基于滤波阵列的燃气轮机气路故障诊断研究

针对燃气轮机故障诊断过程中诊断精度不足,卡尔曼滤波易出现“弥散”现象的问题,提出了一种基于滤波阵列的燃气轮机气路故障诊断方法。该方法首先构建了一组基于健康参数调度的平衡流形展开模型阵列,然后结合平方根容积卡尔曼滤波对气路部件健康参数进行了实时估计,最后通过隔离因子实现了对故障部件的检测与隔离。仿真表明：该方法有效解决了卡尔曼滤波在故障诊断过程中出现“弥散”现象的问题,针对燃气轮机气路部件突变故障,能够有效实现故障的检测、隔离与估计。     

基于改进型强跟踪卡尔曼滤波的燃气轮机组气路故障诊断研究

针对燃气轮机组气路故障诊断易受时变噪声干扰以及突变故障诊断精度不高等问题,本文提出一种基于改进型强跟踪卡尔曼滤波的燃气轮机组气路故障诊断方法。该算法通过引入气路部件先验知识,合理分配各通道的调节作用,从而提高了气路故障诊断的精度以及动态响应速度。以PG9171E型燃气轮机为研究对象,分别利用EKF(扩展卡尔曼滤波)、STF(强跟踪滤波)以及ISTF(改进型强跟踪滤波)对常见气路故障进行诊断,结果表明ISTF算法同时兼具良好的响应速度以及较高的精度。     

基于RVM-ANFIS的燃气轮机气路故障诊断

为了提高燃气轮机气路故障诊断的准确率和效率,采用相关向量机(RVM)先对燃气轮机气路中的压气机、涡轮叶片和燃烧室进行故障划分。用自适应神经模糊推理系统(ANFIS)进一步对故障进行分类。实验结果表明,方法有很强的学习能力和特征提取能力,与支持向量机(SVM)、BP神经网络相比,能更加准确、快速地识别故障。     

一种重型燃气轮机通用模型的建立

建立一种面向对象的重型燃气轮机通用仿真模型,利用该通用模型建立了2种不同重型燃气轮机的动态模型,通过对燃气轮机模型稳态、动态仿真结果和实测数据进行对比,验证了该通用仿真模型的准确性和通用性,利用该通用模型可以方便地建立各种不同结构的重型燃气轮机模型.利用强跟踪滤波器对基于模型的重型燃气轮机气路故障进行诊断仿真,结果证明,利用建立的通用仿真模型并结合强跟踪滤波器,可以对重型燃气轮机气路故障进行诊断.     

基于蜻蜓算法优化BP神经网络的燃气轮机故障诊断

为了提高燃气轮机故障诊断的准确率,提出了一种基于蜻蜓算法(Dragonfly algorithm,DA)和BP(Back Propagation)神经网络的燃气轮机故障诊断方法。针对BP神经网络容易陷入局部极值的问题,采用蜻蜓算法(DA)对BP神经网络的权值和阈值进行参数优化。仿真结果表明:基于蜻蜓算法的DA-BP神经网络的燃气轮机故障诊断准确率高达97.78%,训练误差为0.03%,与基于粒子群算法的PSO-BP故障诊断和标准BP算法的故障诊断相比,DA-BP模型诊断的准确率最高,训练误差最小。实例证明,采用DA-BP模型实现燃气轮机气路故障诊断具有良好的诊断速率和诊断准确率,具有一定的应用价值。     

基于二次熵特征提取的燃气轮机气路诊断方法

针对现有燃气轮机气路故障预测诊断方法存在的问题,本文提出了一种基于二次熵特征提取的前向求解的新型气路诊断方法。通过案例分析表明,所提出的基于二次熵特征提取的气路诊断方法不依赖于故障样本集,也不受实际部件特性线的固有非线性形状变化的限制,具有良好的诊断适用性。燃气轮机气路可测参数基于香农熵与指数熵的二次特征提取后,在二维平面上有显著的类间分离度和类内聚合度,可使机组用户及运维人员简单方便的采用气路诊断策略来监测燃气轮机运行健康状况,便于全寿命周期健康管理。     

基于SA-PSO混合优化算法的燃气轮机气路故障诊断方法研究

为了对燃气轮机进行有效的气路状态监测和故障诊断,提出一种基于模拟退火与粒子群混合优化的燃气轮机气路故障诊断新方法。采用快速模拟退火算法设计粒子生成器,用生成的初始粒子群进行全局的粗糙搜索,再利用粒子群算法对特定区域进行重点搜索,最终获得精确解。该方法结合了遗传算法的全局搜索能力和粒子群优化算法的高效率,比原始的粒子群优化算法迭代次数更少,可减少50%的诊断时间。此方法对单部件的诊断精度可达到0.1%,多部件的诊断精度可达到1%。     

燃气轮机故障诊断技术研究综述与展望

研究先进的故障诊断技术对燃气轮机精确测定系统内的故障是其主要的发展方向,这对提高燃气轮机的经济性能具有重要的意义。介绍了国内外燃气轮机故障诊断技术研究的发展现状,并对各种研究方法进行了归类,分析了各自的特点并对其前景进行了展望。     

