基于热参数的单轴燃气轮机非线性故障诊断方法

为了提高故障诊断精度,提出了基于PG9171E型单轴发电用燃气轮机(燃机)的非线性故障诊断方法.通过建立燃机仿真模型,以部件特性相对变化量为输入量,以模型计算值与实测值之间的误差为目标值,并选用适当的无约束优化方法,计算得到了目标值最小时的部件特性相对变化量,即部件故障发展情况.结果表明,所提出的非线性故障诊断方法收敛性好、精度高,适用于该类机型的故障评定工作.     

Multi-PCA模型过程监测方法

为了研究具有大量高度相关的过程变量的非线性系统的故障诊断问题,提高用于故障检测和诊断的PCA模型的精度,提出一种基于多PCA模型的方法.设计的基于超椭球面的分类规则用来对过程数据分类,建立的多PCA模型用于过程监测,SOFM网络用于故障诊断.发酵过程中的仿真结果表明,多PCA模型方法能确定合理的受控限,提高了过程监测的精度,验证了方法的可行性和有效性.     

基于改进LSTM神经网络的化工过程故障诊断

针对现代化工过程中数据非线性、高维度以及动态时序等特点,传统的故障诊断模型对化工过程的故障诊断精度较低.基于此,设计了一种基于改进的长短时记忆神经网络(LSTM)故障诊断方法.首先,将采集的故障数据输入卷积神经网络(CNN),对数据进行特征提取和降维;其次,将处理过的数据输入改进的LSTM网络,进行深层特征提取;最后,把提取的深层特征信息输入到注意力机制进行特征“聚焦”,实现特征融合后输入softmax分类器实现故障分类.由田纳西-伊斯曼(TE)过程诊断实验结果表明,基于改进的LSTM网络的故障诊断方法在故障分类精度、训练速度方面都更优于递归神经网络(RNN)、门控循环神经网络(GRU)、卷积神经网络(CNN)和深度自编码网络(DAEN),在实际化工过程的应用有一定的优势.     

基于改进SAE的提升机制动系统故障诊断

为了减少传统故障诊断方法人工主观干预对诊断结果的影响,使用无监督学习方式提取提升机监测数据的故障特征,提出了一种基于稀疏自编码器的故障诊断方法. 首先分析了制动系统的故障机理,采集了提升机正常运行和故障模拟状态下的监测数据,生成了故障诊断数据集;然后建立了SAE故障诊断模型,并使用Dropout和Adam算法对其进行了优化;最后使用测试数据集对模型的性能进行了测试. 试验结果表明,提出的方法较好地避免了稀疏数据的训练误差,减少了过拟合现象,降低了稀疏数据局部最优点的影响,故障类型的平均分类精度达到94%,能有效地进行矿井提升机的故障诊断.      

船用三轴燃气轮机动态过程实时实仿真的数学模型

本文讨论了三轴燃气轮机动态实时仿真的建模,借此建立起一个分析其动态性能的参考曲面——准动态运行面,并导出了一种准非线性实时仿真模型.它与精确的非线性数字仿真结果对比证明,该模型具有较高的精度,从而使复杂的多轴燃气轮机实时仿真得以在现有的普通模拟计算机或混合计算机上进行,并取得满意的结果.     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于差分进化和核主元分析的燃气轮机故障检测

燃气轮机气路部件的状态检测参数具有极强的非线性,其故障特征难以提取,而利用传统核主成分分析(KPCA)进行故障检测难以对核参数进行科学取值,从而降低故障检测的准确性.针对该问题,论文提出了基于优化混合核的核主元分析故障检测算法(DE-KPCA).首先建立动态权值混合核函数,通过调节核函数的权重比实现全局映射和局部映射优化组合.以样本检测精度作为优化目标,对混合核参数进行逐次优化.最后构造了基于优化混合核函数的主元异常状态检测方法,实现对燃气轮机气路故障的在线检测.本文通过对双轴涡喷发动机气路故障仿真的验证,证明了该方法相较传统KPCA检测,能够实现核参数的科学取值且对燃气轮机气路故障检测具有更高的准确性和实用性.     

