本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的燃氣輪機故障診斷系統(tǒng)設(shè)計與實現(xiàn)

  更多相關(guān)文章： 燃氣輪機 渦輪葉片 人工神經(jīng)網(wǎng)絡(luò) OHF Elman 粗糙集

【摘要】：燃氣輪機是目前重要的大型設(shè)備動力裝置之一,在工業(yè)領(lǐng)域中得到了極為廣泛的應(yīng)用。燃氣輪機因為結(jié)構(gòu)錯綜復(fù)雜、工作環(huán)境十分惡劣,其部件很容易發(fā)生各類故障,將會直接影響整個設(shè)備的正常運轉(zhuǎn),造成重大的經(jīng)濟損失,甚至?xí)＜暗饺松戆踩?因此,對燃氣輪機進行故障診斷具有重大意義。渦輪葉片是燃氣輪機運行的關(guān)鍵部件,長時間工作在高溫高壓環(huán)境下,極易發(fā)生故障,其是否能夠正常工作直接影響整個設(shè)備的穩(wěn)定,因此,將渦輪葉片作為燃氣輪機的重點部位進行故障診斷技術(shù)的研究具有重要的實際工程意義。本文查閱并分析了大量動態(tài)系統(tǒng)的故障診斷技術(shù),針對渦輪葉片的特點,著重探討人工神經(jīng)網(wǎng)絡(luò)在葉片故障診斷中的有效性。同時,構(gòu)建了基于回歸神經(jīng)網(wǎng)絡(luò)的燃氣輪機故障診斷系統(tǒng)。本文主要完成的工作包括:1)對燃氣輪機及關(guān)鍵部件的失效退化原因進行詳細研究,依據(jù)有關(guān)文獻和燃氣輪機實際運行情況資料對故障模式原理及其危害進行總結(jié)。對燃氣輪機的渦輪葉片失效機理進行分析,建立燃氣輪機渦輪葉片失效的故障樹模型,基于故障樹的燃氣輪機故障模式分析對故障事件層次關(guān)系具有清晰化的效果。2)提出一種改進的Elman神經(jīng)網(wǎng)絡(luò)的故障診斷方法,提高診斷結(jié)果的準(zhǔn)確性。采用人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)中的靜態(tài)網(wǎng)絡(luò)和動態(tài)網(wǎng)絡(luò)分別對渦輪葉片故障進行診斷,Elman人工神經(jīng)網(wǎng)絡(luò)因其具有較好的動態(tài)特性從而表現(xiàn)出更優(yōu)的測試結(jié)果。為提高診斷精度,進一步優(yōu)化Elman網(wǎng)絡(luò)的結(jié)構(gòu),通過添加可調(diào)權(quán)值,引入與當(dāng)前時刻期望輸出相關(guān)的前一時刻各層之間的傳遞數(shù)據(jù),即OHF Elman神經(jīng)網(wǎng)絡(luò),進一步提高了實驗結(jié)果的準(zhǔn)確性。3)提出融合粗糙集(Rough Set,RS)的OHF Elman人工神經(jīng)網(wǎng)絡(luò)故障診斷模型,提高故障診斷的效率和精度。利用粗糙集理論減少輸入特征向量的維度,消除冗余信息,避免出現(xiàn)神經(jīng)網(wǎng)絡(luò)輸入向量過大而降低網(wǎng)絡(luò)訓(xùn)練速率和精度的現(xiàn)象,減少訓(xùn)練時間和計算量,從而提高神經(jīng)網(wǎng)絡(luò)對訓(xùn)練樣本的學(xué)習(xí)效率。同時,神經(jīng)網(wǎng)絡(luò)處理粗糙集的后續(xù)工作,抑制了噪聲對診斷模型的影響,提高了網(wǎng)絡(luò)模型的學(xué)習(xí)與泛化能力。二者相互結(jié)合并協(xié)同工作,提高了故障診斷的水平。4)設(shè)計并實現(xiàn)了基于回歸神經(jīng)網(wǎng)絡(luò)的燃氣輪機故障診斷系統(tǒng)。系統(tǒng)可對燃氣輪機采集數(shù)據(jù)進行顯示、存儲,并通過診斷模塊對燃氣輪機渦輪葉片的故障進行識別,為技術(shù)人員提供了技術(shù)支持,從而節(jié)省維護設(shè)備的成本。
【關(guān)鍵詞】：燃氣輪機 渦輪葉片 人工神經(jīng)網(wǎng)絡(luò) OHF Elman 粗糙集
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP183;TK478
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-17
• 1.1 課題背景及研究意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-14
• 1.2.1 燃氣輪機故障診斷技術(shù)10-13
• 1.2.2 燃氣輪機故障診斷系統(tǒng)13-14
• 1.3 研究目標(biāo)與內(nèi)容14-15
• 1.4 論文的結(jié)構(gòu)與安排15-17
• 第2章 燃氣輪機工作原理及故障模式的研究17-27
• 2.1 燃氣輪機簡介17-18
• 2.2 燃氣輪機工作原理18-19
