关键词： 故障诊断   神经网络   遗传算法   水电机组  

摘要： 将GA-BP算法引入水电机组的故障诊断中,建立了基于GA-BP算法的水电机组故障诊断模型。通过Matlab的相关工具箱进行仿真,结果表明基于GA-BP算法的诊断模型的正确性高于基于BP算法的诊断模型。

关键词： 故障诊断   知识模型库   融合推理   人工干预  

摘要： 分析了基于知识模型库的水电机组故障诊断特点、系统结构及融合诊断推理方法,详细描述了知识模型库的层次组成,以及在系统中心设置人工干预功能的必要性。

关键词： 声发射技术   水轮机   空蚀   转轮叶片裂纹  

摘要： 作为传统检测技术的有益补充,声发射技术在水电机组状态监测与故障诊断中具有重要的应用价值。分别从水轮机空蚀和转轮叶片裂纹两大方面综述了声发射检测技术的应用研究和发展现状,包括这两种故障声发射信号的产生机理、信号规律及其特征提取、声发射检测装置(或系统)开发等。指出了目前存在的主要问题和今后的研究方向。

关键词： 水电机组   振动故障诊断   Hilbert-Huang变换   时间序列   相似挖掘算法  

摘要： 水电机组振动是水电机组最为常见的一类故障，对其进行故障诊断就是要从信号中获得故障信息。然而，传统的时频分析方法在处理复杂振动故障信号时存在一定的局限，己无法满足在线监测和故障诊断技术进一步发展的要求。因此，以现代信号处理方法为基础的水电机组振动故障诊断技术在保障电力系统稳定运行，防范事故发生具有重要的意义。\n 本文借鉴并发展Hilbert-Huang变换技术的研究成果，以Hilbert-Huang变换的精度控制和虚假分量筛选问题为研究对象，结合水电机组振动信号非线性非平稳等特点，利用数字降采样技术对振动故障信号进行前处理，克服差分运算和插值过程对采样频率要求的矛盾。针对虚假分量问题，首次提出能量波动法，构建波动阈值来跟踪、识别、重构虚假分量，解决了Hilbert-Huang变换理论存在的不足，完善了水电机组振动信号分析处理和故障特征的提取。\n 基于水电机组振动信号处理的结果，并考虑水电机组振动信号序列图形相似性分类比较的特点，开展了水电机组振动故障诊断模型的研究，采用频率模糊贴近度和相似性挖掘技术，从知识获取和学习的对象入手，通过比较图形相似性达到诊断目的。\n 在上述工作的基础上，进一步针对水电机组振动故障信号的特点，将Hilbert-Huang变换与相似挖掘算法相融合，首次提出多尺度经验模态分解(Empirical Model Decomposltlon，EMD)相似挖掘算法，建立基于多尺度EMD相似挖掘的水电机组振动故障诊断体系。在新疆塔尕克电厂2号机组取得的成果对机组性能和故障状态的评价具有有重要的指导意义和学术价值。

关键词： 水电机组   状态监测   故障诊断  

摘要： 近年来,水电机组在线状态监测与故障诊断技术在水电厂发挥的重要作用越来越得到电力行业的认可和重视。介绍了在线状态监测技术和故障诊断技术的现状,较成熟的实用产品,以及存在的不足,并提出了水电机组状态监测与故障诊断系统未来发展的趋势。

关键词： 水电站   水轮发电机组   故障诊断   数据挖掘   SQL Server2005  

摘要： 随着信息技术的进步以及计算机技术和网络技术的迅速发展,水电机组故障诊断系统中采集的大量数据(包括统计数据、试验数据)可以方便地被存储在各种数据库中。但采用传统的数据分析方法对这些数据进行分析和处理,不仅耗时而且难以有效地发现数据中隐含的知识。 近几年,人工智能技术与数据库技术的交叉渗透取得了令人瞩目的进展,而基于人工智能技术与数据库技术而发展起来的数据挖掘技术也受到了人们的普遍关注。它所需要的基础条件如:海量数据集、先进计算机、成熟的数据挖掘方法等都已基本具备。所以,将数据挖掘技术应用于故障诊断系统中是可行的。 本论文以某水电站状态监测系统数据库中存储的水电机组运行数据为样本数据,引入数据挖掘技术,从分析数据的角度上去挖掘各运行数据与机组状态之间的关系并建立相应的挖掘模型,该模型能够很好的解释水电机组的运行状态,同时可以运用挖掘模型提取的科学规律对机组未来的发展趋势进行预测。 本文利用SQL Server2005构建机组运行数据仓库,在数据准备过程中对数据进行预处理,提高了数据质量;通过对决策树算法、聚类分析算法、神经网络算法和时序算法的对比分析后,采用决策树算法和时序算法建立了水电机组数据挖掘模型;最后应用建立的数据挖掘模型对机组状态参数进行预测。通过现场数据验证,其预测的准确性较高。这表明将数据挖掘技术与水电机组状态监测和故障诊断技术相结合是合理可行的,为水电机组状态监测和故障诊断系统知识获取提供了一个有效的解决方法。

