一种基于粗糙集理论的燃气轮发电机组故障诊断新方法

燃气轮发电机组的故障诊断,实质上是一个模式分类问题。本文以振动特征频谱为依据,提出了一种基于粗糙集理论的燃气轮发电机组故障诊断新方法。该方法不但可直接从完备的故障特征频谱样本集中导出正确的诊断结论,而且还能从不完整的故障特征频谱样本集中导出满意的诊断结论,它揭示了故障特征频谱信息的冗余性。本方法为在不完整征兆信息下的燃气轮发电机组故障诊断提供了新的思路。实例诊断结果表明了该方法的有效性。     

燃气轮发电机组多故障诊断的物元分析方法

以振动特征频谱为依据，提出了一种定性与定量相结合的多故障的可拓诊断方法。基于可拓学中的物元理论，建立定性地描述燃气轮机故障诊断问题的物元模型；引入可拓集合中的关联函数及关联度，提出了多故障诊断准则，根据故障特征定量地确定燃气轮发电机组故障症状隶属于特定故障的程度。用接近阈值确定可能同时发生的故障类型，用类别阈值确定不能同时发生的故障类型。以燃气轮机组实际故障为例验证了该方法的合理性、有效性。结果表明多维物元模型能较好地表征燃气轮机的多故障问题，并能解决燃气轮发电机组的多故障诊断问题。     

基于粗糙集和聚类PSO-RBF的水电机组故障诊断

正将聚类PSO优化粗糙集-神经网络算法引入水电机组故障诊断中,利用聚类算法和PSO算法的优点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。该方法降低了神经网络的输入信息空间维数,简化神经网络结构,有效提高故障诊断的准确性。通过对水电机组振动故障数据进行诊断分析,     

小波包分解在发电机组转子振动故障诊断中的应用研究

为研究发电机组转子振动问题,从转子实验台上得到几种典型振动信号,分别进行了小波包分解和能量特征提取;并与海南某电厂燃气轮发电机组的现场振动信号进行了对比和研究。结果表明,小波包分析在发电机组振动故障诊断中能较好地识别故障类型。     

基于粗糙集理论和朴素贝叶斯分类算法的汽轮发电机振动故障诊断

汽轮发电机组结构及振动的复杂性使其故障具有多层次性和随机性,以及故障信息不完整性等特点。对此,提出了一种基于粗糙集理论与朴素贝叶斯分类算法的汽轮发电机组振动故障诊断方法。通过粗糙集理论求取最小属性约简集,并在此基础上利用朴素贝叶斯分类算法诊断出故障概率最大的区,最后针对具体的故障设定值对该方法进行验证。实际算例结果表明,该方法能在故障信息不完整甚至丢失核心属性的情况下得到较好的诊断结果,提高了系统诊断的容错性。     

基于离散BAM网络的汽轮发电机组振动故障诊断的应用研究

本文针对常规频谱诊断方法的不足,详细论述了离散的BAM网络及其特性.进而讨论了汽轮发电机组常见典型振动故障的变化特征及其数字化描述方法,建立了基于BAM算法的神经网络的汽轮发电机组振动故障诊断模型,对实际机组故障进行了诊断,效果良好.通过分析,提出BAM网络在故障诊断领域中有广阔的应用前景.     

粗糙集理论在水轮发电机组故障诊断中的应用

为了对水轮发电机组故障诊断过程中大量的冗余信息特征进行压缩,提高诊断的效率,本文将粗糙集理论引人到水轮发电机组故障诊断中.并采用基于遗传算法的粗糙集知识约简方法,对水轮发电机组故障信息进行压缩处理.通过对具体诊断实例分析,结果表明:该方法能够在保证故障分类结果不变的情况下,有效剔除具有冗余信息,找出对故障分类起主要作用的特征,减少了对诊断信息的需求,有效地提高了水轮发电机组故障诊断的效率.     

汽轮发电机组的粒子群可拓故障诊断算法

为更准确方便地诊断汽轮发电机组的各种故障,引入了可拓故障诊断方法。描述了可拓故障诊断的基本步骤,采用粒子群算法优化确定经典域,提出了一种用于故障诊断的适应度函数形式。实例表明,该方法可避免神经网络需确定网络结构和优化参数过多的缺点,能有效诊断汽轮发电机组的振动故障,具有较高的准确性和实用性。     

基于神经网络的水轮发电机组振动故障诊断专家系统

本文介绍了以水轮发电机组振动故障诊断为研究对象,基于神经网络的专家系统的研究与实现。结合盐锅峡水电站5#水轮发电机组的真机试验研究,通过对试验数据的分析和诊断,结果表明用神经网络专家系统进行方法水轮发电机组振动故障诊断是可行和有效的。这里着重介绍试验研究过程,以及如何用本文所设计的软件进行分析和诊断。     

汽轮发电机组的粒子群可拓故障诊断算法

为更准确方便地诊断汽轮发电机组的各种故障,引入了可拓故障诊断方法.描述了可拓故障诊断的基本步骤,采用粒子群算法优化确定经典域,提出了一种用于故障诊断的适应度函数形式.实例表明,该方法可避免神经网络需确定网络结构和优化参数过多的缺点,能有效诊断汽轮发电机组的振动故障,具有较高的准确性和实用性.     

