关键词： PLC   监控系统   抗干扰   故障诊断  

摘要： 根据水电厂PLC监控系统的运行情况及特点,分析了抗干扰、模件故障诊断、程序优化和设备缺陷等几个方面的问题,提出了多种有效可靠的措施,保证系统持续可靠运行。

关键词： 遗传神经网络   BP学习算法   人工神经网络   水轮发电机组   证据理论   振动   故障诊断  

摘要： 针对水电机组振动故障诊断中的故障误诊、漏诊以及诊断的可靠性低等问题,提出了适用于水电机组的神经网络局部诊断和证据理论融合决策诊断的故障诊断方法。在神经网络中应用遗传算法来提高网络的收敛速度,应用提出的诊断方法对水电机组振动故障进行仿真,诊断结果表明对故障征兆信息的有效组合,充分利用机组各部位的信息,可以减少诊断的误诊、漏诊问题,从而有效地提高诊断的可靠性。应用MATLAB7.0开发出故障诊断系统界面。

关键词： 水电机组   工况监测   分析诊断  

摘要： 重点介绍了水电机组实施工况监测的主要工况及其分析诊断技术,并在总结现场试验研究的基础上,给出了水电机组运行设备工况监测与分析诊断的故障类型。

关键词： 水电机组   故障诊断   频谱分析   粗糙集   支持向量机  

摘要： 提出应用粗糙集和支持向量机水电机组振动的故障诊断模型。运用粗糙集理论对水电机组振动信号的属性特征进行预处理,在约简去除其冗余属性后得到决策表,将决策表作为支持向量机的学习样本,通过训练,使构建的支持向量机多分类器能够反映属性特征和故障类型的映射关系,从而达到故障诊断的目的。测试结果表明,与常规方法相比,应用粗糙集和支持向量机相结合的方法进行故障诊断具有简单有效、诊断速度快和良好的鲁棒性等优点,是一种有效的诊断方法。

关键词： 水电机组   故障诊断   频谱分析   径向基函数网络   神经网络  

摘要： 引起水电机组振动的原因很复杂,而且水电机组的振动故障往往是多故障同时发生,使得故障诊断很困难,目前主要是应用基于模式识别的神经网络来进行故障分类,尤其是BP网络应用较多。文章提出应用频谱法与径向基神经网络相结合的方法对水电机组的振动故障进行诊断。采用对水电机组振动信号进行频谱分析,提取该信号在频率域的特征量,将频谱特征向量作为学习样本,通过训练,使神经网络能够反映频谱特征向量和故障类型的映射关系,从而达到故障诊断的目的。水电机组振动故障诊断仿真分析表明,与常规方法相比,利用频谱分析和神经网络相结合的方法进行故障诊断具有简单有效等优点。

关键词： 水电机组   状态监测   故障诊断   BP神经网络   专家系统  

摘要： 针对现有水电机组状态监测系统功能不完善、不够智能化的缺点,开发了基于神经网络的水电机组智能故障诊断系统,该系统由状态监测和故障诊断两个模块构成,包括数据采集、数据分析、通信和智能故障诊断4部分。与传统故障诊断系统相比具有BP神经网络组成的专家系统,因此具有自学习、自适应和智能化等特点。实验结果表明,此系统的诊断结果准确可靠,具有良好的实用价值。

关键词： 水电机组   状态监测   客户/服务器模式   DataSocket   互联网  

摘要： 考虑到水电机组状态监测与故障诊断的多样性和复杂性,结合实际,提出将Internet网络技术和虚拟仪器技术与水电机组状态监测和故障诊断技术有效地结合起来,旨在将水电机组的状态监测与故障诊断提升到远程的网络环境,以极大提高状态监测和故障诊断的水平和时效性。在Internet和Windows环境下,利用有效的网络资源、LabVIEW、PXI、MXI-3和DataSocket技术,采用易于扩展的客户/服务器结构模式来设计网络化在线状态监测与故障诊断系统。该系统实现了水电机组信号的数据采集、数据分析和处理,并能通过网络进行故障诊断。实际应用证明这种网络化在线状态监测与故障诊断系统具有很强的灵活性和可扩展性。

关键词： 模糊诊断   故障诊断   水电机组  

摘要： 介绍了在水电机组故障诊断系统中采用的模糊诊断技术,构造了故障诊断的模糊关系矩阵.此模糊知识已成功地应用于实际水电厂的故障诊断系统中,在故障诊断系统的使用过程中得到进一步的充实和验证.在整个系统的多年运行中,此诊断方法成功地诊断出如转子不对中、尾水管偏心涡带等机组运行问题,为电厂的维修与管理提供了有价值的依据与参考。应用效果表明,使用模糊诊断方法于水电机组故障诊断中是有效的,模糊关系矩阵也在故障诊断系统的使用过程中得到进一步的充实和验证.

关键词： 水电机组   状态监测   故障诊断   状态检修   远程诊断  

摘要： 结合所研发的水电机组远程状态监测、跟踪分析与故障诊断系统,讨论了水电机组状态与诊断相关技术,介绍了系统的网络化体系结构、主要功能、关键技术及实现方法.该系统具有基于Internet/Intranet的开放式结构,实现了远程监测诊断,功能完备且面向实际.实际应用表明,该系统兼具技术的先进性和实用性,运行稳定可靠,可广泛应用于各类水电机组状态监测与故障诊断场合.

关键词： 水电机组   BP神经网络   遗传算法   D-S证据理论   振动   故障诊断  

摘要： 水轮发电机组振动是一个非常复杂的物理过程,随着用户对供电质量要求的提高,以及大中型水力发电厂推行“无人值班”(少人值守)的管理模式,建立机组振动在线监测诊断系统,对机组振动故障进行早期诊断,及时发现和排除系统故障,对保障水轮发电机组稳定运行十分重要。 神经网络以其良好的非线性映射能力和D-S证据理论在表达不确定性方面具有独特的优势,均在故障诊断领域得到了广泛的应用。本文以BP神经网络和D-S证据理论为基础,提出了一种基于D-S证据理论对子神经网络的输出进行融合的方法。该方法将每个神经网络看作一个证据,对神经网络的输出在时间域、空间域上进行融合,从不同侧面对故障进行诊断,充分利用故障信息,从而提高诊断的准确率。通过对水轮发电机组的常见故障进行诊断,诊断结果表明了该算法的可行性。 本文主要进行了以下工作: 从水电厂实际出发,阐述了开展水电机组故障诊断研究的重要意义与目的,简要介绍了国内外水电机组故障诊断技术发展现状以及目前应用于故障诊断领域的常用方法,系统地分析归纳了水电机组振动的机理、主要故障及其故障征兆、识别水电机组振动故障原因的三种方法,以及水电机组监测的关键技术和故障特征提取技术。 在讨论了BP网络基本原理的基础上,分析了BP神经网络的优缺点,进而对BP算法进行改进,研究了将遗传算法应用于神经网络权值优化的问题,提出了一种改进型GA-BP算法。 针对水电机组故障多、故障征兆复杂、单子神经网络难以很好对其进行诊断的特点,利用网络分块技术对水电机组故障进行诊断,用振动频谱征兆和振动幅值变化征兆两个子网络,从不同侧面诊断水电机组的故障,然后采用D-S证据理论融合各子网络的诊断结果,从而得到最终诊断结论,通过实例仿真证明了这种方法的有效性。 用MATLAB7.0开发出基于神经网络和D-S证据理论相结合的水电机组振动故障诊断系统软件,最后对全文的主要工作进行了总结,指出了研究的不足和今后进一步研究的方向。