汽轮机故障诊断技术

回顾和总结了国内外汽轮机故障诊断技术的发展情况,指出了目前在汽轮机故障诊断研究中存在的问题,并从检测技术,故障机理等几个方面分析了今后可能取得进展的研究方向。     

基于专家系统的汽轮机振动故障诊断

在火电厂．及时有效地诊断出汽轮发电机组的振动故障对电力生产的安全运行具有十分重要的意义。专家系统是一种设计用来对人类专家的问题求解能力建模的计算机程序。笔者设计了一个汽轮机故障诊断专家系统。它根据现场采集的振动信号等数据．提取出机组运行状态的征兆。根据这些征兆来推断出机组产生故障的原因。     

汽轮机凝汽器技术状态的故障诊断

介绍了对电站发动机组凝汽器进行状态监测和故障诊断的技术诊断自动化系统的研究和实现，实践证明，开发的系统对改善凝汽器性能、提高电站整体性能具有重要意义。     

基于局部特征尺度分解的汽轮机故障诊断研究

为了提高汽轮机故障诊断的精确性,文章运用转子振动实验台来模拟汽轮机转子的振动信号,对运行中的三种故障振动信号进行采集,然后运用局部特征尺度分解方法对汽轮机振动信号时间序列进行特征提取,组成特征向量。利用极限学习机作为故障诊断分类器,结果表明,局部特征尺度分解特征提取和极限学习机的诊断模型能够准确地对汽轮机故障进行诊断,具有很高的实际应用意义。     

发电厂汽轮机故障诊断研究与实例

机械故障诊断理论和技术的研究已日趋深入,汽轮机组是电厂的重要设备由于汽轮机组结构和系统的复杂性、运行环境的特殊性,汽轮机组的故障率较高,而且故障的危害性也很大.因此,汽轮机组的诊断一直是故障诊断技术应用的一个重要方面.根据相关的数据和信息对汽轮机故障定性,进而对其产生的原因或机理做出判断,并确定解决措施和实施处理方案尤为重要.在现场设备管理工作中,机组故障则经常是指机组振动过大,零部件过早过量磨损等情况.因最后本文对现插处理的一起汽轮机故障实例进行了论述.     

基于单值中智VIKOR法的供应商优选模型

针对属性权重未知的供应商优选问题,提出一种基于单值中智VIKOR法的供应商优选模型。首先通过语言变量确定了决策专家和属性指标的权重;接着利用单值中智加权平均算子把所有专家给出的中智决策矩阵进行集结,构建综合中智决策矩阵;然后通过将VIKOR法扩展到单值中智环境下,得到备选供应商的折中最佳方案。最后通过仿真实例说明了模型的有效性和实用性,并结合灵敏性测试,验证了该模型的灵活性。     

基于单值中智集的自媒体网络舆情风险预警模型

在分析自媒体舆情特点的基础上,把舆情的社会背景和舆情信息表现形式纳入评估体系,构建了面向自媒体的网络舆情风险评估主要影响指标,进而建立了针对自媒体舆情评估的指标体系。在此基础上,提出了一种基于离平均方案(平均解)距离测度方法的单值中智集舆情预警模型。该方法不仅兼顾了评估专家的认知局限性和决策环境复杂性,而且避免了大规模数据预处理。     

单值中智关系的分解

通过引入二元运算f,给出单值中智关系R可f-分解的概念,得到了单值中智关系R可f-分解的两个等价刻画及满足方程珟R=f(A,B)的解A和B的表达式,并通过实例阐述了求f-分解的过程.     

基于支持向量数据描述的机械故障诊断研究

为了解决在机械智能监测与诊断中缺少故障样本的问题，提出了一种机械故障单值分类的新方法——支持向量数据描述法。该方法只需要一类目标样本作为学习样本，而不需要其他非目标样本，就可以建立起单值分类器，从而区分了非目标样本和目标样本。将这种方法应用在机械故障诊断和状态监测中，仅仅依靠正常运行时的数据信号，而不需要故障数据，就可以监测机器的运行状态，且不需要对原始数据进行特征提取。实验结果表明，支持向量数据描述法与传统的神经网络方法相比，具有较好的分类能力和较高的计算效率。     

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.     