基于小波神经网络的燃气轮机故障诊断研究

为高效及时地发现燃气轮机运行异常并准确地对它进行故障诊断,提出了一种基于小波变换和BP神经网络的故障诊断方法。首先对同一工况下,输入信号的功率谱密度图进行典型频率区间划分,通过比较连续时间段频率区间有效值的突变找到疑似故障段。其次,对疑似故障段进行小波变换分析,根据疑似故障段对应的频率区间选择小波的变换尺度并提取该频率尺度下的故障特征向量,再将疑似故障和正常特征向量方差归一化后输入BP神经网络进行学习和训练,进而实现对燃气轮机的故障诊断。经过试验验证表明,该方法能够准确识别燃气轮机运行状态并进行故障诊断,具有较好的工程实用价值。     

基于RBF神经网络的非线性系统故障诊断

针对一类含模型不确定性的非线性系统,提出了具有强鲁棒性和高灵敏度的在线故障检测与诊断方法.其中,系统只有输入、输出可检测,故障是关于输入和状态的非线性函数.非线性在线估计器用于估计系统不确定部分,同时监视系统是否发生故障,估计故障的大小.仿真结果表明,故障诊断算法稳定.     

基于ESVR信息融合的航空发动机故障诊断研究

提出了一种基于进化支持向量回归机(ESVR)融合的航空发动机故障诊断技术,整合基于模型的卡尔曼滤波器和基于数据的神经网络两种算法对故障诊断的优势,实现了对航空发动机气路部件异常监测,以及故障的定量诊断.解决了发动机模型精度有限和各种故障模式的传感器测量参数有限情况下的气路部件故障诊断精度差、效率低,且容易发生误诊的问题.以某型双轴涡扇发动机典型气路部件故障诊断为例,验证了基于ESVR信息融合的故障诊断技术的有效性.     

基于热力参数的燃气轮机故障诊断数学模型的研究

结合了某型三轴燃气轮机阐述了基于热力参数的燃气轮机故障诊断的数学模型的建立意义以及建立过程.结合目前的国内外研究现状,提出了Maflab回归函数法建立燃气轮机特性方程,并针对某型三轴燃气轮机建立适合故障诊断的数学模型.     

MS6001燃气轮机安全监测评估系统的软件实现

以法国引进的ＭＳ６００１燃气轮机发电机组为研究对象，针对它开发了一套以燃气轮机循环计算，压气机和涡轮特性计算及燃气轮机变工况计算为基础的工况监测显示系统软件，该软件的开发有利于提高燃气轮机系统智能化运行管理，具有较好的实用性。     

基于热力参数的燃气轮机智能故障诊断

提出了故障与征兆间定量映射关系的求取方法，在此基础上研究了模糊逻辑和神经网络的故障诊断方法，并结合MS6001燃气轮机机组介绍了具体实现的过程，理论和实际考核表明，本方法可为建立智能化的燃气轮机状态监控和故障诊断提供强有力的手段，具有广泛的实用价值。     

航空发动机数据驱动法气路故障诊断研究进展

航空发动机气路故障在发动机故障类别中是非常重要的一环,避免气路故障以及及时对气路故障进行排故和预测对保障飞行安全具有不可忽视的作用。而随着现代算力和算法发展,基于数据驱动的方法在气路故障诊断中也具有越来越重要的影响力。本文较为详细的叙述了目前国内基于数据驱动方法航空发动机气路故障诊断的现状,例如：聚类、SVM、人工神经网络、深度学习等,讨论了各种方法的优缺点,指出了利用数据驱动方法的难点和关键环节,并对未来相关的研究趋势和发展趋势做出了展望。     

