本文關(guān)鍵詞：基于智能算法的汽輪機(jī)通流部分故障診斷研究

  更多相關(guān)文章： 汽輪機(jī)通流部分 故障診斷 模糊理論 SOM神經(jīng)網(wǎng)絡(luò) SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò) 粗糙集 支持向量機(jī)

【摘要】：現(xiàn)在大部分火電廠的汽輪機(jī)都具有高參數(shù)和大容量的特點(diǎn),但在運(yùn)行時(shí)也容易引起汽輪機(jī)通流部分發(fā)生故障,所以為了保證機(jī)組的安全與經(jīng)濟(jì)運(yùn)行,對(duì)其進(jìn)行故障的監(jiān)測與診斷很有必要。本文通過對(duì)SOM神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、模糊理論、粗糙集理論、以及支持向量機(jī)等智能方法的分析,并結(jié)合各種理論技術(shù)的優(yōu)勢,對(duì)汽輪機(jī)通流部分故障診斷做了一些研究,主要完成了以下幾方面的工作:(1)在國內(nèi)外汽輪機(jī)通流部分故障診斷研究的基礎(chǔ)上,分析了其故障診斷機(jī)理,對(duì)故障產(chǎn)生的原因、預(yù)防措施及其影響進(jìn)行了概括,總結(jié)了汽輪機(jī)通流部分的常見故障與故障征兆之間的關(guān)系,建立了通流部分故障診斷知識(shí)庫。(2)由于汽輪機(jī)通流部分故障的復(fù)雜性,故障之間耦合性強(qiáng),故障征兆之間也存在模糊性,引入模糊理論的概念,建立了模糊SOM神經(jīng)網(wǎng)絡(luò)和SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò)模型,進(jìn)行了汽輪機(jī)通流部分故障診斷。(3)針對(duì)故障數(shù)據(jù)存在冗余信息的特點(diǎn),利用粗糙集理論中屬性約簡的概念對(duì)汽輪機(jī)通流部分結(jié)垢數(shù)據(jù)進(jìn)行預(yù)處理,并采用支持向量機(jī)分類的方法,對(duì)調(diào)節(jié)閥門結(jié)垢、調(diào)節(jié)級(jí)結(jié)垢、高壓缸級(jí)組結(jié)垢、低壓缸級(jí)組結(jié)垢故障進(jìn)行了診斷。
【關(guān)鍵詞】：汽輪機(jī)通流部分 故障診斷 模糊理論 SOM神經(jīng)網(wǎng)絡(luò) SOM-BP復(fù)合神經(jīng)網(wǎng)絡(luò) 粗糙集 支持向量機(jī)
【學(xué)位授予單位】：東北電力大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TK268;TM621
【目錄】：