关键词： 水轮发电机组   故障诊断   轴心轨迹   粗糙集   D-S证据理论   多Agent系统  

摘要： 随着水电机组向巨型化、大容量发展,故障诊断技术在保证水电机组安全稳定运行的作用越来越突出,众多学者针对水电机组故障诊断技术开展了深入的研究,积极探寻有效的故障诊断方法同时获得了大量有效成果。但是受研究范式的局限,尤其是研究理论在技术实现方法上的限制,使得某些具有不确定性的故障类型难以得到准确诊断。研究提高水电机组故障诊断效能的方法极具挑战性,其研究成果有助于全面了解水电机组故障机理与信息融合原理,优化故障分析手段,并提高故障诊断的准确性。 针对水轮发电机组轴心轨迹自动识别技术,论文总结近年来的研究成果,结合模式识别研究的新成果,提出了基于Racah矩的轴心轨迹自动识别的新方法,与已有研究方法的识别效果进行了对比评价：基于Racah矩方法的轴心轨迹自动识别方法具有很高的目标识别能力,且计算工作量较小、速度快,非常简便,具有极大的使用价值。 论文针对水电机组采样信息量大、冗余度高的特点,提出基于粗糙集的故障信息挖掘。利用粗糙集处理模糊、不确定性信息的优越能力,通过研究水电机组故障特征对照表,构建知识挖掘模型,用该知识模型化简机组故障信息,消除采样信息量之间的冗余信息,使故障特征与故障类型之间的关系更加明晰。 水电机组故障与信息特征是多-多映射关系,同时机组各部分的运行存在强烈的耦合关系,这些因素决定了单一故障诊断技术或单一信息特征都无法确切地判断机组的故障状态。因此,本文引入D-S证据理论对水电机组的多种诊断方法结果与多信息特征结果进行融合,以可信度的形式给出在机组运行过程中各类故障的发生概率,尽可能符合生产实际。 为解决水电机组故障诊断中各类诊断技术诊断结果的一致性以及各类故障信息特征在多-多映下故障诊断结果的统一问题,论文提出融合粗糙集与D-S证据理论的水电机组多Agent故障诊断模型。该模型有四个特点：状态监测子系统直接从监控现场提取异常特征信号以提高故障监测的灵敏性,同时设立属性约简Agent,以粗糙集理论为手段,将复杂的条件属性对应关系化简,减少诊断融合的工作量;构造融合Agent,接收各诊断Agent传来的诊断结果进行评价合并,获得一致性诊断结果;将任务控制与任务分解融合于一个Agent子系统中,提高了控制信号的传输率并简化系统;在故障诊断子系统中设计了多Agent并行工作结构以满足系统诊断实时性与高可靠性的要求。整套系统采用基于java语言的JAFMAS软件构建开发平台建立多Agent协调机制。 基于前面的研究结果以及有关技术,设计并实现了一个基于粗糙集和D-S证据理论的多Agent水电机组故障诊断系统,实验结果表明,该系统具有较好的故障诊断能力。

关键词： 故障诊断   神经网络   遗传算法   水电机组  

摘要： 将遗传神经网络引入水电机组的故障诊断中,建立基于遗传神经网络的水电机组故障诊断模型,通过Matlab的相关工具箱进行仿真.结果表明遗传神经网络诊断的正确性高于BP网络.

关键词： 水电机组   粗糙集   支持向量机   故障诊断  

摘要： 针对水电机组常规振动故障诊断分类器不能反映分类中的不确定信息的不足,提出一种基于粗糙集的一对一(1-v-1)多类支持向量机分类方法。该方法充分利用粗糙集对不确定、不完整数据和复杂模式的良好刻画能力及支持向量机优秀的泛化能力,应用粗糙集最核心的思想:上、下近似来描述支持向量机分类结果。结合1-v-1方法实现支持向量机的多类分类,导出多类分类时样本的上、下近似和边界区域的集合表示,并以规则的形式对分类器进行描述。用所提方法对国际标准测试数据进行实验,并应用于某水电厂机组振动故障诊断。所得结果与单纯1-v-1多类支持向量机方法比较,结果表明该分类器具有规则简洁、分类阶段所需存储空间小,能够反映故障模式分类中的不确定信息等优点。

关键词： 水电机组   故障诊断   时间序列   相似性挖掘   频率模糊贴近度  

摘要： 时间序列的相似性挖掘是水电机组故障诊断的重要方法,本文提出一种基于频率模糊贴近度的时间序列相似性的数据挖掘方法,用来解决水电机组故障诊断中振摆特征曲线的相似性比较问题。该方法将复杂的时域问题转化为频域问题,通过模糊贴近来度量时间序列之间的距离,刻画出数据时间序列的相似程度。该算法应用到大峡水电站二号机组的故障诊断中,结果表明,该方法能够对故障做出准确判别,分离各种故障类型。由于需要存储的数据比较少,速度快,非常适于水电机组故障诊断中大规模图形序列挖掘。