發(fā)布時(shí)間：2017-12-10 16:13

  本文關(guān)鍵詞：基于決策樹(shù)的汽輪機(jī)振動(dòng)故障診斷技術(shù)研究

  更多相關(guān)文章： 汽輪機(jī) 振動(dòng) 故障診斷 決策樹(shù)算法 診斷系統(tǒng)

【摘要】：隨著電力技術(shù)的日益發(fā)展,發(fā)電機(jī)組的容量和參數(shù)不斷提高,電廠的熱力設(shè)備也日趨復(fù)雜化和智能化,因此也導(dǎo)致了電廠汽輪機(jī)設(shè)備的故障產(chǎn)生機(jī)理日益復(fù)雜,然而電廠汽輪機(jī)作為電廠中的三大主要設(shè)備之一,一發(fā)生故障,將會(huì)給企業(yè)和國(guó)家造成巨大經(jīng)濟(jì)損失。隨著數(shù)據(jù)挖掘技術(shù)的飛躍發(fā)展,其在處理海量數(shù)據(jù)方面顯示出其無(wú)比巨大的優(yōu)勢(shì),因此將數(shù)據(jù)挖掘技術(shù)與電廠汽輪機(jī)設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷相結(jié)合,將突破傳統(tǒng)設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷的知識(shí)獲取的瓶頸,并且使人們利用數(shù)據(jù)挖掘技術(shù),從系統(tǒng)歷史數(shù)據(jù)中提取相應(yīng)的診斷知識(shí),成為獲取知識(shí)的一種有效途徑。本文通過(guò)將數(shù)據(jù)挖掘分類(lèi)方法中的決策樹(shù)C4.5算法引入汽輪機(jī)的軸系振動(dòng)的故障診斷,作為一種故障診斷方法進(jìn)行了研究。通過(guò)在實(shí)驗(yàn)室汽輪機(jī)轉(zhuǎn)子實(shí)驗(yàn)平臺(tái)上模擬正常、不平衡、碰磨、油膜振蕩四種運(yùn)行狀態(tài),實(shí)驗(yàn)工作轉(zhuǎn)速為4000r/min,每種運(yùn)行狀態(tài)分別進(jìn)行20次實(shí)驗(yàn),共采集80組模擬實(shí)驗(yàn)數(shù)據(jù),將采集到的原始數(shù)據(jù)通過(guò)Matlab程序計(jì)算,得到四種運(yùn)行狀態(tài)下所有組別的偏度、峭度、平均值、最大值四個(gè)統(tǒng)計(jì)特征參數(shù)。對(duì)于每種運(yùn)行狀態(tài)隨機(jī)選擇10組,共40組組成訓(xùn)練數(shù)據(jù)集,其余構(gòu)成測(cè)試集,通過(guò)決策樹(shù)C4.5故障診斷方法的診斷流程對(duì)訓(xùn)練數(shù)據(jù)集進(jìn)行處理,最終得到?jīng)Q策樹(shù)故障診斷模型,通過(guò)測(cè)試數(shù)據(jù)集對(duì)該模型的診斷精度進(jìn)行判斷,其診斷精度達(dá)90%。也通過(guò)其他的綜合評(píng)價(jià)標(biāo)準(zhǔn)對(duì)該診斷模型進(jìn)行了綜合評(píng)價(jià),結(jié)果較為理想。因此,可以通過(guò)進(jìn)一步的對(duì)該算法的優(yōu)化,將其引入汽輪機(jī)軸系振動(dòng)故障診斷系統(tǒng)�；緦�(shí)現(xiàn)了決策樹(shù)C4.5算法的編程開(kāi)發(fā)。本文最后也對(duì)基于決策樹(shù)的汽輪機(jī)故障診斷系統(tǒng)進(jìn)行了系統(tǒng)的框架的搭建,及各部分功能也作出了詳細(xì)闡述,也對(duì)該系統(tǒng)的軟件體系進(jìn)行了設(shè)計(jì),并實(shí)現(xiàn)了基于決策樹(shù)C4.5算法的故障診斷模塊。
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TM621

