基于大数据的汽轮机组状态监测

发布时间：2021-09-11 19:34

　　汽轮机也被称为蒸汽透平发动机,是一类应用广泛的旋转式蒸汽动力装置,是现代火力发电厂发电机组的主要设备,同时在冶金、化工、舰船动力装置领域也有大量的应用。汽轮机组作为常见的旋转机械,经常会遇到运行状态异常甚至发生重大故障导致整个工厂被迫停工的状况。在造成大量经济损失的同时,还会对工作人员的安全造成威胁。因此,设备往往需要进行状态监测以保证机组的正常运行,而且还需要周期性的维修与保养以避免发生损害性事故,而状态监测与异常分析技术的发展为旋转机械的实时监测和预测性维护提供了更有效、更多样化的方法。状态监测技术已成为预防设备潜在故障、减少非计划性被迫停运、进一步降低维护成本以及提高旋转机械系统的可靠性、可用性和可维护性的重要工具。本文详细介绍了国内外机械系统状态监测技术的发展现状,可以看出,对于汽轮机组特殊的运行环境及其复杂的结构,并且在考虑设备的各类用途与应用条件时,信号处理技术和预测算法在旋转机械状态监测及分析中起着关键作用。本研究涉及到机械系统实测数据的不确定性和多变量相关性,以旋转机械不同位置采集而来的多变量时间序列数据为研究对象,介绍了一种概率信号处理方法及基于人工神经网络的数据预测... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 旋转机械状态监测技术研究现状
    1.3 研究内容与技术路线
    1.4 算法编译工具介绍
2 基于数据挖掘算法的多变量时间序列数据处理方法
    2.1 关于时间序列数据去噪方法
    2.2 基于离散小波包变换的信号处理技术
        2.2.1 小波分析概述
        2.2.2 小波基函数
        2.2.3 连续小波变换
        2.2.4 离散小波变换
        2.2.5 小波基的选取
        2.2.6 离散小波包变换
        2.2.7 贝叶斯阈值法
    2.3 基于贝叶斯理论的阈值去噪方法
        2.3.1 贝叶斯阈值法
        2.3.2 先验分布
        2.3.3 后验分布
        2.3.4 贝叶斯假设检验
    2.4 基于概率主成分分析的数据特征提取方法研究
        2.4.1 关于多变量数据的特征提取方法
        2.4.2 主成分分析基本原理
        2.4.3 主成分分析步骤
        2.4.4 概率主成分分析
    2.5 算法流程及实现
    2.6 本章小结
3 基于信号处理算法的汽轮机组状态监测实例
    3.1 数据整理与预处理
        3.1.1 数据来源
        3.1.2 离群值分析
        3.1.3 数据规约
    3.2 贝叶斯小波去噪
        3.2.1 离散小波包变换
        3.2.2 贝叶斯阈值去噪
    3.3 概率主成分分析
        3.3.1 标准主成分分析确定降低维数
        3.3.2 概率主成分分析提取信号特征
    3.4 本章小结
4 基于神经网络模型的汽轮机组状态数据预测
    4.1 模糊神经网络模型简介
        4.1.1 径向基函数神经网络
        4.1.2 模糊c均值聚类
    4.2 模糊神经网络模型的构建
        4.2.1 神经网络结构设计
        4.2.2 训练神经网络模型
    4.3 算法流程及实现
    4.4 模型实例应用
        4.4.1 构建输入输出向量并训练模型
        4.4.2 验证模型并进行模拟预测
    4.5 本章小结
5 结论与展望
参考文献
致谢


【参考文献】：
期刊论文
[1]大数据奏响智能时代序曲政策向细化领域延伸[J].   自动化应用. 2017(08)
[2]发展大数据,扩大影响力——写在2017年世界电信和信息社会日之际[J]. 宗文.  中国电信业. 2017(05)
[3]促进大数据发展行动纲要[J].   成组技术与生产现代化. 2015(03)
[4]大数据成多国国家战略[J]. 小荷.  中国电信业. 2015(09)
[5]基于深度学习理论的机械装备大数据健康监测方法[J]. 雷亚国,贾峰,周昕,林京.  机械工程学报. 2015(21)
[6]韩国大数据发展及应用分析[J]. 罗梓超,吕志坚.  全球科技经济瞭望. 2014(03)
[7]混合聚类新算法及其在故障诊断中的应用[J]. 雷亚国,何正嘉,訾艳阳,胡桥,丁锋.  机械工程学报. 2006(12)
[8]机泵群实时监测网络和故障诊断专家系统[J]. 高金吉.  中国工程科学. 2001(09)

博士论文
[1]状态监控与智能诊断关键技术研究及其在汽车起重机主泵中的应用[D]. 杜文辽.上海交通大学 2013
[2]基于智能技术的民航发动机故障诊断和寿命预测研究[D]. 郝英.南京航空航天大学 2006



本文编号：3393590