汽轮机状态监测和故障诊断技术的应用分析与建议

汽轮机发电机组的安全、经济运行意义重大。本文详细介绍了汽轮发电机组状态监测和故障诊断技术国内外研究情况,指出其主要应用情况,分析出主要存在的四个方面问题,并针对主要存在问题提出了突出研究五个方面技术的建议。     

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.     

基于分形关联维的汽轮机转子的振动故障诊断

采用Bently实验台模拟不同转速下碰摩、松动、不对中、不平衡几种常见汽轮机转子振动故障,进行实验研究．通过相空间重构理论,对满足随机分形统计自相似性的振动信号序列进行相空间重构,计算其分形关联维数,从而再现动力学特性．实验分析结果表明：碰摩故障时的分形关联维数最大,松动和不对中时的分形关联维数次之,不平衡时计算所得的分形关联维数最小;不同故障类型下的分形关联维数增量不同．因此,分形关联维数可以作为一种振动故障征兆加以提取．     

基于模糊神经网络的凝汽器故障诊断

对基于热力参数的凝汽器典型故障，建立了凝汽器典型故障集、征兆集及故障特征向量集合，提出了一种适用于凝汽器故障诊断的模糊BP神经网络方法，并以实例验证了该网络模型识别故障的准确性。     

小波变换在汽轮机组动静碰摩故障诊断中的应用综述

小波变换在故障诊断的各个领域已经广泛应用,首先综述了汽轮机组动静碰摩的振动特征和诊断方法;小波分析应用于机械故障振动信号分析的优越性及其应用的进展和特点,介绍了小波变换技术在汽轮机组动静碰摩故障诊断的理论研究和实际应用,最后提出小波分析应用于碰摩故障诊断存在的问题以及对其应用前景的展望．     

基于自适应神经网络的电路系统故障诊断研究

针对人工神经网络的特点,对传统BP算法进行了全面改进,通过采用自适应学习率和动量因子修正等方法,有效克服了传统BP算法在实际应用中学习收敛速度慢和容易出现局部极小点的缺点。以电路系统的故障诊断为例,引入了模糊数学中的隶属度函数,对故障特征量进行处理后作为自适应神经网络的输入,故障编码作为网络的输出。实验仿真结果表明,该系统对电路故障类型能够有效地进行诊断和识别。     

基于模糊逻辑与遗传算法的故障诊断方法研究

探讨了模糊逻辑与遗传算法相互结合与集成的方法,从以下三个方面对两者的结合在故障诊断中的应用进行了研究;首先是用模糊逻辑理论对系统进行描述;然后用遗传算法对可能的故障传播路径进行搜索;最后是实现了模糊逻辑与遗传算法相结合的故障诊断．     

直觉模糊逻辑“蕴涵”算子的研究

给出了直觉模糊逻辑“蕴涵”算子的定义,并对它的性质做了较为系统的研究。     

浅谈汽轮机故障监测与诊断技术发展

汽轮发电机组是电力生产的重要设备,由于其设备结构的复杂性和运行环境的特殊性,汽轮发电机组的故障率较高,而且故障危害性也很大。因此,汽轮发电机组的故障诊断一直是故障诊断技术应用的一个重要方面。本文回顾国内外汽轮机故障诊断的发展概况,并在总结目前研究状况的基础上,指出了在汽轮机故障诊断研究中存在的问题,提出了今后在这一领域的研究方向。     

浅议汽轮机振动机理及影响因素

汽轮发电机组的安全运行,对于发电厂来说就是企业的生命线,保证汽轮机能够安全运转,排除各种故障就成为专业技术人员的一项重要工作。在各种故障中,振动可以说是对安全运行影响最大的一类故障。汽轮发电机组在设计制造、安装、检修和运行几个方面都有可能引起轴承的振动,都有可能影响汽轮机的安全运转,本文将分析其振动的原因并简单介绍其影响因素。