基于贝叶斯网络风机齿轮箱故障诊断专家系统的研究

发布时间：2017-09-01 12:36

  本文关键词：基于贝叶斯网络风机齿轮箱故障诊断专家系统的研究

  更多相关文章： 风机齿轮箱 故障诊断 专家系统 贝叶斯网络

【摘要】：精密化、复杂化以及高度集成化代表着现代工业设备的发展方向。在对工业设备高度苛求的今天，设备安全稳定运行成了企业日常生产的关键。齿轮箱作为风机运行过程中的关键部件，，安装在风机顶部较为狭小位置，一旦发生故障，维修非常困难，其健康状况直接关系到风电企业生产的安全性和经济效益。对风机齿轮箱故障进行准确诊断并快速处理具有很大的现实意义。本文以风机齿轮箱作为研究对象，将智能诊断技术特别是专家系统作为切入点对其故障诊断方法进行了研究。本文主要进行的内容及过程包括以下几个方面： 首先，对于大型风电设备而言，故障之间因果关系表现为不确定的映射关系。实际诊断过程中，风机故障信息往往表现出较强耦合性和模糊性，使得风机故障征兆与故障原因之间表现出不确定性。本文为解决这种不确定性，结合贝叶斯网络在处理不确定问题上的优势，提出了风机齿轮箱故障诊断的贝叶斯网络方法。将贝叶斯理论应用到专家系统的研究中，有效地解决了风机齿轮箱故障诊断中的不确定性问题。 其次，本文将贝叶斯网络与专家系统相结合，重点对基于贝叶斯网络风机齿轮箱故障诊断专家系统的两个核心内容进行了研究，即风机齿轮箱贝叶斯网络知识库的建立以及风机齿轮箱贝叶斯网络推理。归纳了风机齿轮箱在复杂工况下的故障原因、模式以及影响，并在故障机理分析的基础上建立了事故树，利用事故树分析方法对其进行故障分析；在事故树分析的基础上介绍了贝叶斯网络模型的图形描述、概率推理等相关理论。阐述了事故树分析方法与贝叶斯网络之间的关联并介绍了将故障事故树转化为贝叶斯网络的步骤，完成了风机齿轮箱故障诊断贝叶斯网络模型的建立以及贝叶斯网络知识库的建立；通过风机齿轮箱故障实例具体介绍了贝叶斯网络推理的相关理论以及推理过程。 最后，利用Microsoft Visual Studio.NET开发工具完成了基于贝叶斯网络的风机齿轮箱故障诊断系统的设计与开发，能够实现对风机齿轮箱故障的分析与诊断，并通过实例运行验证了系统诊断的有效性和准确性。
【关键词】：风机齿轮箱 故障诊断 专家系统 贝叶斯网络
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP182;TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 研究背景及意义10-11
• 1.2 风机齿轮箱故障诊断技术国内外研究现状11-12
• 1.3 基于贝叶斯网络故障诊断方法的研究现状12-13
• 1.4 论文主要研究内容13-15
• 第2章 风机齿轮箱故障诊断及贝叶斯网络理论15-24
• 2.1 风机齿轮箱故障的不确定性研究15-18
• 2.1.1 信息的不确定性15-16
• 2.1.2 风机齿轮箱故障的不确定性16
• 2.1.3 不确定性问题的处理方法16-18
• 2.1.4 贝叶斯网络方法处理不确定性问题的优势18
• 2.2 风机齿轮箱故障诊断专家系统18-21
• 2.2.1 专家系统基本概念18-19
• 2.2.2 故障诊断专家系统的结构19-20
• 2.2.3 风机齿轮箱故障诊断专家系统的结构20-21
• 2.3 贝叶斯网络理论21-23
• 2.3.1 贝叶斯网络基本概念21
• 2.3.2 贝叶斯网络概率推理21-22
• 2.3.3 贝叶斯网络图形描述22-23
• 2.4 本章小结23-24
• 第3章 风机齿轮箱贝叶斯网络知识库及推理的研究24-40
• 3.1 风机齿轮箱贝叶斯网络模型的建立24-34
• 3.1.1 风机齿轮箱故障分类24-25
• 3.1.2 风机齿轮箱失效事故树25-30
• 3.1.3 事故树向贝叶斯网络模型的转化30-32
• 3.1.4 贝叶斯网络模型条件概率表32-34
• 3.2 风机齿轮箱贝叶斯网络知识库的构建34-37
• 3.2.1 基于贝叶斯网络模型的知识获取34-35
• 3.2.2 叶斯网络模型的知识存储方式35-37
• 3.3 风机齿轮箱故障诊断的贝叶斯网络推理37-39
• 3.4 本章小结39-40
• 第4章 风机齿轮箱故障诊断专家系统的开发40-50
• 4.1 功能实现的需求分析40-41
• 4.1.1 开发环境与开发工具的介绍40
• 4.1.2 系统的功能需求40-41
• 4.2 诊断模块总体设计41-42
• 4.3 贝叶斯网络诊断模块的设计42-44
• 4.3.1 贝叶斯网络诊断模型的知识表达42-43
• 4.3.2 有向无环图的创建43
• 4.3.3 贝叶斯网络诊断模型知识库的管理43-44
• 4.4 贝叶斯网络诊断模型的实例分析与功能验证44-49
• 4.4.1 风机齿轮箱叶斯贝网络诊断模型的实例分析44-48
• 4.4.2 风机齿轮箱叶斯贝网络诊断模型功能的验证48-49
• 4.5 本章小结49-50
• 结论50-51
• 参考文献51-54
• 附录 154-58
• 附录 258-66
• 读硕士期间发表论文情况66-67
• 致谢67

【参考文献】

中国期刊全文数据库 前10条

1 史宪铭,王华伟;基于贝叶斯网络的复杂系统FMEA模型[J];兵工自动化;2004年02期

2 朱俊生;国内外新能源和可再生能源发展现状[J];节能与环保;2001年04期

3 王轶,冯晓云;基于故障树的电力机车故障诊断专家系统[J];电力机车与城轨车辆;2004年06期

4 周真;马德仲;于晓洋;樊尚春;;模糊灰关联分析方法在故障树分析中的应用[J];电机与控制学报;2012年03期

5 苗锐;陈国初;李月;徐余法;俞金寿;;基于随机集含糊证据的风力发电机故障诊断方法[J];电力系统自动化;2012年07期

6 魏选平,卞树檀;故障树分析法及其应用[J];电子产品可靠性与环境试验;2004年03期

7 邓歆;孟洛明;;基于贝叶斯网络的通信网告警相关性和故障诊断模型[J];电子与信息学报;2007年05期

8 高清毅;宣小平;;兆瓦级风电机组主增速齿轮箱齿轮油加热系统研究[J];风能;2011年04期

9 李娜;荣振威;;我国风电设备制造业的现状和发展前景[J];国际电力;2005年05期

10 王斌;董兴辉;刘浩;杨志凌;;基于故障树的专家系统在风电齿轮箱上的应用[J];装备制造技术;2011年10期

本文编号：772126