重型燃?xì)廨啓C(jī)工作環(huán)境復(fù)雜、工況多變,隨著運(yùn)行時(shí)間增長(zhǎng),大大增加其失效風(fēng)險(xiǎn)。本文以燃?xì)廨啓C(jī)故障模式及機(jī)理分析為基礎(chǔ),開展重型燃?xì)廨啓C(jī)智能故障診斷研究,保證其安全健康運(yùn)行。首先,提出重型燃?xì)廨啓C(jī)智能故障診斷理論體系,主要包括智能故障診斷理論體系的結(jié)構(gòu)內(nèi)容、以及關(guān)鍵方法和技術(shù),來(lái)指導(dǎo)重型燃?xì)廨啓C(jī)以下智能診斷分析。其次,對(duì)重型燃?xì)廨啓C(jī)進(jìn)行結(jié)構(gòu)劃分,在此基礎(chǔ)上應(yīng)用FMEA和FTA技術(shù)進(jìn)行故障模式及機(jī)理分析。并以故障的FMEA分析、統(tǒng)計(jì)案例分析結(jié)果為指導(dǎo),獲得了對(duì)機(jī)組故障識(shí)別或者原因查找有貢獻(xiàn)的主要特征參數(shù),然后使用SVR等人工智能方法獲取故障征兆并預(yù)警。再次,在診斷知識(shí)獲取的基礎(chǔ)上,利用圖論智能方法表述出來(lái),兩者相結(jié)合實(shí)現(xiàn)重型燃?xì)廨啓C(jī)智能故障診斷,為維修決策提供重要參考。最后,將前面理論研究與工程實(shí)際相結(jié)合,詳細(xì)介紹重型燃?xì)廨啓C(jī)智能診斷系統(tǒng)設(shè)計(jì)思路和框架,重點(diǎn)對(duì)“監(jiān)測(cè)分析”、“智能診斷”兩個(gè)功能模塊進(jìn)行流程化設(shè)計(jì),為今后重型燃?xì)廨啓C(jī)智能診斷系統(tǒng)實(shí)際開發(fā)應(yīng)用奠定基礎(chǔ)。 