• 2.3 燃氣輪機的典型故障19-21
• 2.3.1 燃氣輪機主要失效機理19-20
• 2.3.2 燃氣輪機主要部件故障類型及成因20-21
• 2.4 燃氣輪機葉片故障原因分析21-22
• 2.4.1 渦輪葉片簡介21-22
• 2.4.2 渦輪葉片失效模式22
• 2.5 燃氣輪機渦輪葉片故障樹分析模型22-26
• 2.5.1 故障樹分析法簡介23-24
• 2.5.2 渦輪葉片故障樹模型24-26
• 2.6 本章小結(jié)26-27
• 第3章 基于神經(jīng)網(wǎng)絡(luò)的燃氣輪機故障診斷模型的建立27-57
• 3.1 人工神經(jīng)網(wǎng)絡(luò)簡介27-34
• 3.1.1 神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用27-28
• 3.1.2 神經(jīng)網(wǎng)絡(luò)理論28-34
• 3.2 BP神經(jīng)網(wǎng)絡(luò)34-38
• 3.2.1 BP神經(jīng)網(wǎng)絡(luò)模型34-35
• 3.2.2 BP網(wǎng)絡(luò)學(xué)習(xí)算法35-38
• 3.3 Elman神經(jīng)網(wǎng)絡(luò)38-42
• 3.3.1 Elman網(wǎng)絡(luò)結(jié)構(gòu)38-39
• 3.3.2 Elman網(wǎng)絡(luò)學(xué)習(xí)過程39-40
• 3.3.3 Elman網(wǎng)絡(luò)學(xué)習(xí)算法40-42
• 3.4 OHF Elman神經(jīng)網(wǎng)絡(luò)42-45
• 3.4.1 OHF Elman網(wǎng)絡(luò)結(jié)構(gòu)及數(shù)學(xué)模型42-43
• 3.4.2 OHF Elman網(wǎng)絡(luò)學(xué)習(xí)算法43-45
• 3.5 實驗過程與結(jié)果分析45-55
• 3.5.1 提取故障信號的特征向量45-50
• 3.5.2 建立神經(jīng)網(wǎng)絡(luò)模型50
• 3.5.3 神經(jīng)網(wǎng)絡(luò)的設(shè)計50-54
• 3.5.4 實驗結(jié)果對比54-55
• 3.6 本章小結(jié)55-57
• 第4章 基于RS-OHF Elman神經(jīng)網(wǎng)絡(luò)的故障診斷57-69
• 4.1 粗糙集理論57-60
• 4.1.1 粗糙集的基本概念57-59
• 4.1.2 粗糙集的知識推理過程59-60
• 4.2 粗糙集與神經(jīng)網(wǎng)絡(luò)中數(shù)據(jù)的預(yù)處理60-61
• 4.2.1 粗糙集連續(xù)屬性的離散化60
• 4.2.2 分塊決策表的屬性約簡方法60-61
• 4.3 基于RS-OHF Elman神經(jīng)網(wǎng)絡(luò)在燃氣輪機故障診斷中的應(yīng)用61-66
• 4.3.1 決策信息表的建立61-62
• 4.3.2 屬性約減62-65
• 4.3.3 RS-OHF Elman神經(jīng)網(wǎng)絡(luò)的診斷結(jié)果65-66
• 4.4 Elman與改進Elman網(wǎng)絡(luò)在燃氣輪機故障診斷中應(yīng)用的比較66-67
• 4.5 本章小結(jié)67-69
• 第5章 燃氣輪機渦輪葉片故障診斷系統(tǒng)69-77
• 5.1 系統(tǒng)設(shè)計及開發(fā)環(huán)境69-71
• 5.1.1 系統(tǒng)需求分析69
• 5.1.2 系統(tǒng)總體框架69-70
• 5.1.3 系統(tǒng)開發(fā)環(huán)境70-71
• 5.2 燃氣輪機診斷系統(tǒng)的設(shè)計與實現(xiàn)71-75
• 5.2.1 數(shù)據(jù)庫設(shè)計71-72
• 5.2.2 系統(tǒng)界面72-75
• 5.3 本章小結(jié)75-77
• 結(jié)論77-79
• 參考文獻79-85
• 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文85-87
• 攻讀碩士學(xué)位期間參加的科研活動和獲得的獎勵87-89
• 致謝89

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊朔;蔣磊;;基于熱力參數(shù)的燃氣輪機故障診斷數(shù)學(xué)模型的研究[J];科學(xué)技術(shù)與工程;2008年04期

2 蔣磊;楊朔;;子方陣法在燃氣輪機故障數(shù)學(xué)模型建立過程中的應(yīng)用[J];科學(xué)技術(shù)與工程;2008年06期

3 賀星;孫豐瑞;劉永葆;周密;;基于熱力學(xué)第二定律的燃氣輪機故障性能研究[J];燃氣輪機技術(shù);2009年01期

4 蔣磊;陳e，

本文編號：781524