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 朱宇光;黃樹(shù)成;;一種基于信息熵建立決策樹(shù)的算法[J];常州工學(xué)院學(xué)報(bào);2006年01期

2 周凌云;;決策樹(shù)在汽車(chē)評(píng)測(cè)中的應(yīng)用研究[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

3 焦樹(shù)軍;安志江;;基于最大間隔的決策樹(shù)歸納算法[J];科技視界;2011年01期

4 畢建東，，楊掛芳;基于熵的決策樹(shù)分枝合并算法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);1997年02期

5 許晴;李凡長(zhǎng);;上下文決策樹(shù)學(xué)習(xí)算法及其在機(jī)械波圖像中的應(yīng)用[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年02期

6 劉健;陳俊杰;;以相關(guān)性確定條件屬性的概化決策樹(shù)[J];太原理工大學(xué)學(xué)報(bào);2006年S1期

7 魏紅寧;決策樹(shù)剪枝方法的比較[J];西南交通大學(xué)學(xué)報(bào);2005年01期

8 趙翔,向一丹,劉同明,祁云嵩;一種基于粗糙集的決策樹(shù)生成算法[J];華東船舶工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2005年04期

9 劉健;陳俊杰;;以相關(guān)性確定條件屬性的概化決策樹(shù)[J];太原理工大學(xué)學(xué)報(bào);2006年S2期

10 李衛(wèi)東;宋威;李欣;楊炳儒;;一種多標(biāo)準(zhǔn)決策樹(shù)剪枝方法及其在入侵檢測(cè)中的應(yīng)用[J];北京科技大學(xué)學(xué)報(bào);2007年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 周帥印;李晨;王勇;張陽(yáng);;FDTU:針對(duì)不確定數(shù)據(jù)的快速?zèng)Q策樹(shù)生成算法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

2 胡海斌;邱明;姜青山;胡海龍;趙新星;;一種基于數(shù)據(jù)繼承關(guān)系的C4.5分類(lèi)優(yōu)化算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

3 卜亞杰;胡朝舉;;一種改進(jìn)的ID3算法[A];第一屆中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 馮興華;基于公理模糊集的模糊決策樹(shù)算法研究[D];大連理工大學(xué);2013年

2 伊衛(wèi)國(guó);基于關(guān)聯(lián)規(guī)則與決策樹(shù)的預(yù)測(cè)方法研究及其應(yīng)用[D];大連海事大學(xué);2012年

3 王煜;基于決策樹(shù)和K最近鄰算法的文本分類(lèi)研究[D];天津大學(xué);2006年

4 王利民;貝葉斯學(xué)習(xí)理論中若干問(wèn)題的研究[D];吉林大學(xué);2005年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張艷順;基于決策樹(shù)的汽輪機(jī)振動(dòng)故障診斷技術(shù)研究[D];華北電力大學(xué)(北京);2016年

2 黃正勇;基于樣本對(duì)的極小決策樹(shù)構(gòu)建[D];華北電力大學(xué)(北京);2016年

3 馬德亮;基于覆蓋粗糙集理論決策樹(shù)的構(gòu)造[D];華北電力大學(xué)(北京);2016年

4 但小崗;決策樹(shù)在土地規(guī)劃中的應(yīng)用研究[D];貴州大學(xué);2008年

5 劉云勝;一種改進(jìn)的決策樹(shù)增量算法研究[D];華中科技大學(xué);2007年

6 李卿;決策樹(shù)優(yōu)化算法研究[D];西南交通大學(xué);2009年

7 關(guān)曉薔;基于決策樹(shù)的分類(lèi)算法研究[D];山西大學(xué);2006年

8 胡江洪;基于決策樹(shù)的分類(lèi)算法研究[D];武漢理工大學(xué);2006年

9 卜亞杰;決策樹(shù)分類(lèi)算法的研究及應(yīng)用[D];華北電力大學(xué)（河北）;2008年

10 周海波;基于決策樹(shù)的分類(lèi)算法研究[D];蘭州大學(xué);2009年

本文編號(hào)：1275107