离散事件系统故障的极小观测序列

为了提高可诊断离散事件系统故障的在线诊断效率,本文从判定故障发生的可观测事件的角度,提出了故障极小观测序列方法.文中选取有限状态自动机对离散事件系统进行建模.首先,在离线状态下,建立系统的故障模型,以排除对于判定系统故障无关的路径.然后,根据故障模型进一步建立判定系统故障的极小观测序列模型.当离散事件系统在线诊断时,仅需将逐步增加的在线观测事件序列与故障的极小观测序列模型进行比对.若能找到满足该模型的任何一条路径,则说明路径终止状态上故障标签对应的系统故障发生;否则,说明系统无故障发生.文中对可诊断离散事件系统进行实验对比,通过故障的极小观测序列模型能尽快判定有无故障发生,以及发生了哪些故障.该模型能有效地缩小系统在线诊断的时间,提高系统在线诊断的效率.     

一种数据驱动的湿法烟气脱硫系统的故障诊断方法

采用主元分析法(PCA)对火电厂湿法烟气脱硫系统进行故障诊断.利用PCA建立系统故障诊断模型,通过计算平方预测误差(SPE)来检测系统是否发生故障,若有故障发生则用Q贡献率法来分离故障,识别发生故障的原因.通过采集福州某电厂湿法烟气脱硫系统的历史数据进行Matlab仿真并在组态王中显示故障诊断曲线,表明用PCA法对湿法烟气脱硫系统故障具有良好的诊断效果.     

卫星姿态测量系统的故障诊断技术

以挠性陀螺仪、红外地平仪和太阳敏感器组成的对地观测卫星的姿态测量系统为对象,研究了该系统传感器硬件故障的诊断技术．在给出系统方程的基础上,对传感器的故障作了假设,并对该系统进行基于广义简化滤波器（多重滤波器）故障诊断方法的应用．该方法利用测量系统自身的卡尔曼滤波器,故只需增加有限的计算量．结果表明,这一方法有较好的实时性和较高的故障检出率,有利于卫星姿态测量系统可靠性的提高和高精度卫星的研制．     

基于BP神经网络的水轮机调速系统故障诊断

调速系统在发电机及电力系统中有着举足轻重的地位,能迅速地找出调速系统故障并及时地排除故障,对电力系统的安全运行具有重大意义。文中通过对葛洲坝水力发电厂二江电厂调速系统大量故障现象、故障原因、故障样本的收集、分析和整理,利用BP神经网络建立了水轮发电机调速系统智能诊断模型。该网络采用了三层结构、17个输入量、13个输出量的故障诊断系统,较完善地反映了调速系统的故障类型.累故障诊断实例检验,该系统诊断结果正确,有良好的实用价值。     

支持向量机在电力变压器故障诊断中的应用

利用支持向量机的学习方法，构建了电力变压器故障诊断模型．该模型将变压器故障分为放电性和过热性两大类，通过统计分析寻求特征量区分类间的故障类型，采用支持向量机识别类内的故障类型，利用基于交叉验证的网格搜索法来确定支持向量机的参数．考虑到变压器油中溶解气体特征空间的紧致性原理，利用模糊C均值聚类算法对所获取的样本进行预选取，有效地解决了确定模型参数时耗时巨大的问题，并一定程度提高了模型的推广能力．实例验证表明，该模型在有限样本情况下，能达到较高的变压器故障判断率，放电性故障样本正确判断率为90．5％，过热性故障样本正确判断率为85．9％，说明该模型具有很好的分类效果和推广能力．     

基于神经网络的汽轮机故障智能诊断系统的设计

介绍了BP神经网络的结构和算法,分析了如何将BP神经网络用于机械设备的故障诊断.结合汽轮发电机组的故障特性,建立了汽轮发电机组故障诊断的神经网络模型,并利用该神经网络模型对汽轮发电机组的故障进行了诊断,诊断结果是正确和有效的.