基于PC的水轮机组多通道振动数据采集系统设计

提出了一个基于PC的水轮机在线多通道振动数据采集系统的设计方案．对数据采集系统的特点进行了分析，采用中断＋FIFO的方式对多通道振动信号连续采集，并通过插值算法进行二次采样，得到了准同步整周期信号．在此基础上，用数字滤波算法去除了信号干扰，并对采集系统的精度进行了检验，结果表明，通过二次采样所得的信号与同步整周期采样的信号基本一致，可以满足振动监测的需要．     

汽轮机故障诊断中的信息熵融合

在汽轮机轴系振动故障模拟试验的基础上,对大量故障模拟试验数据进行计算,建立了典型故障的4种信息熵样本.采用概率神经网络对故障信号的4种信息熵特征进行融合研究,并将融合结果与最小距离分类器的分类效果进行了对照分析.研究表明,概率神经网络可实现对训练样本100%的正确识别率,对"陌生"样本的正确识别率也超过80%,其识别效果远远超过最小距离分类器.可见,概率神经网络综合了贝叶斯分类器和神经网络的优势,在汽轮机故障模式分类方面具有明显的优势,利用概率神经网络融合信号的信息熵特征实现汽轮机轴系故障模式识别是一种可行有效的方法.     

Alford力中效率系数的一种计算方法

研究了叶轮偏心引起的气流激振的机理和Alford的计算方法，利用B.Lakshmiarayana公式推导了一个包括叶栅参数和流动参数的效率系数ε的新计算公式，解决了Alford公式中需人为选取效率系数的困难，为提高转子系统的稳定性分析提供了理论依据．     

区域性发电机组检修计划优化与信息管理

提出了区域性发电机组检修计划的多目标规划模型,可对一个或多个目标函数随时进行检修计划的优化调整并评价其可靠性和经济性,既可保证电力系统的可靠性,又能减少电力系统的发电及检修费用,在此基础上开发了区域性发电机组优化检修计划编制与检修信息管理系统．实际应用表明,系统的优化计算模型是正确有效的．     

汽轮发电机组故障诊断的复合式进化网络

提出了一种复合式神经网络结构,并用于大型汽轮发电机组的故障诊断．该神经网络集成一系列的ＢＰ网络,来完成故障分类任务．每个ＢＰ子网络只有一个输出结点并对应于一种特定的状态．子网络的权值通过基因算法进化确定,从而使训练过程可以实时进行．通过这种方法不仅可以对已知故障进行分类,而且可以对存在的新的故障进行识别．一种基于这种结构的实用诊断系统已经投入使用．     

基于特征的机械设备状态趋势预报

提出了机械设备故障严重度的概念，给出了故障严重度的两种计算方法，一种是基于单一特征指标的计算方法，一种是基于多特征指标的计算方法，将故障严重度作为一个综合指标来预报机械故障的变化趋势，给出基于特征的神经网络故障趋势预报模型和网络训练样本的构造方法，并用实例验证了该预报模型的准确性。     

汽轮发电机组叶片振动对轴系扭转振动的影响

在使用传递矩阵法进行轴系扭振特性计算以及使用振型叠加法进行扭振响应计算过程中，提出了叶片切向振动的影响计算方法，并针对某电厂300MW机组轴系进行了这种影响计算分析.     

一种线性神经元PI控制器模型

在对常规PI控制器模型分析的基础上，结合线性神经元自学习能力和适应能力强的优点，提出了一种线性神经元PI控制器模型．该模型结构简单，在一定程度上实现了比例系数和积分比例系数的自整定功能，能够在简单系统中取得较好的效果，具有工程实践应用价值．以单级三冲量锅炉汽包水位控制系统为例，分析了线性神经元PI控制器的控制效果及特点，仿真实验表明应用该控制器的系统具有优良的控制品质．     

关联维数在汽轮机故障诊断中的应用

在汽轮机轴系典型故障模拟试验的基础上,对故障信号的关联维数进行了计算研究.采用G-P算法分别计算了故障信号的时域波形及小波高频重构波形的关联维数,采用自相关函数法确定延迟时间.计算结果表明,对原始信号进行高频重构后再计算关联维数,可以达到突出故障信息,增大关联维数对故障的区分度的目的,此关联维数可以作为汽轮机故障诊断的定量指标.     

300 MW汽轮机DEH电液转换器卡涩故障研究

从DEH运行中最常发生的电液转换器卡涩故障着手，在应用附加振颤信号防止和识别卡涩故障的前提下，确定了振颤信号的选取原则，并采用仿真方法探讨了不同卡涩程度对伺服阀油压和油动机输出的影响，论证了基于振颤信号幅值与频率响应监测电液转换器卡涩故障的诊断方法是行之有效的．