叶变换(FFT)分析方法和图形分析法提取足够多的故障征兆,再采用聚焦式模糊分段算法对故障征兆进行模糊化处理,然后建立合理的训练样本库,并将经过确认的故障数据增加到标准案例库中,以提高整个系统的诊断能力.其中,聚焦式模糊分段算法对故障征兆中正常与不正常的转折部分进行非线性聚焦,即离正常与不正常的分界值越近时,故障征兆的特征抽取密度越大,使得原来模糊的分界部分被清晰化,大大提高了诊断精度.最后,以108DAI专用检测系统作为硬件支持,设计和实现了600 MW汽轮发电机组常见振动故障的模糊诊断系统,并利用现场故障数据验证了该系统的有效性.     

分布式汽轮发电机组在线检测与故障诊断系统

汽轮发电机组运行时需要监视的参数较我,常规集中式监视系统投资大,安装工作量大且受场地限制。由于集控室仪表安装密度很高,使得大部分同类系统只能安装在仪表室中,造成与使用者的分离而不能发挥应用作用。本文结合１００ＭＷ汽轮发电机组在线检测系统的工程实践,利用机组已安装的智能巡测仪作为前沿站,加入必要的振动测点构成分布式汽轮发电机组在线检测与故障诊断系统,既有利于新机组的系统设计,又特别适合现有运行机组的     

汽轮发电机组神经网络故障诊断方法研究

基于机械特性和热参数，简要分析了汽轮发电机组的故障机理，并据此作为故障诊断的依据，研究了椭球单元神经网络故障诊断方法。     

汽轮发电机组故障诊断技术与预测维修

论述了汽轮发电机组的状态监测和故障诊断技术的内容、方法、功能及其与预测维修的关系。阐述了国外汽轮发电机维修方式的演变过程，以及开展预测维修对提高机组可用率和降低机组检修费用的重要意义。     

襄樊电厂300MW汽轮发电机组振动故障诊断与处理

详细介绍襄樊电厂１号机组在运行过程中存在的各种振动问题，对振动原因进行具体分析，提出处理振动故障措施，并最终使轴系振动符合达标要求。     

供热汽轮发电机组振动的故障诊断及处理

针对某供热汽轮发电机组小修后出现3号轴承箱振动大的故障现象进行了现场测试,并对其振动特征及故障特征进行了分析。依据现场检查结构调整转子与定子装配情况,对发电机转子进行动平衡,解决了该机组的振动问题。     

大型汽轮发电机转子匝间短路故障的诊断及定位

针对目前大型汽轮发电机的转子匝间短路故障频发,但发电机转子故障的在线检测方法存在易受现场干扰误报,无法对故障点做出定位等缺点,以一起700 MW的大型汽轮发电机跳机事故为案例,应用两极电压平衡原理,基于两极结构对称分布特性的直流电压分布试验方法,对发电机转子绕组的匝间短路故障进行故障诊断和定位分析,结果表明,该方法可以对发电机转子励磁绕组匝间短路故障进行精确定位。     

汽轮机发电机组动静碰摩故障的诊断与处理

文章介绍了汽轮发电机组产生动静碰摩的原因,以及碰摩振动发生、发展的机理,总结了碰摩振动响应的频谱特征,给出了现场故障诊断要点。同时从理论、实验研究和现场振动故障诊断处理等方面,对近些年来国内外,特别是国内在这方面的主要研究成果与经验进行了简要总结与评述。通过对导致动静碰摩的各类原因分析,对防止碰摩及振动的措施作了一些有益的探讨。     

模糊粗糙集数据挖掘方法在电力变压器故障诊断中的应用研究--基于油中溶解气体的分析诊断

将电力变压器故障历史数据首先进行模糊化及离散化处理,然后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,为电力变压器提供有效的故障诊断.     

风电机组发电机轴承电腐蚀故障的分析诊断

电腐蚀故障是风电机组发电机轴承的常见故障模式,电腐蚀故障通常分布在整个轴承滚道上,产生的振动响应信号中故障冲击特征往往不如局部故障明显,因此容易被忽视。针对电腐蚀故障振动信号的这种特点,采用一种最小熵解卷积方法对振动信号进行预处理,增强信号中的故障冲击成分。然后再应用包络谱分析方法提取故障特征信息,以提升故障诊断的效果。论述了最小熵解卷积方法的基本原理和实现流程,将该方法应用于一台实际风电机组发电机轴承的电腐蚀故障诊断中,通过对实测振动信号的分析处理,实现了电腐蚀故障的识别诊断,验证了最小熵解卷积方法对故障信息增强的使用效果。     

汽轮发电机组振动故障诊断方法的探讨

分析了目前故障诊断方法存在的问题,改进了智能诊断方法。根据机组的状态和振动频率,提出了分阶段、分层次的诊断策略,提高了故障诊断的准确率。     

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。     

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     

大型汽轮发电机组低频振动剖析

详细分析了大型汽轮发电机组低频振动的频率特性和引起的原因,论述了控制和解决低频振动的方法,并列举了国产２００ＭＷ机组解决两种类型低频振动的方法     

汽轮发电机转子工频振动的原因分析与诊断

分析并总结了汽轮发电机气隙偏心、励磁绕组匝间短路、转子冷却风道局部堵塞、励磁绕组与转子本体及护环不对称摩擦力、定转子碰摩、转子支撑系统连接松动、机械不平衡故障时,汽轮发电机转子振动特性和发电机电磁特性,为现场发电机工频振动诊断提供了分析判断的思路和方法。