基于智能算法的汽轮机通流部分故障诊断研究

发布时间：2017-07-30 00:11

  本文关键词：基于智能算法的汽轮机通流部分故障诊断研究

  更多相关文章： 汽轮机通流部分 故障诊断 模糊理论 SOM神经网络 SOM-BP复合神经网络 粗糙集 支持向量机

【摘要】：现在大部分火电厂的汽轮机都具有高参数和大容量的特点,但在运行时也容易引起汽轮机通流部分发生故障,所以为了保证机组的安全与经济运行,对其进行故障的监测与诊断很有必要。本文通过对SOM神经网络、BP神经网络、模糊理论、粗糙集理论、以及支持向量机等智能方法的分析,并结合各种理论技术的优势,对汽轮机通流部分故障诊断做了一些研究,主要完成了以下几方面的工作:(1)在国内外汽轮机通流部分故障诊断研究的基础上,分析了其故障诊断机理,对故障产生的原因、预防措施及其影响进行了概括,总结了汽轮机通流部分的常见故障与故障征兆之间的关系,建立了通流部分故障诊断知识库。(2)由于汽轮机通流部分故障的复杂性,故障之间耦合性强,故障征兆之间也存在模糊性,引入模糊理论的概念,建立了模糊SOM神经网络和SOM-BP复合神经网络模型,进行了汽轮机通流部分故障诊断。(3)针对故障数据存在冗余信息的特点,利用粗糙集理论中属性约简的概念对汽轮机通流部分结垢数据进行预处理,并采用支持向量机分类的方法,对调节阀门结垢、调节级结垢、高压缸级组结垢、低压缸级组结垢故障进行了诊断。
【关键词】：汽轮机通流部分 故障诊断 模糊理论 SOM神经网络 SOM-BP复合神经网络 粗糙集 支持向量机
【学位授予单位】：东北电力大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TK268;TM621
【目录】：

• 摘要6-7
• Abstract7-10
• 第1章 绪论10-15
• 1.1 课题背景及研究意义10-11
• 1.2 本课题国内外的研究动态11-14
• 1.2.1 国外研究现状11-12
• 1.2.2 国内研究现状12-13
• 1.2.3 汽轮机通流部分故障诊断常用方法及特点13-14
• 1.3 本文研究的主要内容14-15
• 第2章 汽轮机通流部分故障分析15-24
• 2.1 诊断对象概述15-16
• 2.2 汽轮机通流部分故障种类16-17
• 2.3 汽轮机通流部分故障分析17-23
• 2.3.1 结垢、腐蚀故障17-18
• 2.3.2 磨损故障18-19
• 2.3.3 调节汽门门杆断裂或门芯脱落故障19-20
• 2.3.4 主汽门卡涩故障20-21
• 2.3.5 叶片断裂、损坏故障21-23
• 2.4 本章小结23-24
• 第3章 基于模糊SOM神经网络的汽轮机通流部分故障诊断24-43
• 3.1 SOM神经网络24-26
• 3.1.1 SOM神经网络概述24
• 3.1.2 SOM神经网络结构24-25
• 3.1.3 SOM神经网络学习算法25-26
• 3.2 模糊集和隶属函数26-28
• 3.2.1 模糊集合的基本概念26-27
• 3.2.2 模糊集合的隶属度函数27-28
• 3.3 模糊系统与神经网络的结合28-29
• 3.3.1 模糊系统与神经网络各自特点28
• 3.3.2 模糊系统与神经网络结合的可能性28-29
• 3.4 故障征兆参数的模糊隶属度函数29-32
• 3.5 汽轮机通流部分故障样本的建立32-34
• 3.5.1 汽轮机通流部分故障与故障征兆的选取32-33
• 3.5.2 汽轮机通流部分故障特征向量的选取33-34
• 3.6 基于模糊SOM神经网络的汽轮机通流部分故障诊断34-38
• 3.6.1 模糊SOM神经网络的学习34-38
• 3.6.2 通流部分故障诊断案例验证38
• 3.7 复合SOM-BP神经网络38-39
• 3.8 基于复合SOM-BP神经网络的汽轮机通流部分故障诊断39-42
• 3.8.1 复合SOM-BP神经网络的学习39-41
• 3.8.2 通流部分故障诊断案例验证41-42
• 3.9 本章小结42-43
• 第4章 基于模糊粗糙集和支持向量机的汽轮机通流部分故障诊断43-55
• 4.1 支持向量机43-45
• 4.1.1 支持向量机概述43-44
• 4.1.2 支持向量机的核函数44
• 4.1.3 多分类支持向量机44-45
• 4.2 粗糙集理论45-47
• 4.2.1 粗糙集定义45
• 4.2.2 知识的约简和核45-46
• 4.2.3 属性的依赖度46
• 4.2.4 属性的重要性46
• 4.2.5 离散化处理46
• 4.2.6 基于粗糙集理论的故障诊断方法46-47
• 4.3 基于模糊RS和SVM的汽轮机通流部分结垢故障诊断47-53
• 4.3.1 RS与SVM方法融合的优势47
• 4.3.2 基于RS与SVM的故障诊断流程47-48
• 4.3.3 通流部分结垢故障诊断案例验证48-53
• 4.4 本章小结53-55
• 结论55-56
• 参考文献56-61
• 攻读硕士学位期间发表的论文及其它成果61-63
• 致谢63

【参考文献】

中国期刊全文数据库 前10条

1 朱宝;周仁米;顾伟飞;董益华;;汽轮机调节级动叶栅结构性故障分析与诊断[J];浙江电力;2015年11期

2 房锦;;汽机高压调门断销事件的浅析[J];大众科技;2015年05期

3 程永峰;;大型汽轮机胀差变化的分析与对策[J];电力安全技术;2015年02期

4 汪宽华;潘志贤;郑飞逸;赖慧坚;陈金铨;;汽轮机叶片断裂原因分析研究[J];机电工程;2014年12期

5 张春杰;李振林;李世尧;李折;杨银山;;改进弗留格尔公式用于汽轮机故障诊断[J];北京石油化工学院学报;2014年04期

6 周昭滨;巫樟泉;张德轩;李蔚;;汽轮机通流部分故障诊断方法研究综述与展望[J];电站系统工程;2014年03期

7 王文彬;訾娟;赵言;贺强;赵闫涛;;330MW汽轮机轴位移偏移分析与处理[J];中国电力;2014年04期

8 刘小进;;2台汽轮机叶片断裂故障诊断[J];陕西电力;2014年02期

9 丁旭春;王毅;殷志龙;施延洲;;超临界630 MW机组汽轮机通流结垢诊断及处理[J];热力发电;2013年11期

10 黄卫剑;张曦;朱亚清;何炳q，

本文编号：591684