基于支持向量机的燃气轮机故障诊断

分析燃气轮机的8种典型常见故障,建立了基于支持向量机的故障诊断模型,用实例计算证明其有效性。同时和神经网络方法对比后发现：在小样本情况下,支持向量机方法的计算结果比神经网络要好,推广能力更强,而且效率高于神经网络。本方法针对故障诊断样本少的特点,为建立智能化的燃气轮机状态监控和故障诊断提供了一种新的途径,具有广泛的实用价值。     

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。     

基于IABC-ANFIS的燃气轮机气路故障诊断

为了提高燃气轮机故障诊断的效果,提出了一种基于自适应模糊神经网络(Adaptive Network-based Fuzzy Inference System,ANFIS)和改进的人工蜂群算法(Improved artificial bee colony algorithm,IABC)的故障诊断方法:基于自适应模糊神经网络构建燃气轮机故障诊断模型。针对自适应模糊神经网络受聚类参数影响较大的问题,采用手榴弹爆炸原理改进的人工蜂群算法对这些参数进行优化。仿真结果表明,与未优化的ANFIS模型和ABC-ANFIS模型相比,IABC-ANFIS可以更稳定、准确地识别故障,为燃气轮机故障诊断提供实际参考。     

基于人工蜂群算法优化支持向量机的燃气轮机故障诊断

针对基于SVM(支持向量机)的故障诊断方法中支持向量机的参数难以选取导致诊断结果较差的问题,采用ABC(人工蜂群算法)对支持向量机的惩罚因子C和核函数参数σ进行优化;并构建了ABC-SVM(人工蜂群优化支持向量机)对燃机涡轮叶片故障进行诊断。诊断实例表明,该方法诊断准确率达到96. 43%,具有很好的诊断效果,为燃气轮机故障诊断提供了一种新的方法,具有实际应用价值。     

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...     

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。     

燃气轮机气路故障诊断技术综述与展望

气路故障是燃气轮机的主要故障形式,对燃气轮机安全性和经济性影响重大,因此研究气路故障诊断方法至关重要。总结了国内外燃气轮机气路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,分别讨论了基于模型、基于数据和基于知识方法进行故障诊断的优势、进展、适用范围及3种方法互相结合的可能性,重点介绍了近年来新兴的深度学习和融合诊断方法,最后探讨了该领域值得进一步研究的问题和可能的发展方向。     

基于BP神经网络的燃气轮机冷热部件故障诊断

为解决燃气轮机故障诊断中可测参数难以直接反映机组故障状态的问题,在分析燃气轮机冷热部件组成和故障判据的基础上,提出利用小偏差方程建立并求解燃气轮机故障数学模型,并结合故障判据寻找可测参数与性能参数的关系,确立从可测参数到性能参数,再到故障原因的诊断思路。另外,将BP神经网络作为故障诊断工具,通过向网络中输入8个机组可测参数来实现智能故障诊断,为燃气轮机的快速精确诊断提供了可参考的思路和方法。     

基于Kohonen神经网络的燃气轮机故障诊断

针对基于热力参数的燃气轮机8种典型常见故障,根据Kohonen神经网络诊断的工作原理、诊断特征,研究了基于Kohonen神经网络方法在燃气轮机故障诊断中的应用方法,得出了Kohonen模型具有自学习功能,运算速度快,类型识别能力强的优点,是一种适合于燃气轮机分类故障较好的具有特色的神经网络。     

燃气轮机气路调节系统故障研究

压气机是燃气轮机的重要设备,其性能的高低直接影响燃机最大输出能力及性能,而压气机进口可转导叶开度的变化,对提升压气机的运行效率及联合循环能效水平具有重要影响。目前可转导叶调节系统由于设备复杂、频繁动作,存在潜在故障风险。针对气路调节系统故障,从系统结构和装配标准角度提出分析故障的方法,并在同类型机组进行推广应用,结果表明该方法可以快速实现故障诊断,帮助检修人员尽早发现故障部件和部位。针对此类设计结构问题,给出设计制造优化建议,并从现场安装、停机检修、运行维护方面提出综合运维策略,保证机组安全稳定运行,为今后相似机组运维提供参考。     

基于神经网络的燃气轮机故障诊断

对燃气轮机润滑油系统常见故障原因进行了分析,并结合专家知识建立了润滑油系统故障知识库;在此基础上将RBF人工神经网络引入燃气轮机装置故障诊断中来,由于采用了一种动态RBF网设计方法,使得神经网络的规模较小同时具有较高的泛化能力,提高了神经网络的诊断速度及准确性.     

