基于本体和信号分析的汽轮发电机组故障诊断技术
发布时间:2021-01-21 13:19
随着我国电力行业的飞速发展,汽轮发电机组的结构愈加复杂,在运行中面临的故障也愈来愈多。为确保机组设备长期安全、稳定、高效的运行,需对其进行准确、可靠地故障诊断。针对汽轮机组故障知识多源异构,容易形成“知识孤岛”的问题,考虑本体能够较好的应用于汽轮发电机组故障诊断领域的知识表示。同时,机组设备运行中产生有大量蕴含设备状态信息的数据。鉴于此,提出了一种本体和信号分析相结合的汽轮发电机组故障诊断方法,并对其进行实例验证与分析。论文主要研究内容与工作总结如下:(1)构建了基于本体的汽轮发电机组故障诊断知识库。针对汽轮发电机组故障知识多源异构,知识共享和重用困难、推理能力和灵活性不足等问题,考虑基于本体的方法能够更好的表示汽轮发电机组故障知识,结合并改进了传统“骨架法”和“七步法”,并基于此构建了汽轮发电机组故障诊断本体知识库,确保了故障诊断本体在知识结构上的一致性,便于知识的共享和重用,也为基于本体的故障推理奠定了基础。(2)设计了基于EEMD、排列熵和SVM的信号分析方法。针对汽轮发电机组工作环境复杂多变,干扰噪声较大,机组振动信号多具有非平稳、非线性、强噪声特性等问题,结合了EEMD和排列...
【文章来源】:兰州理工大学甘肃省
【文章页数】:74 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 课题的来源
1.2 课题的研究背景及意义
1.3 国内外研究现状
1.3.1 汽轮发电机组故障诊断的国内外研究现状
1.3.2 汽轮发电机组故障诊断方法概述
1.3.3 基于本体的故障诊断概述
1.3.4 基于信号分析的故障诊断概述
1.4 课题的研究目标和研究内容
1.4.1 研究目标
1.4.2 研究内容
第2章 汽轮发电机组故障机理分析
2.1 引言
2.2 汽轮发电机组的基本结构
2.3 汽轮发电机组故障机理分析
2.3.1 汽轮发电机组常见故障的征兆
2.3.2 汽轮发电机组典型转子故障机理分析
2.4 本章小结
第3章 汽轮发电机组故障诊断本体知识库的构建
3.1 引言
3.2 本体基本知识
3.2.1 本体的概念
3.2.2 本体的建模元语
3.3 本体的构建
3.3.1 本体的构建准则
3.3.2 本体的构建方法及改进
3.3.3 本体的构建工具
3.4 汽轮发电机组故障诊断本体知识库的构建
3.4.1 确定本体的目的和范围
3.4.2 定义汽轮发电机组故障诊断本体
3.4.3 定义汽轮发电机组故障诊断本体中的类和类的层次结构
3.4.4 定义汽轮发电机组故障诊断本体类的属性及约束
3.4.5 创建汽轮发电机组故障诊断本体类的实例
3.4.6 汽轮发电机组故障诊断本体的评估
3.4.7 汽轮发电机组故障诊断本体知识库的构建
3.5 汽轮发电机组故障诊断本体推理
3.6 本章小结
第4章 基于本体和信号分析的汽轮发电机组故障诊断
4.1 引言
4.2 基于本体和信号分析的汽轮发电机组故障诊断体系结构
4.3 基于信号分析的汽轮发电机组故障诊断
4.3.1 特征提取
4.3.2 模式识别
4.4 基于本体和信号分析的语义映射方法
4.5 汽轮发电机组转子系统故障诊断实例验证
4.5.1 数据选取
4.5.2 基于EEMD和排列熵进行特征提取
4.5.3 基于PSO-SVM进行模式识别
4.5.4 基于本体和信号分析的语义映射
4.5.5 故障推理
4.6 本章小结
第5章 汽轮发电机组智能故障诊断系统开发与测试
5.1 引言
5.2 汽轮发电机组智能故障诊断系统总体设计
5.2.1 系统的开发框架
5.2.2 系统的开发环境
5.3 汽轮发电机组智能故障诊断系统开发
5.3.1 本体知识库的构建
5.3.2 系统界面功能介绍
5.3.3 状态监测系统
5.4 实例验证
5.5 本章小结
总结与展望
总结
展望
参考文献
致谢
附录 A 攻读学位期间所发表的学术论文及科研成果
附录 B 攻读学位期间所参与的科研项目
【参考文献】:
期刊论文
[1]DBN与PSO-SVM的滚动轴承故障诊断[J]. 熊景鸣,潘林,朱昇,孟宗. 机械科学与技术. 2019(11)
[2]量子遗传算法优化的SVM滚动轴承故障诊断[J]. 许迪,葛江华,王亚萍,卫芬,邵俊鹏. 振动.测试与诊断. 2018(04)
[3]基于规则与案例推理的汽轮发电机组故障诊断专家系统[J]. 张强,剡昌锋,王慧滨,栗宇. 电力科学与工程. 2018(06)
[4]旋转机械故障诊断研究方法综述[J]. 苏乃权,熊建斌,张清华,黄崇林. 机床与液压. 2018(07)
[5]基于EWT与排列熵的SVM汽轮机转子故障诊断[J]. 石志标,陈斐,曹丽华. 汽轮机技术. 2017(06)
[6]EEMD和TFPF联合降噪法在齿轮故障诊断中的应用[J]. 宁少慧,韩振南,武学峰,赵远. 振动.测试与诊断. 2017(05)
[7]核电汽轮机低压缸不均匀热变形诊断[J]. 杨璋,王瑜,蒋彦龙. 汽轮机技术. 2017(03)
[8]基于小波奇异熵与SOFM神经网络的电机轴承故障识别[J]. 贺岩松,黄毅,徐中明,张志飞. 振动与冲击. 2017(10)
[9]基于深度学习特征提取和粒子群支持向量机状态识别的齿轮智能故障诊断[J]. 时培明,梁凯,赵娜,安淑君. 中国机械工程. 2017(09)
[10]基于EEMD模糊熵的PCA-GG滚动轴承聚类故障诊断[J]. 许凡,方彦军,张荣. 计算机集成制造系统. 2016(11)
博士论文
[1]旋转机械故障信号分析及诊断技术研究[D]. 褚东亮.华北电力大学(北京) 2017
[2]面向人机协同诊断的数控机床故障知识演化技术研究[D]. 胡林桥.重庆大学 2015
[3]大容量火电机组调峰运行的轴系振动特性分析[D]. 安宏文.华北电力大学 2014
硕士论文
[1]汽轮发电机组智能诊断大数据系统研究及应用[D]. 刘璐.华北电力大学(北京) 2019
[2]基于本体和案例推理的汽轮发电机组故障诊断[D]. 栗宇.兰州理工大学 2019
[3]基于深度学习的机械故障诊断方法研究[D]. 陈周亮.南昌航空大学 2018
[4]汽轮发电机组智能故障诊断专家系统的设计与开发[D]. 张强.兰州理工大学 2018
[5]基于模型的汽轮发电机组故障诊断专家系统[D]. 马兴瑞.兰州理工大学 2016
[6]汽轮发电机组监测与故障诊断系统的研究[D]. 高忠升.山东大学 2007
[7]旋转机械机组群状态监测与故障诊断系统研究[D]. 王俨剀.西北工业大学 2003
本文编号:2991239
【文章来源】:兰州理工大学甘肃省
【文章页数】:74 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第1章 绪论
1.1 课题的来源
1.2 课题的研究背景及意义
1.3 国内外研究现状
1.3.1 汽轮发电机组故障诊断的国内外研究现状
1.3.2 汽轮发电机组故障诊断方法概述
1.3.3 基于本体的故障诊断概述
1.3.4 基于信号分析的故障诊断概述
1.4 课题的研究目标和研究内容
1.4.1 研究目标
1.4.2 研究内容
第2章 汽轮发电机组故障机理分析
2.1 引言
2.2 汽轮发电机组的基本结构
2.3 汽轮发电机组故障机理分析
2.3.1 汽轮发电机组常见故障的征兆
2.3.2 汽轮发电机组典型转子故障机理分析
2.4 本章小结
第3章 汽轮发电机组故障诊断本体知识库的构建
3.1 引言
3.2 本体基本知识
3.2.1 本体的概念
3.2.2 本体的建模元语
3.3 本体的构建
3.3.1 本体的构建准则
3.3.2 本体的构建方法及改进
3.3.3 本体的构建工具
3.4 汽轮发电机组故障诊断本体知识库的构建
3.4.1 确定本体的目的和范围
3.4.2 定义汽轮发电机组故障诊断本体
3.4.3 定义汽轮发电机组故障诊断本体中的类和类的层次结构
3.4.4 定义汽轮发电机组故障诊断本体类的属性及约束
3.4.5 创建汽轮发电机组故障诊断本体类的实例
