关键词： 水电机组   振动   故障诊断   量子粒子群优化BP神经网络   改进D-S证据理论  

摘要： 为提高水电机组振动故障诊断的准确性,提出了一种基于改进D-S证据理论融合量子粒子群优化BP神经网络(QPSO-BP)的诊断方法。根据水电机组常见的振动故障类型,采用3个惯性权值随机调整的QPSO-BP网络分别对其进行初级诊断,并作为独立证据体应用于D-S理论的合成之中,实现了基本概率赋值的客观化。针对标准D-S无法合成高度冲突证据的缺陷,通过计算权值矩阵对其进行修正。实例分析表明,和3个初级诊断模型及标准D-S合成法相比,所提方法可以有效识别机组的振动故障,具有较高的诊断准确率。

关键词： 支持向量机   小样本   水电机组   故障检测  

摘要： 水电机组故障数据通常为小样本的精密数据,而传统的支持向量机故障检测方法通常对大数量样本进行分类分析才有效,对小数据故障样本的分析存在局限性。对支持向量机方法进行了改进,提出最小二乘支持向量机方法并应用到水电机组故障检测中,对改进过程进行了详细的介绍,塑造故障检测多元分类模型,实现水电机组故障的准确检测。实验对采集的13个水电机组故障样本类型进行仿真分析,结果说明,优化支持向量机具有较高的小样本数据学习和预测性能,将其用于水电机组故障检测是有效、可行的。

关键词： 水电机组   故障诊断   规则   知识库   专家系统  

摘要： 根据水电机组的运行特点,收集机组运行过程发生的故障特征以及故障发生原因,以形成故障诊断专家系统的知识库,利用Java语言和Cybercontrol平台所提供的实时数据库、历史数据库以及画面组态功能来实现完整的故障诊断系统,以达到为水电机组运行和维护提供指导的目的。

关键词： 水电机组   故障诊断   核函数   加权模糊聚类   仿电磁蜂群算法  

摘要： 针对核聚类中核参数选择依赖经验,最优聚类中心难以有效获取的问题,提出了一种仿电磁蜂群加权核聚类算法。首先,考虑不同特征对聚类结果的影响,对样本进行加权处理,利用核空间的Xie-Beni指标建立加权核聚类模型;然后,提出并引入仿电磁蜂群算法求解聚类模型,实现聚类中心、特征权重与核参数的同步寻优。利用该方法分别对3组标准测试样本集以及水电机组故障样本进行聚类测试,并与传统方法进行对比分析。试验结果表明,提出的仿电磁蜂群加权核聚类算法较传统聚类方法具有更高的精度,能够有效实现水电机组振动故障的准确聚类与识别,完成故障诊断。

关键词： 动力机械工程   水电机组故障诊断   贝叶斯网络   Noisy   Or模型   概率数量  

摘要： 针对水电机组故障诊断中系统结构复杂,不确定因素众多的特点,将贝叶斯网络引入水电机组故障诊断中,建立基于贝叶斯网络的水电机组故障诊断系统;为了克服贝叶斯网络结构中需要的概率数量庞大和确定概率困难特点,在贝叶斯网络系统结构中引入Noisy Or模型。论文首先利用专家知识,将各个特征结点按二值结点构造网络,确定各单个结点的概率,然后计算多个结点的任意组合对结果的影响程度,从而确定某种故障发生的可能程度。仿真研究表明:用此模型构造的贝叶斯网络结构,需要的条件概率个数可以从2n减小为2n。大大降低了数据需求量,提高了水电机组故障诊断速度和效率。

关键词： 关联规则   故障诊断   数据挖掘  

摘要： 随着智能化水电厂理念的提出,水电厂开始使用智能化监控系统对发电设备进行智能化管理,但是单纯的使用监控系统只能是专业人员进行在线分析,如何能够有效的利用监控系统采集的数据,挖掘出这些数据中蕴含的有用信息,提高机组运行的稳定性,成为近年来水电厂研讨的主要课题。本文提出了基于关联规则挖掘算法的变压器故障诊断模型,阐述变压器油产生气体与故障类型之间的关联关系,为变压器故障分析提供参考依据。

关键词： 水电机组   故障诊断   小波包   能量谱   功率谱  

摘要： 小波包克服了小波分析在高频空间分辨率差的缺点,能够给信号提供更加精确的分解。因此在小波包分析的基础上,从能量和功率分析的角度出发,阐述了在水电机组故障诊断中采用小波包能量谱和功率谱分析相结合的信号特征提取的方法。通过对实验及电厂振动故障信号的提取与分析,表明小波包能量谱和功率谱分析相结合的信号特征提取方法准确而高效,是一种应用价值较高的信号特征提取方法,并能为机组故障的准确诊断提供依据。

关键词： 水电机组   状态监测   故障诊断   技术  

摘要： 水电机组在运行的过程中,需要对其运行状态进行监测,在发现故障问题后,要及时进行处理与维修,这样可以有效延长水电机组的使用寿命,可以避免水电机组出现故障问题而造成较大的经济损失。并且随着科技水平的提升,状态监测技术正向着自动化、智能化的方向发展,应用这些先进的技术,可以提高故障检修的效率。文章对水电机组状态监测以及故障诊断技术应用现状进行了介绍,希望对故障检修人员提供一定帮助,促进水电厂更好的发展。

关键词： 水电机组   振动   故障诊断   最小最大K均值聚类   核函数  

摘要： 基于聚类分析的故障诊断方法能够按照故障样本之间的相似性无监督地将同类故障聚为一簇,当前已成为一类有效的故障诊断策略。为解决传统聚类算法受初始聚类中心的影响,易陷入局部最优解的问题,提出一种最小最大核K均值聚类方法。该方法在聚类过程中为簇内方差赋以与其大小成正比的自动修正的权重,并引入核函数技术以处理低维输入空间的线性不可分问题,大大提高了聚类的精确性。在标准数据上将所提方法与标准K-means及K-means++比较,显示了所提算法的有效性和优越性。基于这一聚类方法提出了一种具有自学习能力的故障诊断模型。将该诊断模型应用于水电机组振动故障诊断,实例验证了模型的可行性。

关键词： 神经网络   专家系统   水电机组   故障诊断  

摘要： 针对水电机组振动诱因多、诊断准确率较低等现象,结合神经网络系统和专家诊断理论,建立一种新型的故障诊断模型,并将其应用于实测振动信号的诊断分析,取得了良好的诊断效果,为水电机组在线故障诊断提供了一种有效、快速的新方法。