【文章來(lái)源】：華北電力大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 燃?xì)廨啓C(jī)故障機(jī)理研究現(xiàn)狀
    1.3 燃?xì)廨啓C(jī)智能診斷方法研究現(xiàn)狀
        1.3.1 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.2 燃?xì)廨啓C(jī)智能診斷研究存在的不足分析
        1.3.3 燃?xì)廨啓C(jī)智能診斷研究的思考建議
    1.4 本文的研究?jī)?nèi)容及結(jié)構(gòu)
第2章 重型燃?xì)廨啓C(jī)智能故障診斷理論體系
    2.1 重型燃?xì)廨啓C(jī)故障分析與診斷概述
    2.2 重型燃?xì)廨啓C(jī)智能故障診斷理論體系結(jié)構(gòu)
        2.2.1 故障模式與機(jī)理分析
        2.2.2 故障特征提取
        2.2.3 故障識(shí)別與診斷
    2.3 重型燃?xì)廨啓C(jī)智能故障診斷理論體系關(guān)鍵方法和技術(shù)
        2.3.1 故障模式與機(jī)理分析關(guān)鍵方法和技術(shù)
        2.3.2 故障特征提取關(guān)鍵方法和技術(shù)
        2.3.3 故障識(shí)別與診斷關(guān)鍵方法和技術(shù)
    2.4 本章小結(jié)
第3章 重型燃?xì)廨啓C(jī)故障分析
    3.1 重型燃?xì)廨啓C(jī)典型故障分析一般思路
    3.2 重型燃?xì)廨啓C(jī)設(shè)備結(jié)構(gòu)分析
    3.3 重型燃?xì)廨啓C(jī)典型故障模式分析
        3.3.1 重型燃?xì)廨啓C(jī)壓氣機(jī)故障分析
        3.3.2 重型燃?xì)廨啓C(jī)燃燒室故障模式分析
        3.3.3 重型燃?xì)廨啓C(jī)燃?xì)馔钙焦收夏Ｊ椒治?br>    3.4 本章小結(jié)
第4章 重型燃?xì)廨啓C(jī)故障特征提取研究
    4.1 重型燃?xì)廨啓C(jī)特征參數(shù)選取
        4.1.1 重型燃?xì)廨啓C(jī)主要監(jiān)測(cè)參數(shù)
        4.1.2 特征參數(shù)選取分析
    4.2 特征參數(shù)基準(zhǔn)區(qū)間的確定
    4.3 故障特征提取模型的構(gòu)建
        4.3.1 模型數(shù)據(jù)預(yù)處理
        4.3.2 故障特征提取模型算法
    4.4 案例分析
    4.5 本章小結(jié)
第5章 基于征兆驅(qū)動(dòng)與專家推理網(wǎng)絡(luò)的燃?xì)廨啓C(jī)智能故障診斷研究
    5.1 智能故障診斷方法
        5.1.1 專家系統(tǒng)知識(shí)
        5.1.2 診斷網(wǎng)絡(luò)模型
    5.2 基于征兆驅(qū)動(dòng)與專家推理網(wǎng)絡(luò)的燃?xì)廨啓C(jī)故障診斷
        5.2.1 診斷網(wǎng)絡(luò)建模
        5.2.2 故障推理與搜索
        5.2.3 故障診斷流程
    5.3 案例分析
        5.3.1 故障發(fā)生描述
        5.3.2 建立網(wǎng)絡(luò)模型
        5.3.3 診斷結(jié)果解釋及處理措施
    5.4 本章小結(jié)
第6章 重型燃?xì)廨啓C(jī)智能診斷系統(tǒng)設(shè)計(jì)
    6.1 系統(tǒng)設(shè)計(jì)目標(biāo)及架構(gòu)
    6.2 系統(tǒng)數(shù)據(jù)庫(kù)實(shí)現(xiàn)
        6.2.1 數(shù)據(jù)庫(kù)服務(wù)器
        6.2.2 數(shù)據(jù)流轉(zhuǎn)
    6.3 系統(tǒng)功能設(shè)計(jì)
        6.3.1 監(jiān)測(cè)分析功能模塊設(shè)計(jì)
        6.3.2 智能診斷功能模塊設(shè)計(jì)
    6.4 本章小結(jié)
第7章 結(jié)論與展望
    7.1 結(jié)論
    7.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]《中國(guó)制造2025》簡(jiǎn)介與相關(guān)情況[J]. 鄭國(guó)偉.  中國(guó)儀器儀表. 2018(10)
[2]基于核密度估計(jì)的飛行高度層識(shí)別[J]. 謝春生,李少華.  中國(guó)民航大學(xué)學(xué)報(bào). 2018(04)
[3]基于征兆驅(qū)動(dòng)和專家推理的水電機(jī)組軸承狀態(tài)分析[J]. 唐磊,陳啟卷,王衛(wèi)玉,洪禮聰.  水電能源科學(xué). 2018(05)
[4]大數(shù)據(jù)下機(jī)械智能故障診斷的機(jī)遇與挑戰(zhàn)[J]. 雷亞國(guó),賈峰,孔德同,林京,邢賽博.  機(jī)械工程學(xué)報(bào). 2018(05)
[5]燃?xì)廨啓C(jī)壓氣機(jī)喘振故障分析與防喘方法研究[J]. 劉健鑫,任榮社,仇遠(yuǎn)旺.  內(nèi)燃機(jī)與動(dòng)力裝置. 2016(06)
[6]關(guān)于重型燃?xì)廨啓C(jī)預(yù)測(cè)診斷與健康管理的研究綜述[J]. 蔣東翔,劉超,楊文廣,康維國(guó).  熱能動(dòng)力工程. 2015(02)
[7]燃?xì)廨啓C(jī)燃燒脈動(dòng)現(xiàn)象及抑制方法研究[J]. 汪劍波.  電力與能源. 2015(01)
[8]重型燃?xì)廨啓C(jī)現(xiàn)狀與發(fā)展趨勢(shì)[J]. 蔣洪德,任靜,李雪英,譚勤學(xué).  中國(guó)電機(jī)工程學(xué)報(bào). 2014(29)
[9]S109FA燃?xì)廨啓C(jī)壓氣機(jī)進(jìn)氣系統(tǒng)的清潔與維護(hù)[J]. 馬方磊.  發(fā)電設(shè)備. 2011(01)
[10]燃?xì)廨啓C(jī)運(yùn)行故障及典型事故的處理[J]. 張旋洲.  燃?xì)廨啓C(jī)技術(shù). 2006(01)

博士論文
[1]煤電機(jī)組能效狀態(tài)評(píng)價(jià)與診斷系統(tǒng)研究[D]. 徐婧.華北電力大學(xué)(北京) 2018
[2]基于模型的重型燃?xì)廨啓C(jī)氣路故障診斷研究[D]. 蒲星星.清華大學(xué) 2013

碩士論文
[1]重型燃?xì)廨啓C(jī)健康狀態(tài)評(píng)價(jià)及故障診斷研究[D]. 王浩.華北電力大學(xué)(北京) 2016
[2]重型燃?xì)廨啓C(jī)故障分析與診斷[D]. 孫宇.華北電力大學(xué) 2015
[3]SVM參數(shù)尋優(yōu)及其在分類中的應(yīng)用[D]. 徐曉明.大連海事大學(xué) 2014
[4]基于圖論的過(guò)程故障診斷研究[D]. 王勉宇.浙江大學(xué) 2002



本文編號(hào)：3184625