关键词： BP网络   振动   故障诊断   水轮发电机组  

摘要： 将人工智能引入水轮发电机组的故障诊断,有利于大中型水电厂“无人值班(少人值守)”管理模式的加速发展。本文首先简单介绍了人工神经网络的基本性能和BP网络模型及算法,然后将神经网络中的BP模型应用于水轮发电机组振动故障诊断中,比较了选择不同的网络参数对诊断系统性能的影响。实验证明,基于BP网络的水轮发电机组振动故障诊断方法具有很高的实用价值。

关键词： 水轮发电机组   振动   故障诊断   BP网络  

摘要： 介绍了人工神经网络的基本性能和BP网络模型及算法，并将神经网络中的BP模型应用于水轮发电机组振动故障诊断中，比较了选择不同的网络参数对诊断系统性能的影响。实验证明，基于BP网络的水轮发电机组振动故障诊断方法具有较高的实用价值。

关键词： 水电机组   状态监测   故障诊断   专家系统   故障树  

摘要： 该文以水电机组振动诊断为应用背景,对水电机组的振动进行分析的基础上,应用知识库理论,构造了水电机组的故障树.第一章介绍清江流域水电发展的现状和水电机组状态监测及故障诊断技术的发展现状以及发展方向,确定论文的主要内容和研究的重点;第二章对水电机组状态监测与振动进行分析、辩别,初步建立水电机组振动监测与故障诊断系统;第三章通过分析水电机组振动与故障的关系,故障征兆,构造水电机组状态监测与故障诊断知识库系统;第四章建立水电机组状态监测与诊断系统故障树;第五章探讨了在Windows98 平台上利用Delphi4.0对知识库的数据库编程.

关键词： 水电机组   故障诊断   人工神经网络   模糊专家系统   OOP  

摘要： 该课题结合甘肃省自然科学基金项目,在分析了水轮发电机组主要故障原因的基础上,研究并开发了基于中文Windows 98平台的水电机组智能故障诊断系统.针对水电机组故障特点,该文提出了采用模糊专家系统与神经网络并存系统进行智能故障诊断的方法,能够较好地发挥神经网络和基于模糊规则的专家系统各自的优势.通过对征兆信息进行模糊化处理,将得到的隶属度作为神经网络的输入或者模糊专家系统的条件与规则置信度,这是将神经网络和模糊专家系统结合起来的基础.文中还讨论了一种将模糊规则转化为神经网络的方法,经验证效果良好.该文采用面向对象编程的方法编制了水电机组智能故障诊断可视化软件,并对模拟故障进行了诊断,系统界面友好,可维护性强.

关键词： 水轮发电机组   故障诊断   知识表示   知识推理  

摘要： 针对水电机组故障诊断知识较为复杂多样的特点 ,提出了将产生式模糊规则表示、神经网络表示和可视化故障知识表示等多种方法综合集成的知识表达方式和诊断推理策略。诊断实例表明 ,该集成知识表达和推理方式的引入有助于增强水电机组故障诊断专家系统的知识获取和表达能力 ,提高了系统的推理匹配能力。

关键词： 水电机组   故障诊断   专家系统   模糊诊断   状态监测  

摘要： 该文以水电机组振动故障诊断为应用背景,在提出水电机组运行设备状态监测与故障诊断系统结构(FDI)模式和对机组振动进行振动分析的基础上,通过传统的专家系统、模糊逻理论的有机结合,应用基于面向对象的Visaul C++程序设计方法设计应用程序,构造了水电机组振动的模糊专家故障诊断系统.

关键词： 水轮发电机组   水电站   监控系统   计算机   运行   故障处理  

摘要： 紧水滩水电站计算机监控系统投运后 ,针对机组控制系统运行过程出现的问题进行分析和处理 。

关键词： 故障诊断   专家系统   水轮发电机组   轴承  

摘要： 从开发研制水电机组故障诊断专家系统的角度，针对故障诊断专家系统开发中面临的知识表达、知识获取及实时诊断等关键问题的研究现状和开发前景进行了重点论述，为该领域进一步的研制工作奠定了基础。

关键词： 神经网络   水电机组   振动   故障诊断  

摘要： 本文首先简单介绍了人工神经网络的基本性能和BP网络模型及算法，在此基础上将神经网络应用于水电机组振动故障诊断中。试验证明，基于神经网络的水电机组振动故障诊断方法具有很高的实用价值。

关键词： 水电机组   故障诊断   神经网络   专家系统   不确定性推理  

摘要： 该文以水电机组振动故障诊断为应用背景,在提出水电机组运行设备状态监测与故障诊断系统(FDI系统)结构模式,分析水电机组振动故障特点,提出水电机组振动故障诊断模型(即神经网络+规则反向推理的层次诊断模型)的基础上,构造了完整的专家系统框架.通过传统专家系统、人工神经网络技术和不确定性推理技术的有机结合,使得该专家系统推理具有更好的实时性和更高的准确性.在专家系统框架基础上,建立了领域知识库,通过实验数据的测试,证明该专家系统工作的有效性,以及神经网络+规则反向推理的层次诊断模型比纯神经网络推理模型具有更大的优越性.