关键词:
水电机组
状态检修
故障诊断
专家系统
神经网络
摘要:
长期以来,我国的水电厂机组的检修和维护一直沿用苏联的计划检修的模式,即实行定期检修的制度.不管设备的状态如何,到期必修(一般水轮机组1~2年一次小修,5年左右一次大修).实践表明,这种方式缺乏科学性,造成了大量的人力和物力的浪费.为了克服定期检修制度的弊端,进一步同国际先进的管理体制接轨,达到\"无人值班,少人值守\"的管理目标,水电厂机组状态检修的工作已经越来越受到重视.由于水轮机组状态检修技术是一门集传感器技术、信号分析技术、人工智能技术、计算机技术等多种学科的复杂技术,它包括信息采集、数据处理与分析、处理意见与决策等,目前国内外还没有形成现成的理论框架和通用的商业产品,要想实现真正意义上的水轮机组状态检修,水电设备状态检修技术必须得到进一步的加强和发展.水电厂机组状态检修系统一般由信号处理和专家系统两大部分组成,专家系统是整个系统的核心部分,信号处理部分对信号的分析和处理都是围绕专家系统进行的,都是为专家系统的诊断决策服务的.专家系统部分则是运用人类专家知识,结合各种信息,推断出系统故障.本文正是针对水电厂机组状态检修工作的实际需要和专家系统在整个状态检修系统中的核心地位,对水电厂机组状态检修系统中的专家系统部分的理论、内容和方法进行了探讨.具体来说,本论文在基于\"与\"\"或\"逻辑树构建的反向推理机的设计与实现、基于\"路径跟踪法\"的解释系统的实现、系统知识库的设计与实现、知识库的维护的实现、基于神经网络的轴心轨迹的自动识别的实现、实时数据库的简洁设计与实现等六个方面进行了探讨,并提出了一些新的方法.最后,针对实时数据库的内容采用了MSSQL7.0数据库,在C++Builder 5.0的环境中进行了软件编程,同时对软件的整体结构和功能进行了简单的介绍.