BP网络在水轮发电机组振动故障诊断中的应用研究

该文介绍了人工神经网络的基本性能和BP网络模型及算法 ,然后将神经网络中的BP模型应用于水轮发电机组振动故障诊断中 ,比较了选择不同的网络参数对诊断系统性能的影响。实验证明 ,基于BP网络的水轮发电机组振动故障诊断方法具有很高的实用价值。图 2表 5参 9     

灰色理论PNN和D-S集成的汽轮机组故障诊断

汽轮机组发生故障的原因多且复杂,若是仅采用单一的故障诊断方法进行故障诊断,可能会存在误诊或漏诊的问题.为了解决此类问题,同时为了提高故障诊断的可靠性,所以引入D-S理论进行融合故障诊断.针对汽轮发电机组故障的特点,提出了一种基于灰色理论-PNN(概率神经网络)和D-S理论集成的故障融合诊断策略.该策略先采用灰色理论和P...     

基于模糊粗糙集数据挖掘的汽轮机组故障诊断研究

针对当前专家系统知识获取瓶颈的难题,提出了基于模糊粗糙集数据挖掘的汽轮机组故障诊断方法。模糊粗糙集理论把知识直接与真实或抽象世界有关的不同模式联系在一起,能有效分析处理不精确、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。将汽轮机组故障历史数据进行模糊化及离散化处理,构建故障诊断决策表,以决策表作为主要工具,即"知识库",采用模糊粗糙集数据挖掘方法直接从决策表中提取出潜在的诊断规则,为汽轮机组提供有效的故障诊断。提出了基于模糊粗糙集的分类规则学习和约简算法,实现了基于模糊粗糙集数据挖掘的汽轮机组故障诊断系统,其诊断正确率达到了88%。实验表明该方法可行,对汽轮机组故障诊断系统的设计具有借鉴意义和深入研究的价值     

基于粗糙集和RBF神经网络的变压器故障诊断方法研究

针对变压器故障诊断神经网络模型存在网络结构复杂、训练时间长等问题,提出基于粗糙集及RBF神经网络的变压器故障诊断方法。运用粗糙集理论中无决策分析,建立基于可分辨矩阵和信息熵的知识约简算法,进行数据挖掘,寻找最小约简;以处理后的数据集合作为训练样本,采用高斯函数作为径向基函数,分别求解方差及各层权值,建立变压器故障诊断模型。通过测试对比,此算法虽然略微降低诊断正确率,但网络结构简单、训练速度快、泛化能力强,对提高神经网络在变压器故障诊断中的应用性能有较好的指导意义。     

汽轮发电机组振动故障诊断中的改进BP算法

针对大型汽轮发电机组振动故障的特点，提出了一种基于误差逼近度渐进收缩学习算法的反向传播（BP）网络诊断模型，给出了BP网络误差函数和新型的权值调整公式，并将其应用于汽轮发电机组振动故障诊断与识别。实例结果表明，该算法学习收敛较快，误差曲线平稳，不会引起误差曲线振荡。     

基于加权粗糙集的代价敏感故障诊断方法

在故障诊断领域，粗糙集已成为一种有效的不一致信息处理工具，然而当故障诊断存在明显的诊断代价差异时，经典粗糙集方法由于无法考虑先验知识而不能取得满意的效果。通过引入样本对象的主观加权，该文提出加权粗糙集的学习方法，设计了加权属性约简和加权规则提取算法，为粗糙集学习提供一种引入先验知识的途径。基于提出的加权粗糙集学习方法，开展了代价敏感故障诊断的研究，并进行了汽轮机振动的代价敏感故障诊断实验。实验表明，基于加权粗糙集方法的代价敏感故障诊断能优先选取高代价故障的关键征兆，并且使提取的规则集中高代价故障的规则具有更高的规则支持度和可信度，当诊断存在不一致的情况下，该方法倾向于将故障诊断为高代价故障，从而降低诊断代价。     

基于粗糙集-神经网络系统的电力电子电路故障诊断

基于粗糙集理论RST(Rough Set Theory)与BP神经网络系统,提出了电力电子电路故障诊断的方法：粗糙集-神经网络系统相结合的方法。叙述了粗糙集-神经网络系统诊断电力电子电路的过程。以三相可控整流电路为例,对故障信息中样本的故障征兆进行数据预处理,通过知识约简,形成诊断的确定性规则,实现故障分类;然后将粗糙集的分类结果与故障信息中的输出电压Ud采样值作为神经网络的输入,实现故障元的定位。仿真实例表明,该方法不仅准确可靠,而且提高了系统诊断的速度。     

概率因果网络在汽轮机故障诊断中的应用

在分析了汽轮机振动故障特点的基础上,提出了用遗传算法进行汽轮机等旋转机械故障诊断问题,定义了遗传算法求解故障诊断问题的概率因果网络,给出了求解故障诊断的数学表达式和适合汽轮机等旋转机械的故障集、征兆集、因果强度和先验概率表。建立了汽轮机故障诊断模型指出表达式的最小值的集合对应于故障集和征兆集,该模型能有效地识别出汽轮机的多故障,弥补了专家系统和神经网络等诊断方法不能正确诊断多故障的不足。