• 摘要6-7
• Abstract7-10
• 第1章 緒論10-15
• 1.1 課題背景及研究意義10-11
• 1.2 本課題國內(nèi)外的研究動(dòng)態(tài)11-14
• 1.2.1 國外研究現(xiàn)狀11-12
• 1.2.2 國內(nèi)研究現(xiàn)狀12-13
• 1.2.3 汽輪機(jī)通流部分故障診斷常用方法及特點(diǎn)13-14
• 1.3 本文研究的主要內(nèi)容14-15
• 第2章 汽輪機(jī)通流部分故障分析15-24
• 2.1 診斷對(duì)象概述15-16
• 2.2 汽輪機(jī)通流部分故障種類16-17
• 2.3 汽輪機(jī)通流部分故障分析17-23
• 2.3.1 結(jié)垢、腐蝕故障17-18
• 2.3.2 磨損故障18-19
• 2.3.3 調(diào)節(jié)汽門門桿斷裂或門芯脫落故障19-20
• 2.3.4 主汽門卡澀故障20-21
• 2.3.5 葉片斷裂、損壞故障21-23
• 2.4 本章小結(jié)23-24
• 第3章 基于模糊SOM神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)通流部分故障診斷24-43
• 3.1 SOM神經(jīng)網(wǎng)絡(luò)24-26
• 3.1.1 SOM神經(jīng)網(wǎng)絡(luò)概述24
• 3.1.2 SOM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)24-25
• 3.1.3 SOM神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法25-26
• 3.2 模糊集和隸屬函數(shù)26-28
• 3.2.1 模糊集合的基本概念26-27
• 3.2.2 模糊集合的隸屬度函數(shù)27-28
• 3.3 模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合28-29
• 3.3.1 模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)各自特點(diǎn)28
• 3.3.2 模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)結(jié)合的可能性28-29
• 3.4 故障征兆參數(shù)的模糊隸屬度函數(shù)29-32
• 3.5 汽輪機(jī)通流部分故障樣本的建立32-34
• 3.5.1 汽輪機(jī)通流部分故障與故障征兆的選取32-33
• 3.5.2 汽輪機(jī)通流部分故障特征向量的選取33-34
• 3.6 基于模糊SOM神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)通流部分故障診斷34-38
• 3.6.1 模糊SOM神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)34-38
• 3.6.2 通流部分故障診斷案例驗(yàn)證38
• 3.7 復(fù)合SOM-BP神經(jīng)網(wǎng)絡(luò)38-39
• 3.8 基于復(fù)合SOM-BP神經(jīng)網(wǎng)絡(luò)的汽輪機(jī)通流部分故障診斷39-42
• 3.8.1 復(fù)合SOM-BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)39-41
• 3.8.2 通流部分故障診斷案例驗(yàn)證41-42
• 3.9 本章小結(jié)42-43
• 第4章 基于模糊粗糙集和支持向量機(jī)的汽輪機(jī)通流部分故障診斷43-55
• 4.1 支持向量機(jī)43-45
• 4.1.1 支持向量機(jī)概述43-44
• 4.1.2 支持向量機(jī)的核函數(shù)44
• 4.1.3 多分類支持向量機(jī)44-45
• 4.2 粗糙集理論45-47
• 4.2.1 粗糙集定義45
• 4.2.2 知識(shí)的約簡和核45-46
• 4.2.3 屬性的依賴度46
• 4.2.4 屬性的重要性46
• 4.2.5 離散化處理46
• 4.2.6 基于粗糙集理論的故障診斷方法46-47
• 4.3 基于模糊RS和SVM的汽輪機(jī)通流部分結(jié)垢故障診斷47-53
• 4.3.1 RS與SVM方法融合的優(yōu)勢47
• 4.3.2 基于RS與SVM的故障診斷流程47-48
• 4.3.3 通流部分結(jié)垢故障診斷案例驗(yàn)證48-53
• 4.4 本章小結(jié)53-55
• 結(jié)論55-56
• 參考文獻(xiàn)56-61
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果61-63
• 致謝63

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱寶;周仁米;顧偉飛;董益華;;汽輪機(jī)調(diào)節(jié)級(jí)動(dòng)葉柵結(jié)構(gòu)性故障分析與診斷[J];浙江電力;2015年11期

2 房錦;;汽機(jī)高壓調(diào)門斷銷事件的淺析[J];大眾科技;2015年05期

3 程永峰;;大型汽輪機(jī)脹差變化的分析與對(duì)策[J];電力安全技術(shù);2015年02期

4 汪寬華;潘志賢;鄭飛逸;賴慧堅(jiān);陳金銓;;汽輪機(jī)葉片斷裂原因分析研究[J];機(jī)電工程;2014年12期

5 張春杰;李振林;李世堯;李折;楊銀山;;改進(jìn)弗留格爾公式用于汽輪機(jī)故障診斷[J];北京石油化工學(xué)院學(xué)報(bào);2014年04期

6 周昭濱;巫樟泉;張德軒;李蔚;;汽輪機(jī)通流部分故障診斷方法研究綜述與展望[J];電站系統(tǒng)工程;2014年03期

7 王文彬;訾娟;趙言;賀強(qiáng);趙閆濤;;330MW汽輪機(jī)軸位移偏移分析與處理[J];中國電力;2014年04期

8 劉小進(jìn);;2臺(tái)汽輪機(jī)葉片斷裂故障診斷[J];陜西電力;2014年02期

9 丁旭春;王毅;殷志龍;施延洲;;超臨界630 MW機(jī)組汽輪機(jī)通流結(jié)垢診斷及處理[J];熱力發(fā)電;2013年11期

10 黃衛(wèi)劍;張曦;朱亞清;何炳q，

本文編號(hào)：591684