某工业型燃气轮机模拟量信号测量故障分析

某工业型燃气轮机常出现模拟量信号测量故障,模拟量信号测量故障往往导致燃气轮机降工况及停机.本文针对该型燃气轮机模拟量信号测量故障问题,从模拟量测控原理出发,并结合燃气轮机运行工作中出现的典型模拟量信号测量故障进行分析,总结出了适用于该型燃气轮机模拟量信号测量故障的分析方法,对燃气轮机稳定运行具有重要意义.     

基于小波能谱熵和集成经验模态分解的传感器故障诊断耦合算法研究

建立了燃气轮机传感器各类故障典型信号的样本集,分别利用小波能谱熵(WEE)结合K近邻分类器(KNN)、集成经验模态分解(EEMD)结合稀疏表示分类器对故障信号进行诊断识别。通过对上述算法的优化整合,提出WEE与EEMD相结合的燃气轮机传感器故障诊断耦合算法。以某燃气轮机运行数据为基础,验证该耦合算法的识别准确率和鲁棒性。结果表明:耦合算法的识别准确率高、分析速度快和鲁棒性强,比单一算法具有更可靠的诊断结论,从而具有更好的工程应用价值。     

某工业型燃气轮机转速故障分析方法

某工业型燃气轮机常出现转速问题,转速问题往往引起燃气轮机降工况及停机。本文针对该型燃气轮机转速故障问题,从研究转速传感器测量原理出发,并结合燃气轮机运行工作中出现的典型故障进行分析,总结出了适用于该型燃气轮机可行的转速故障分析方法。     

变控制线的燃气轮机传感器故障诊断方法

燃气轮机的传感器经常工作在高温、振动、腐蚀等恶劣环境下,传感器的故障难以避免且影响巨大。控制图是一种实用的生产过程产品质量管理工具。然而,燃气轮机的传感器监测数值受机组工况,大气环境、机组健康状况众多因素影响,难以直接通过控制图进行故障诊断。本文基于性能仿真技术,对传统控制图进行改造,提出一种变控制线的控制图,并设计了一套使用该控制图进行燃气轮机传感器故障诊断的流程,可以并行评价机械设备和传感器的健康状况。最后对一台航改型工业燃气轮机应用该方法进行传感器故障诊断案例研究,结果表明该方法可以有效地识别出故障传感器,并进行数据恢复,减少非计划停机,改善燃气轮机运行状况。     

某工业型燃气轮机振动监测系统故障分析

某工业型燃气轮机出现过多次振动监测系统问题,而振动监测异常问题往往会引起燃气轮机降负荷工况甚至发生停机现象,从而造成不必要的能源损失和经济损失。文中针对该型燃气轮机振动测量故障问题,从振动传感器测量原理出发,并结合燃气轮机运行工作中出现的典型故障进行分析,总结出了适用于该型燃气轮机振动测量故障分析方法,该方法简单、有效,对运行人员排除故障,提高能源利用率有重要意义。     

基于小波奇异值分析的汽轮机碰磨特征提取

针对汽轮机碰磨故障产生的轴系振动的微弱冲击信号,通过小波变换对测量信号进行滤波处理,在特定的尺度上提取碰磨产生的瞬时冲击成分,并对该冲击成分进行希尔伯特解调分析,用瞬时冲击信号的幅值包络反映信号在碰磨故障作用下产生的突变.对幅值包络信号进行小波奇异值检测,从而确定碰磨故障引起的信号突变点位置和持续作用时间.以某核电汽轮机组实际振动监测信号为例进行了分析,结果表明:采用小波奇异值检测方法对碰磨引起的突变信息进行检测,可以明显改善微弱碰磨故障特征的提取效果.     