基于支持向量机的燃气轮机启动过程建模

燃气轮机启动过程是一个复杂的多系统耦合过程,基于热力学方程建立启动过程模型存在困难。采用支持向量机对燃气轮机的启动过程建模技术进行了辨识研究,并以某型发电燃气轮机的启动数据为基础,建立了启动过程的输入输出模型。研究结果表明,支持向量机建模避免了复杂的热力学推导过程,具有较好的精度。     

基于多类支持向量机的汽轮发电机组故障诊断

故障诊断发展的瓶颈之一是故障样本的缺乏，而不仅在于诊断方法本身。支持向量机方法是专门针对小样本情况的，其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值。该文分析了多类支持向量机的DAGSVM算法，时于σ的取值，提出了基于错分样本数的变增量迭代算法，在小样本情况下时汽轮发电机组故障诊断进行了仿真研究，结果表明了该方法的有效性。     

基于SVM-ABC模型的混凝土配合比优化

为减少混凝土配合比试验工作量,达到节约试验时间和成本的目的,建立基于支持向量机(SVM)和人工蜂群算法(ABC)的混凝土配合比优化模型.模型采用SVM算法建立混凝土性能预测模型,结合ABC算法建立配合比优化模型,通过对不同强度等级的混凝土展开坍落度、强度试验,并用于验证SVM-ABC模型模拟结果.结果表明,模型优化得到...     

基于LS-SVM的制冷系统故障诊断

为了提高制冷系统故障诊断速度及准确性,提出了基于最小二乘支持向量机(LS-SVM)的制冷系统故障诊断模型,并采用ASHRAE制冷系统故障模拟实验数据进行模型训练与验证.对一台90冷吨(约316 kW)的离心式冷水机组的7类制冷循环典型故障进行了实验.研究结果表明,LS-SVM模型对制冷系统七类故障的总体诊断正确率比支持向量机(SVM)诊断模型、误差反向传播(BP)神经网络诊断模型分别提高0.12%和1.32%;尽管对个别局部故障(冷凝器结垢、冷凝器水流量不足、制冷剂含不凝性气体)的诊断性能较SVM模型的略有下降,但对系统故障的诊断性能均有较大改善,特别是对制冷剂泄漏/不足故障;诊断耗时比SVM模型减少近一半,快速性亦有所改善.可见,LS-SVM模型在制冷系统故障诊断中具有良好的应用前景.     

基于支持向量机的柴油机排气阀智能故障诊断研究

排气阀是柴油机的重要部件之一，其故障诊断一直受到研究者的关注，传统的学习机器在小样本学习时不具有良好的泛化能力，其现场效果与实验室精度差距较大。建立在统计学习理论基础之上的支持向量机具有和样本数相适应的最优泛化能力。利用支持向量机适合处理高维数据以及具有良好泛化能力的特点，建立了排气阀故障诊断模型，将排气阀振动信号经过小波包分解后提取的特征指标在小样本时进行支持向量机学习，通过不同核函数的支持向量机和其它智能方法准确率的比较证明：支持向量机较其它智能方法有较大的优越性；准确率对核函数有一定的敏感性；在常用的3种核函数中，线性核的诊断准确率达到了100％，是柴油机排气阀智能故障诊断支持向量机的最佳核函数。     

基于LSTM-SVM的燃气轮机压气机故障预警研究

为了能在早期发现压气机叶片积垢、叶片磨损腐蚀、进气口结冰和喘振4种常见故障,提出一种基于长短期记忆网络(LSTM)和支持向量机(SVM)的燃气轮机压气机故障预警方法.首先,利用压气机特征参数正常历史数据建立多个单输入单输出预测模型,并将压气机的特征参数运行数据代入相应的模型,输出各参数预测值与实际值的残差曲线,设定报警...     

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。     

基于粗糙集与支持向量机的发动机故障诊断研究

在提取发动机气门机构故障特征的基础上,提出了采用粗糙集和支持向量机相结合的故障诊断方法。首先,基于粗糙集理论对故障诊断决策表进行属性约简,然后在最优决策属性的基础上使用支持向量机分类器对故障进行分类。实际诊断结果验证了采用粗糙集与支持向量机相结合的方法对故障进行诊断的可行性与有效性。