【摘要】：隨著大型機(jī)械設(shè)備故障診斷與維修技術(shù)的迅猛發(fā)展,大功率汽輪發(fā)電機(jī)組所引起的故障會(huì)造成機(jī)組嚴(yán)重的損壞,從而影響居民的正常生活以及對(duì)電力公司造成巨大的經(jīng)濟(jì)損失,因此機(jī)組設(shè)備的智能故障診斷與維修技術(shù)越來(lái)越受到該領(lǐng)域?qū)＜业那嗖A并成為研究熱點(diǎn)。所以,開(kāi)發(fā)智能故障診斷系統(tǒng)有助于技術(shù)維修人員快速高效的對(duì)機(jī)組故障進(jìn)行監(jiān)測(cè)與維修,使機(jī)組在不停機(jī)的狀態(tài)下保持良好的工作狀態(tài)具有重要的意義。本論文主要從以下幾個(gè)方面對(duì)智能故障診斷專家系統(tǒng)進(jìn)行研究:(1)基于置信度的不確定性推理方法的研究。研究汽輪發(fā)電機(jī)組故障特征的不確定性,分析故障特征之間的關(guān)系并建立知識(shí)庫(kù)系統(tǒng),提出基于置信度的不確定性推理算法。規(guī)則推理過(guò)程中,根據(jù)知識(shí)庫(kù)內(nèi)存儲(chǔ)的自定義產(chǎn)生式規(guī)則、事實(shí)和自定義函數(shù)推理出置信度較高的診斷結(jié)果。(2)案例搜索策略的研究。對(duì)于汽輪發(fā)電機(jī)組故障特征的模糊性提出利用熵值法確定故障特征權(quán)重;在案例推理過(guò)程中,根據(jù)案例庫(kù)中歷史案例的分類存儲(chǔ)方式,提出了貝葉斯概率函數(shù)進(jìn)行案例索引,判斷問(wèn)題案例所屬的故障類別;案例檢索機(jī)制采用改進(jìn)的歐幾里德(Euclid)距離函數(shù)判斷案例之間相似度,檢索出最相似的案例供維修技術(shù)人員參考使用。(3)汽輪發(fā)電機(jī)組智能故障診斷專家系統(tǒng)各模塊的開(kāi)發(fā)。該專家系統(tǒng)利用CLIPS專家系統(tǒng)開(kāi)發(fā)工具開(kāi)發(fā)系統(tǒng)的推理機(jī)模塊,用C#開(kāi)發(fā)軟件設(shè)計(jì)系統(tǒng)的人機(jī)交互模塊,用SQL存儲(chǔ)專家系統(tǒng)的知識(shí)庫(kù)(規(guī)則庫(kù)和案例庫(kù))。專家系統(tǒng)接口技術(shù)利用Clips Net組件在Visual C#中調(diào)用CLIPS編程技術(shù)的實(shí)現(xiàn)和SQL Server數(shù)據(jù)庫(kù)在Visual C#.NET環(huán)境下的嵌入,三種開(kāi)發(fā)軟件的融合實(shí)現(xiàn)診斷專家系統(tǒng)的開(kāi)發(fā)。最后,通過(guò)實(shí)例測(cè)試,專家系統(tǒng)對(duì)于汽輪發(fā)電機(jī)組具有較好的故障診斷能力,診斷結(jié)果準(zhǔn)確。
【圖文】：

其分布式存儲(chǔ)邏輯機(jī)制更加有利于探討數(shù)據(jù)庫(kù)等功能。針對(duì)數(shù)據(jù)庫(kù)類結(jié)構(gòu)中的若干故障案例簇集的分析中故障特征相似度的計(jì)算和查詢并對(duì)大量有重復(fù)功能，從而可以實(shí)現(xiàn)數(shù)據(jù)的分層查詢。使用 SQ相結(jié)合的方法對(duì)案例庫(kù)中的案例信息進(jìn)行一系列故障數(shù)據(jù)信息進(jìn)行分布統(tǒng)計(jì)與檢索。開(kāi)發(fā)與設(shè)計(jì)理模塊操作界面的設(shè)計(jì)主要是利用 C#的 Windo由主窗體和子窗體共同構(gòu)建，窗體內(nèi)部由多個(gè)控通過(guò)創(chuàng)建 Windows 窗體項(xiàng)目，操作系統(tǒng)會(huì)把 For文件 Form1.cs 和 Form1.designer.cs，其中 desig器自動(dòng)寫入的代碼文件。