一种面向测量偏差的传感器故障诊断方法

传感器是任何测控系统中必不可少的部件,而传感器在高温、振动、腐蚀性等恶劣环境下工作,极易发生故障,因此,开展传感器故障诊断意义重大。常规的传感器故障诊断方法是直接分析传感器的测量值,这种方法测得传感器的故障信号不灵敏,且无法实现变工况下的诊断。因此,基于性能仿真模型与D-S证据理论信息融合技术,提出一种面向测量偏差的传感器故障诊断方法,并应用于燃气轮机传感器故障诊断。仿真试验结果标明,该方法可以提高监测传感器故障的灵敏度,准确地识别出各类传感器故障,并进行数据恢复,减少不必要的停机。     

基于混合算法的燃气轮机多传感器故障诊断

为解决卡尔曼滤波算法难以实现燃气轮机多传感器故障诊断的难题,提出一种基于混合算法的燃气轮机多传感器故障诊断方法。首先,基于平方根容积卡尔曼滤波（SRCKF）算法构建了一组滤波器,每个滤波器对状态的最优估计被定义为故障检测因子用于传感器故障的特征提取;然后,利用基于密度的聚类算法对故障检测因子进行聚类以实现故障传感器的检测和隔离;最后,利用极大似然估计方法（MLE）实现故障传感器故障严重程度的估计。所提出的方法在GT25000三轴燃气轮机模拟机上进行了仿真验证,仿真结果表明：所提方法有效,多传感器故障诊断的准确率高于95%。     

基于余弦定理的燃气轮机燃烧故障诊断方法

基于"模式识别"思想,本文提出了一种基于余弦定理的重型燃气轮机燃烧室故障诊断方法。该方法通过用余弦角度表征燃烧室正常及不同故障下的透平出口温度分散度,从而可以让真正的燃气轮机燃烧室故障和传感器本身故障能够被快速识别并区分出来,最后以GE公司的6FA重型燃气轮机为对象进行了数字仿真验证,试验结果表明该方法具有良好的诊断精度和实时性。     

一种新的舰船燃气轮机状态监测系统

本文描述了一种新的舰船燃气轮机状态监测系统。该系统综合了先进的状态监测、性能分析、预测方法。利用专用模块进行在线或离线的燃气轮机性能监测／预测／诊断、传感器故障检测、故障及事件存储并提供维修措施。     

基于小波分析的燃机排气温度传感器组故障诊断方法研究

为提高燃机排气温度传感器输出信号的准确性,确保燃机系统安全稳定运行,本文研究了小波分析在传感器故障诊断中的应用。通过检测小波变换的模极大值是否超限判断传感器是否发生故障;分析故障信号的奇异度,求取信号的李氏指数,对故障进行辩识;在缓变信号的辩识中,又借助相关性分析方法进一步寻找信号缓变的真正原因。对温度传感器的故障半物理模拟实验表明了小波分析诊断传感器故障的有效性。     

一种融合FRVM和DBN的变压器故障诊断方法

为了提高变压器故障诊断精度,提出了一种将快速相关向量机(FRVM)与深度信念网络(DBN)相结合的变压器故障诊断方法,即将油中溶解气体的比值作为输入参数,建立气体与故障类型之间的映射关系,考虑到DBN需提取的特征信息数量巨大,先用FRVM将放电和过热故障分离,减少DBN所需提取的特征信息,然后利用DBN实现进一步的故障诊断,输出为对应故障类型的概率,并将该方法与小波神经网络和支持向量机进行对比。结果表明,所提方法正确率最高,并能分析问题的不确定性,具有诊断多重故障的能力。     

Fault detection of wind energy conversion systems using recurrent neural networks

Structure of wind energy conversion systems (WECSs) must be robust against faults. In order to accurately study WECSs during occurrence of faults and to explore the impact of faults on each component of the WECSs, a detailed model is required in which both mechanical and electrical parts of the WECSs are properly involved. In addition, a fault detection system (FDS) is required to diagnose the occurred faults at the appropriate time in order to ensure a safe system operation, avoid heavy economic losses, prevent damage to adjacent relevant systems and facilitate timely repair of failed components. This can be performed by subsequent actions through fast and accurate detection of faults. In this paper, by utilising a comprehensive dynamic model of the WECS, an FDS is presented using dynamic recurrent neural networks. In industrial processes, dynamic neural networks are known as a good mathematical tool for fault detection. The proposed FDS detects faults of the generator's angular velocity sensor, pitch angle sensors and pitch actuators. The presented FDS has high capability of fault detection in short time and it has much low false alarms rate. Simulation results verify validity and usefulness of the proposed fault detection scheme.     

