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,本文融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。

关键词： 设备故障   预警系统   水电机组   安全状态   评估  

摘要： 本文阐述了基于实时数据挖掘技术建立水电机组设备状态评估模型,通过建立厂级范围的的设备故障早期预警系统,对水电机组的设备状态进行安全状态的量化评估,通过预警系统自动提示的设备异动点实现水电机组精密检修。

关键词： 相关向量机   水电机组   振动   故障诊断   多分类   决策导向图  

摘要： 水电机组振动故障成因与故障征兆之间呈复杂的非线性关系,传统方法难以描述。当前研究常采用模式识别方法,如支持向量机、神经网络等实现振动故障诊断。该文在现有研究基础上,引进相关向量机(relevance vector machine,RVM)对诊断过程进行改进。相比传统方法,该文所提方法在学习过程中参数设置简单,在输出结果时给出了分类的可靠性,适合实际工程应用。同时,该方法在决策过程中,能够根据训练数据分布情况,自动选取决策结构,进一步提高诊断的速度与准确性。将该文所提诊断方法用于水电机组振动故障诊断实例,取得良好效果,验证了算法的有效性。

关键词： 水电工程   故障诊断   信息融合   改进D-S证据理论   水电机组  

摘要： 针对常规水电机组振动故障诊断技术中易出现错判及诊断可靠性低等问题,提出了一种基于改进D-S证据理论的集成故障诊断方法。根据水电机组振动故障的频域信号,由模拟退火粒子群混合算法来处理证据理论的基本概率分配问题。再利用改进D-S理论来实现可信度分配的合理赋值,最后进行多信息的融合决策。实例表明,该方法可以在原始证据出现高度冲突以及相一致的情况下,都具有较高的诊断可信度,从而实现了对水电机组振动故障模式的有效识别。

关键词： 水电机组   故障诊断   智能   仿医疗   状态监测   试验辅助诊断  

摘要： 水轮发电机组的故障诊断过程和人类求医问药的医疗诊断过程有很强的相似性。本文从论述两者相似性入手,深入分析了水电设备故障诊断的难点和现状,指出了对智能故障诊断的两个错误认识:一是将智能诊断理想化、绝对化,拒绝技术工作人员的创造性参与;二是将智能诊断系统建立在能自动采集的状态监测、计算机监控系统等基础之上,忽略了诊断型试验、处方型试验、日常运行记录等一些不能自动获取数据、资料的辅助诊断手段。文章提出的"仿医疗"水电机组故障诊断系统是一全面借鉴医疗诊断过程和原理的交互型智能系统,可在状态监测、工作日志等过去资料汇总分析基础上做出故障类型划分和初步诊断,并根据需要提出辅助于故障判断的诊断型试验步骤及方案,协助确诊。该系统还包含辅助于确定故障处理或检修方案的处方型试验,借此获得最佳解决方案。文章以机械、电磁和水力等三种不稳定的区分、水轮机转轮叶片裂纹原因分析及机组动态不平衡处理等为例介绍了"仿医疗"智能诊断系统概略架构设想。

关键词： 水电机组   故障诊断   径向基多小波神经网络   径向基神经网络  

摘要： 针对常规神经网络收敛速度慢,难以实现水电机组故障在线学习的不足,提出基于径向基多小波神经网络的水电机组故障诊断方法.采用多小波尺度函数作为径向基多小波神经网络的核函数,建立网络模型.利用水电机组振动信号频谱分量的幅值作为特征向量,对网络进行训练,实现特征样本集到振动故障集的有效映射,达到水电机组故障诊断的目的.实验结果表明:与常规神经网络的诊断方法相比,径向基多小波神经网络水电机组故障诊断方法具有较快的收敛速度和较好的泛化能力,为水电机组故障在线学习和诊断提供了有效的解决途径.

关键词： 水电机组   振动故障   多重分形谱   小波系数   改进BP神经网络  

摘要： 本文建立了小波分析、多重分形谱和改进BP神经网络相结合的水电机组振动故障诊断模型。该模型首先利用小波分解对振动信号波形进行去噪提纯,得到各种故障信号的小波近似系数,应用多重分形谱算法提取出振动故障的特征向量,并将该特征向量作为BP神经网络的输入向量进行分类识别。该模型直接通过振动波形提取信号特征,避免提取其频谱特性,并结合先进的多重分形谱进行诊断识别,为水电机组故障诊断提供了一种新的方法。应用实例表明,该方法能够提高诊断的智能化和人性化,增强了人机交互性,识别结果令人满意。

关键词： 水轮发电机组   故障诊断   专家系统   混合模型推理  

摘要： 根据近年来水电厂对机组状态监测的需求与故障诊断技术的发展状况,基于原HM9000水电机组远程在线监测分析系统的基础,设计开发了一套开放式水电机组故障诊断专家系统软件平台,通过搜集、整理和分析部分常见故障案例,并吸收归纳本领域部分专家的诊断经验,对诊断经验实现了知识化、规则化和可用化。结合三峡集团公司大型诊断中心的建设,实现了部分故障的智能诊断,为机组状态检修提供了依据。

关键词： 动力机械工程   故障诊断   小波网络   水电机组   蚁群算法  

摘要： 针对传统小波网络在进行故障诊断时存在收敛速度慢,对初始参数敏感的缺陷,提出了基于蚁群初始化小波网络的水电机组振动故障诊断方法。该方法采用蚁群算法对小波网络的参数进行初步寻优,将优化后的参数作为小波网络的初始化参数;利用水电机组振动信号频谱分量的幅值作为特征向量,对蚁群初始化小波网络进行训练,实现振动特征集到故障集的有效映射,达到故障诊断的目的。实例诊断结果表明:与传统小波网络及蚁群优化小波网络相比,基于蚁群初始化小波网络的水电机组振动故障诊断方法具有较快的收敛速度和较强的泛化能力,为水电机组振动故障在线诊断提供了有效的解决方案。

关键词： 信息融合   水电机组   故障诊断   证据理论   粒子群神经网络  

摘要： 针对传统方法在水电机组振动故障诊断中存在准确度不高的问题,引入了粒子群神经网络和证据理论相结合的故障诊断方法。对水电机组振动故障的不同征兆域,采用2个并行的粒子群神经网络进行局部诊断,以获得彼此独立的证据,再由证据理论对各证据进行融合。结果表明,该方法可有效地提高诊断可信度,减少诊断的不确定性。