3.4.6 汽轮发电机组故障诊断本体的评估
3.4.7 汽轮发电机组故障诊断本体知识库的构建
3.5 汽轮发电机组故障诊断本体推理
3.6 本章小结
第4章 基于本体和信号分析的汽轮发电机组故障诊断
4.1 引言
4.2 基于本体和信号分析的汽轮发电机组故障诊断体系结构
4.3 基于信号分析的汽轮发电机组故障诊断
4.3.1 特征提取
4.3.2 模式识别
4.4 基于本体和信号分析的语义映射方法
4.5 汽轮发电机组转子系统故障诊断实例验证
4.5.1 数据选取
4.5.2 基于EEMD和排列熵进行特征提取
4.5.3 基于PSO-SVM进行模式识别
4.5.4 基于本体和信号分析的语义映射
4.5.5 故障推理
4.6 本章小结
第5章 汽轮发电机组智能故障诊断系统开发与测试
5.1 引言
5.2 汽轮发电机组智能故障诊断系统总体设计
5.2.1 系统的开发框架
5.2.2 系统的开发环境
5.3 汽轮发电机组智能故障诊断系统开发
5.3.1 本体知识库的构建
5.3.2 系统界面功能介绍
5.3.3 状态监测系统
5.4 实例验证
5.5 本章小结
总结与展望
总结
展望
参考文献
致谢
附录 A 攻读学位期间所发表的学术论文及科研成果
附录 B 攻读学位期间所参与的科研项目
【参考文献】:
期刊论文
[1]DBN与PSO-SVM的滚动轴承故障诊断[J]. 熊景鸣,潘林,朱昇,孟宗. 机械科学与技术. 2019(11)
[2]量子遗传算法优化的SVM滚动轴承故障诊断[J]. 许迪,葛江华,王亚萍,卫芬,邵俊鹏. 振动.测试与诊断. 2018(04)
[3]基于规则与案例推理的汽轮发电机组故障诊断专家系统[J]. 张强,剡昌锋,王慧滨,栗宇. 电力科学与工程. 2018(06)
[4]旋转机械故障诊断研究方法综述[J]. 苏乃权,熊建斌,张清华,黄崇林. 机床与液压. 2018(07)
[5]基于EWT与排列熵的SVM汽轮机转子故障诊断[J]. 石志标,陈斐,曹丽华. 汽轮机技术. 2017(06)
[6]EEMD和TFPF联合降噪法在齿轮故障诊断中的应用[J]. 宁少慧,韩振南,武学峰,赵远. 振动.测试与诊断. 2017(05)
[7]核电汽轮机低压缸不均匀热变形诊断[J]. 杨璋,王瑜,蒋彦龙. 汽轮机技术. 2017(03)
[8]基于小波奇异熵与SOFM神经网络的电机轴承故障识别[J]. 贺岩松,黄毅,徐中明,张志飞. 振动与冲击. 2017(10)
[9]基于深度学习特征提取和粒子群支持向量机状态识别的齿轮智能故障诊断[J]. 时培明,梁凯,赵娜,安淑君. 中国机械工程. 2017(09)
[10]基于EEMD模糊熵的PCA-GG滚动轴承聚类故障诊断[J]. 许凡,方彦军,张荣. 计算机集成制造系统. 2016(11)
博士论文
[1]旋转机械故障信号分析及诊断技术研究[D]. 褚东亮.华北电力大学(北京) 2017
[2]面向人机协同诊断的数控机床故障知识演化技术研究[D]. 胡林桥.重庆大学 2015
[3]大容量火电机组调峰运行的轴系振动特性分析[D]. 安宏文.华北电力大学 2014
硕士论文
[1]汽轮发电机组智能诊断大数据系统研究及应用[D]. 刘璐.华北电力大学(北京) 2019
[2]基于本体和案例推理的汽轮发电机组故障诊断[D]. 栗宇.兰州理工大学 2019
[3]基于深度学习的机械故障诊断方法研究[D]. 陈周亮.南昌航空大学 2018
[4]汽轮发电机组智能故障诊断专家系统的设计与开发[D]. 张强.兰州理工大学 2018
[5]基于模型的汽轮发电机组故障诊断专家系统[D]. 马兴瑞.兰州理工大学 2016
[6]汽轮发电机组监测与故障诊断系统的研究[D]. 高忠升.山东大学 2007
[7]旋转机械机组群状态监测与故障诊断系统研究[D]. 王俨剀.西北工业大学 2003
本文编号:2991239
本文链接:https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2991239.html