融合先验知识的燃气轮机欠定气路故障诊断方法研究

发布时间：2017-11-24 21:07

  本文关键词：融合先验知识的燃气轮机欠定气路故障诊断方法研究

  更多相关文章： 燃气轮机 气路故障诊断 欠定问题 先验知识 遗传算法

【摘要】：燃气轮机气路故障诊断是燃气轮机信息化和智能化的重要研究领域。一方面由于燃气轮机是效率高,安全环保,稳定可靠的新型动力设备,在广大领域内应用越来越广泛,加强对燃机运行状态监测、故障诊断乃至避免安全事故就必不可少;另一方面气路故障作为燃气轮机最主要的故障类型之一,具有条件恶劣,监测困难,信息不足的特点,一旦发生燃机气路故障,轻则性能下降,影响可靠性和安全性,重则引发安全事故。因此燃机推广应用的迅猛势头和燃机气路故障的恶劣后果迫使对燃气轮机气路故障诊断进行理论和应用研究。本文主要的研究内容是在监测参数信息不足情况下形成的燃气轮机欠定气路故障诊断问题。研究融合燃机气路故障先验知识的诊断方法及其应用的关键技术。首先,建立了燃机故障模型并进行典型气路故障仿真分析。建立的模型与实际燃机运行数据相符,故障设置满足典型气路故障特点。重点分析了典型气路故障和变工况因素条件下的测量参数偏差规律,形成定性的燃机气路故障先验知识。其次,对燃机欠定气路故障问题进行分析并对诊断方法进行了研究。通过线性气路分析建立了燃机气路故障方程,通过讨论无约束最小二乘、基于1l范数约束和基于2l范数约束的解决方法,发现其约束规则不符合实际燃机气路故障情况而使得诊断效果不佳。提出将典型气路故障先验知识融入到遗传算法对欠定气路故障问题进行解决,验证实验表明了方法的可行性。再次,融合先验知识对燃气轮机气路故障进行诊断。先利用测量参数偏差方向和相对大小对燃机气路故障进行隔离,然后利用相应的约束项进行辨识。诊断结果表明,融合先验知识能够对燃机气路故障进行诊断。最后,讨论了气路故障诊断实际应用性。针对变负荷、大气环境和传感器故障的实际情况,通过对影响系数矩阵扩维使得这些影响因素能够与气路故障隔离开来。最后讨论了测量噪声的影响。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TK478

【相似文献】

中国期刊全文数据库 前10条

1 王廷平;;气相色谱仪常见气路故障及其排除方法[J];分析仪器;1987年03期

2 唐昌盛;曲建岭;李富荣;高峰;;基于广义回归神经网络的发动机气路故障诊断[J];兵工自动化;2008年07期

3 王旭辉;黄圣国;施鼎豪;舒平;;基于支持向量机的发动机气路故障预诊断[J];交通运输工程学报;2008年05期

4 李一波;张光明;蒋丽英;;航空发动机气路故障诊断技术研究现状[J];燃气轮机技术;2009年03期

5 鲁峰;黄金泉;孔祥天;;基于变权重最小二乘法的发动机气路故障诊断[J];航空动力学报;2011年10期

6 李明;;民航发动机气路故障诊断技术探析[J];硅谷;2013年10期

7 郝英,孙健国,白杰;航空燃气涡轮发动机气路故障诊断现状与展望[J];航空动力学报;2003年06期

8 李一波;张光明;蒋丽英;;航空发动机气路故障诊断技术研究现状[J];航空维修与工程;2009年04期

9 王仲生;雒宝鹏;姜洪开;冯今朝;;可视化监测诊断技术及其应用[J];航空制造技术;2007年11期

10 莫翔宇;唐庆如;杨晓强;;基于灰色关联分析的航空发动机气路故障诊断方法研究[J];航空维修与工程;2009年05期

中国重要会议论文全文数据库 前2条

1 曲建岭;高峰;唐昌盛;李富荣;于建立;;基于概率神经网络的发动机气路故障诊断[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅲ）[C];2008年

2 宋崇明;刘金福;于达仁;;基于强跟踪扩展卡尔曼滤波的燃气轮机气路故障诊断[A];智能化电站技术发展研讨暨电站自动化2013年会论文集[C];2013年

中国硕士学位论文全文数据库 前9条

1 蔡鼎;融合先验知识的燃气轮机欠定气路故障诊断方法研究[D];哈尔滨工业大学;2015年

2 张光明;航空发动机气路故障诊断技术研究[D];沈阳航空工业学院;2010年

3 余有锋;航空发动机气路故障模拟试验台及静电监测技术研究[D];南京航空航天大学;2013年

4 彭淑宏;航空发动机气路故障诊断技术研究[D];上海交通大学;2012年

5 陈扬文;支持向量机在航空发动机气路故障诊断中的应用[D];上海交通大学;2014年

6 张宗杰;信息融合在航空发动机气路故障诊断中的应用研究[D];沈阳航空工业学院;2010年

7 吴立军;基于分层信息融合技术的航空发动机故障诊断方法研究[D];中国民用航空飞行学院;2009年

8 欧惠宇;船舶燃气轮机气路故障诊断技术研究[D];哈尔滨工程大学;2013年

9 侯凤阳;基于人工神经网络的燃气轮机气路故障诊断研究[D];南京航空航天大学;2007年

，

本文编号：1223591