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%。     

基于自组织网络的燃气轮机燃料系统的故障诊断研究

针对燃气轮机燃料系统在实际运行过程具有故障征兆多,单一、标准故障数据难以得到的特点,提出一种基于自组织神经网络的燃料系统故障诊断方法。该方法通过建立燃料系统故障诊断模型,选择合适的燃料系统故障特征参数形成合理的故障诊断分析网络。以某型工业燃气轮机燃料系统为例进行分析,选取燃气阀开度、燃气阀压差和燃气控制压力3个监测参数作为故障诊断模型网络的输入,以系统中常见的3种典型故障燃气管路泄漏、燃气过滤器堵塞、燃气阀故障作为网络的输出。以实际运行数据作为网络测试样本,对该燃机实际运行故障进行测试。测试结果表明:该方法可以有效地诊断出燃料系统的3种典型故障,同时支持在线诊断,具有较好的工程应用价值。     

基于性能仿真模型和Bootstrap的燃气轮机气路故障预警算法

针对传统均值标准差阈值法不能用于变工况故障预警这一问题,以三轴燃气轮机的性能仿真模型为基础,提出了基于Bootstrap方法的气路参数波动比阈值计算模型,对三轴燃气轮机0.8以及1.0工况下的低压涡轮出口温度T₆进行故障预警研究,并与传统均值标准差阈值法进行预警结果对比。结果表明：该计算模型用于预警阈值计算的样本量更丰富、具有更高的可信度;其得到的预警阈值单值图,在燃气轮机与样本数据运行情况较为一致时可作为燃气轮机的固有属性,对于变工况故障预警及运行情况较为相近的燃气轮机故障预警同样适用;预警阈值偏差仅为-0.015%,相较于传统的动态阈值法减少了计算量。     

D-S证据理论及其在燃气轮机系统诊断中的应用研究

针对燃气轮机轴承监测诊断中存在的多源监测数据利用不足、传感器信号不确定性难以消除、诊断精度待提高等问题,D-S证据理论（Dempster-Shafer Evidence Theory）作为一种简洁、高效的决策层多源信息融合方法,在燃气轮机状态监测与故障诊断中具有应用潜力。本文引入传统的D-S证据理论,并针对其存在的缺陷,系统总结了证据理论在燃气轮机轴承故障诊断领域的研究现状,围绕燃气轮机实际的工业应用场景,分析归纳了D-S证据理论的特点,并指出了未来D-S证据理论与燃气轮机轴承故障诊断的发展趋势。     

基于小波包IRN网络的燃气轮机转子故障诊断

提出一种基于小波包和带有偏差单元的内部回归神经网络相结合的燃气轮机转子故障诊断方法。利用小波包分析去除噪声信号干扰,简化燃机转子故障特征提取。带有偏差单元的内部回归神经网络的记忆特性好,收敛速度快、稳定性强。小波包和带有偏差单元的内部回归神经网络的结合,大大提高了诊断速度及诊断准确性。     

航空发动机气路故障诊断技术研究现状

根据当前气路故障诊断技术发展状况,重点分析气路故障诊断中应用的各种方法和特点,如线性模型法、非线性模型法、神经网络法、贝叶斯网络法、信息融合法等,对这些方法做了较为详细的比较,并根据当前气路故障诊断技术研究现状分析未来发展趋势。     

基于注意力机制的燃气轮机故障诊断方法研究

针对目前燃气轮机基于数据驱动的故障诊断技术诊断精度有待提升的问题，建立某型号燃气轮机的热力学模型并植入故障特征构造训练样本，在此基础上训练一种基于注意力机制的卷积神经网络与长短期记忆网络结合的神经网络模型。卷积层和注意力机制模块提取燃气轮机多维度的故障特征，长短期网络层进行时序动态故障参数处理。研究表明：相比于典型卷积神经网络，这种神经网络模型不仅能够识别多种故障的动态特征，对于各类故障的诊断能力均可达到93%以上，且加入注意力机制模块后对于不同的故障类型诊断准确率最高提升约3%。     

船用三轴燃气轮机故障方程的通用计算及分析

本文基于船用三轴燃气轮机的实际热力模型,推导出通用的故障方程。并采用Delphi7．0软件编写了该故障方程的小偏差系数的可视化计算程序。该计算程序适用于不同机型的三轴燃气轮机,减少了计算故障方程时的重复工作量;基于程序进行了仿真分析,着重研究了环境温度对故障方程系数的影响,所得结果可为燃气轮机故障诊断理论的实际应用提供参考。     

MS6001燃气轮机特性计算及安全监测评估系统软件实现

以从法国引进的MS6001燃气轮机发电机组为研究对象,开发了1套以燃气轮机循环计算、压气机和涡轮特性计算及燃气轮机变工况计算为基础的工况监控显示系统软件。该软件的开发有利于提高燃气轮机系统运行的管理水平,为全面实施燃气轮机机组的智能监控和诊断打下坚实的基础。图4表1参5