基于FCM-FM算法的光伏阵列故障诊断

工作于自然环境的光伏阵列故障频发,及时对故障进行定位和分类对于提高光伏电站运行水平具有重要意义。针对光伏阵列的常见故障类型（短路、开路、局部遮挡等）,基于运行数据提出无监督模糊C均值（FCM）聚类与模糊隶属（FM）算法相结合的光伏阵列故障诊断方法。论文首先对光伏阵列典型故障的产生机理进行分析并提取故障特征参数;然后,采用FCM聚类方法对光伏阵列典型故障样本数据进行分类,得到不同故障的聚类中心;最后,利用FM算法计算运行数据与聚类中心的隶属度,判定故障类型。基于数字模拟实验和实证测试,验证上述方法的有效性。分析结果表明,本文方法可有效判别光伏阵列的典型故障,诊断结果准确、可靠。     

改进测距算法在超高压输电线路单端故障测距中的应用

为研究超高压输电线路的单端测距原理、寻求影响超高压金属性故障时单端测距的影响精度因素,根据原有定值参数引入并联电抗器参数和分布电容参数,采用极限逼近和迭代的数学分析方法计算不同故障情况下分布电容的故障电流,采用集中参数处理法计算并联电抗器的电流,使故障电流适应线路模型和故障类型的变化,并提出一种阻抗测距方法,通过理论推导和RTDS试验验证了该方法的有效性。     

基于非线性模型的燃气轮机热参数故障诊断及仿真

燃气轮机气动部件故障的发生会导致机组性能参数的变化,且为复杂的非线性变化。在建立燃气轮机标准模型的基础上,研究了系统的故障性能参数的变化及建立了系统的故障模型。首先通过标准模型仿真数据和机组故障运行数据的对比分析,初步定位机组的故障部件,进而提出了修正部件特征性能参数的方法,通过模块实现机组故障的非线性表达,在EASY5仿真平台上建立了燃气轮机系统的故障模型。利用该模型可通过机组非线性模型定量表达部件性能参数的变化,准确地实现机组的故障定位和仿真。以某联合循环机组的燃气轮机为例对此方法进行了验证,实现了机组故障工况的重现,为机组性能特性研究、故障诊断和故障分析奠定了一定的基础。     

Low cost monitoring system for safe production of hydrogen from bio-ethanol

In this paper a monitoring system is developed to guarantee safety operational conditions for the hydrogen production from bioethanol. The key idea is to detect the most critical faults with the minimum number of sensors. It can be done through a fault detectability index (FDI) which drives to the optimal measurements selection for building a proper monitoring system. The FDI calculation is based on principal component analysis (PCA) model with combined statistics. It takes into account those sensors already selected for control purposes and penalizes the use of new measurement devices. The overall methodology is tested for fifteen failures such as the catalyzer deterioration in the reforming reactor, faults at the fuel cell, sensors and actuators. Hence, the investment cost can be reduced drastically without losing quality of fault detection. The monitoring system with the selected sensors by the FDI performs better than using all the available plant measurements.     

诊断键合图在动态系统故障诊断中的应用

基于解析冗余关系故障诊断方法的关键是建立解析冗余关系。系统键合图模型经过转换可以得到系统的诊断键合图模型,利用该模型中的虚拟传感器与系统组件的关系可以方便地建立系统解析冗余关系和具有残差方向的故障特征矩阵。然后,通过观测特征与故障特征的比较进行故障检测和隔离。通过在五箱系统的仿真验证,证明该方法是非常有效的。     

基于气体组分比组合的变压器故障诊断方法研究

油色谱分析是判断变压器内部故障的有效方法,但传统油色谱分析方法的准确度有待提高。提出了一种基于气体组分比组合的变压器故障诊断新方法,将氢气、甲烷、乙炔、乙烯和乙烷等5种气体组成10组气体比值,从中选择了6组气体比值作为故障识别的基本参数,在此基础上将这6组气体比值组成15组气体比值组合,从中选择3组最有效的气体组分比组合作为故障分辨的特征参数,并划分了故障判别区域。通过对比试验表明,该方法的准确性高于Doernenburg、Rogers、IEC等传统油色谱分析方法。