5.1.3 故障診斷專家系統(tǒng)的界面設(shè)計(jì)（1）登錄界面圖5.2為汽輪發(fā)電機(jī)組故障診斷專家系統(tǒng)的登錄界面，，登錄界面有用戶注冊(cè)模塊，注冊(cè)窗口可以為系統(tǒng)增加和修改用戶信息，用戶信息存儲(chǔ)在SQL征兆數(shù)據(jù)庫(kù)中的用戶信息表內(nèi)。圖 5.2 汽輪發(fā)電機(jī)組故障診斷專家系統(tǒng)登錄界面（2）系統(tǒng)主界面圖5.3為汽輪發(fā)電機(jī)組故障診斷系統(tǒng)的主界面圖，主要包括系統(tǒng)配置、通訊手段、狀態(tài)監(jiān)測(cè)模塊、信號(hào)分析模塊、數(shù)據(jù)庫(kù)管理模塊和專家系統(tǒng)。診斷系統(tǒng)開(kāi)發(fā)是面向?qū)ο蠛突谀K化的設(shè)計(jì)，本論文主要研究部分為汽輪發(fā)電機(jī)組故障診斷
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TM311

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉秀麗;徐小力;;基于深度信念網(wǎng)絡(luò)的風(fēng)電機(jī)組齒輪箱故障診斷方法[J];可再生能源;2017年12期

2 雷亞國(guó);賈峰;孔德同;林京;邢賽博;;大數(shù)據(jù)下機(jī)械智能故障診斷的機(jī)遇與挑戰(zhàn)[J];機(jī)械工程學(xué)報(bào);2018年05期

3 任浩;屈劍鋒;柴毅;唐秋;葉欣;;深度學(xué)習(xí)在故障診斷領(lǐng)域中的研究現(xiàn)狀與挑戰(zhàn)[J];控制與決策;2017年08期

4 張淑清;胡永濤;姜安琦;李軍鋒;宿新爽;姜萬(wàn)錄;;基于雙樹復(fù)小波和深度信念網(wǎng)絡(luò)的軸承故障診斷[J];中國(guó)機(jī)械工程;2017年05期

5 司景萍;馬繼昌;牛家驊;王二毛;;基于模糊神經(jīng)網(wǎng)絡(luò)的智能故障診斷專家系統(tǒng)[J];振動(dòng)與沖擊;2017年04期

6 高瑜;仝衛(wèi)國(guó);;基于關(guān)聯(lián)規(guī)則的一次風(fēng)機(jī)故障預(yù)警方法研究[J];電力科學(xué)與工程;2016年10期

7 譚巨興;張清華;王欽若;孫國(guó)璽;熊建斌;;旋轉(zhuǎn)機(jī)械設(shè)備智能故障診斷方法的研究[J];工業(yè)控制計(jì)算機(jī);2016年01期

8 石書彪;陳煥新;李冠男;胡云鵬;黎浩榮;胡文舉;李炅;;基于改進(jìn)BP網(wǎng)絡(luò)的冷水機(jī)組故障診斷[J];制冷學(xué)報(bào);2015年06期

9 文天柱;許愛(ài)強(qiáng);王怡蘋;;基于可拓規(guī)則推理的故障診斷方法[J];北京航空航天大學(xué)學(xué)報(bào);2016年03期

10 余海燕;沈江;徐曼;;類別誤標(biāo)下證據(jù)鏈推理的群決策分類方法[J];系統(tǒng)工程與電子技術(shù);2015年11期

相關(guān)博士學(xué)位論文 前2條

1 武哲;旋轉(zhuǎn)機(jī)械故障診斷與預(yù)測(cè)方法及其應(yīng)用研究[D];北京交通大學(xué);2016年

2 雷亞國(guó);混合智能技術(shù)及其在故障診斷中的應(yīng)用研究[D];西安交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 程維華;基于數(shù)據(jù)流的汽輪機(jī)組故障智能診斷系統(tǒng)的研究[D];浙江大學(xué);2017年

2 王鑫;基于概率因果和全息譜的汽輪機(jī)故障診斷不確定性研究[D];蘭州理工大學(xué);2016年

3 馬興瑞;基于模型的汽輪發(fā)電機(jī)組故障診斷專家系統(tǒng)[D];蘭州理工大學(xué);2016年

4 張堯;故障診斷專家系統(tǒng)知識(shí)獲取方法研究與實(shí)現(xiàn)[D];吉林大學(xué);2015年

5 崔巍;基于不確定性及模糊推理的智能制造專家系統(tǒng)研究與實(shí)現(xiàn)[D];天津大學(xué);2014年

6 王慧濱;基于規(guī)則和案例推理的汽輪發(fā)電機(jī)組故障診斷專家系統(tǒng)[D];蘭州理工大學(xué);2014年

7 鄧兵;無(wú)線傳感器網(wǎng)絡(luò)多級(jí)分層融合的機(jī)械設(shè)備故障診斷[D];重慶大學(xué);2014年

8 顧小東;基于RETE算法的大規(guī)模規(guī)則推理引擎研究與應(yīng)用[D];南京大學(xué);2013年

9 馬世民;基于可信規(guī)則庫(kù)的汽輪發(fā)電機(jī)組故障診斷專家系統(tǒng)[D];蘭州理工大學(xué);2013年

10 黃乃成;基于知識(shí)的汽輪發(fā)電機(jī)組智能故障診斷研究[D];華北電力大學(xué);2013年

本文編號(hào)：2590255