一、火电厂控制系统故障检测与诊断的研究（论文文献综述）
潘岚川[1]（2021）在《基于卷积神经网络的一次风机故障预警研究》文中研究说明随着中国火电“大机组”时代的开启,风机的稳定运行对电厂变的更为重要。对风机进行早期故障预警可以减少风机意外停机次数,给火电厂带来巨大经济效益,但电厂现有的设备故障监测与预警技术有限,难以及时对风机故障发出报警。本文通过构造卷积神经网络,充分挖掘一次风机运行数据中的有效信息,对一次风机轴承振动进行预测进而实现风机故障预警。围绕此目标,本文进行了以下工作:研究一次风机内部结构,总结风机常见故障以及故障发生原因。针对能够表现多数故障的振动信号,以风机正常状态的历史数据构建基于卷积神经网络的振动预测模型。在模型输入的选择问题上,采用基于k-近邻互信息的特征选择方法。最后,以现场一次风机运行数据为基础,建立风机轴承振动预测模型并对其进行仿真测试,测试结果显示该方法精度较高。研究了卷积神经网络的内部结构,归纳对卷积神经网络性能影响较大的超参数。针对初始超参数的选择问题,提出了基于遗传算法优化的卷积神经网络算法,自适应优化卷积神经网络中的超参数,解决了人工选择的不确定性问题。实验表明,优化后的卷积神经网络在风机轴承振动预测上精度更高。模型预测值与真实值之间的差异隐含着丰富的故障信息。为了可以识别微弱信号的异常变化,并且保证误报警和漏报警率保持在极低的水平。本文提出使用滑动窗口法对模型预测残差进行分析,从而实现一次风机的故障预警。如果窗口内残差均值或标准差超过设定的预警阈值,就可以发出报警信号。最后,以国内某电厂一次风机的故障数据为基础,对所提出的方法进行验证,结果表明此方法能够实现准确的故障预警。
刘鹏程[2]（2021）在《椰青开孔机远程监测系统的研究》文中认为随着生活水平的提高,人们对于饮食品质的要求也越来越高,椰汁作为纯天然饮品,自然受到广大消费者的青睐。原始手工开椰青的方法,无论从安全性、卫生程度还是从开椰青的效率上讲,都已无法满足人们的需求,椰青开孔机的出现,很大程度上改善了上述问题。但开孔机在使用过程中,会出现如抱紧机构故障等诸多问题,如果未将此类问题及时反馈,不仅会带来安全隐患,还会造成加工拖沓,所以亟待开发椰青开孔机远程监测系统,实现对开孔机的远程监测、故障诊断。本文首先分析了开孔机工作流程。其次,根据系统功能需求,分别制定系统远程监测、故障诊断和信息管理三个功能模块的实现方案。基于4G移动通信技术,实现对开孔机的远程监测。基于模糊逻辑,实现开孔机故障诊断算法的设计。在数据库中建立数据表存储开孔机相关数据,实现对开孔机信息的管理。开孔机远程监测系统由下位机和上位机两部分组成,整个系统以硬件电路为基础,通过下位机编程,采集包括开孔机故障报警信息、椰青切削数量以及开孔机故障代码在内的开孔机工作状态数据,并每间隔5分钟,将数据存储到EEPROM中。当达到数据发送周期时,程序首先将开孔机工作状态数据写成要求的报文格式,控制单元通过4G通信模块,将数据快速、准确地发送到云端。云端接收到报文后,对报文进行解析,若解析成功,数据将被保存在云端。监测中心可以通过Internet网络访问服务器,查看并下载数据。为实现对开孔机的故障诊断,设计了基于模糊逻辑的开孔机故障诊断算法。在明确了算法所需的参数变量后,以既往开孔机维修记录为基础,利用模糊统计法得到故障代码的隶属函数。在此基础上,建立开孔机故障诊断模糊方程,求解即可得到开孔机故障原因模糊向量的大小。最后,根据故障代码,确定可能故障的构件,并判断构件所处寿命周期的阶段。若构件处于初始故障期或磨损故障期,则调整该故障原因的隶属度。得到最终的开孔机故障原因模糊向量后,根据最大隶属度原则,得到故障诊断结果,确定故障构件。系统以SQL Server 2008作为系统数据库,在Microsoft Visual Studio中用C#编程语言开发椰青开孔机远程监测系统上位机界面,实现对椰青开孔机远程监测、故障诊断以及信息管理三大主要功能。信息管理界面可以实现对数据库内数据的存取。远程监测界面可以实现查看并保存开孔机工作状态数据。基于开孔机工作状态数据和既往开孔机维修数据,故障诊断界面可以实现对开孔机的故障诊断。
王梦月[3]（2021）在《EH供油控制系统开发及设备故障诊断方法研究》文中研究指明随着发电厂在设备结构功能方面的不断完善,电力行业对供电设备故障诊断提出更高的要求。汽轮机液压控制系统已经从传统的机械式液压控制系统发展成为与网络技术结合的数字电液控制系统（DEH）,解决了传统发电机组可靠性差、效率低的问题,促进了发电厂汽轮机组信息化解决方案的发展。但目前我国对于汽轮机EH供油系统故障诊断研究还不够深入,因此,针对汽轮机EH供油控制系统的开发和设备故障诊断方法的研究意义重大。首先本文以火力发电厂660MW汽轮机EH供油系统为研究对象,选用大工计控MAC1120系列PLC控制器、King View6.60版本上位机组态软件和DCCE工业平板开发了一套高压抗燃油控制系统,该系统能够实现故障诊断、自动报警、远程监视、启停控制等功能。根据发电厂对EH油站技术需求,设计了控制系统主电路图、控制电路图、PLC接口电路图;然后依据EH油站控制方式开发了下位机控制程序实现主泵、循环泵、加热器的启停控制,以及故障诊断和DCS通讯。其次本文在分析抗燃油系统工作原理的基础上,通过现场采集设备运行数据结合文献资料给出EH供油系统主要特征参数的取值范围,分析该系统常见故障及故障原因,建立抗燃油系统完整的故障树体系,并对EH供油系统常见故障给出故障树设计方案,包含确定顶事件、构造发展故障树、简化构造函数、设计故障树图。经过定性分析和定量分析求出系统顶事件故障概率和各子系统概率劣化度。针对变权综合理论忽略实际工况等主观因素的问题,本文提出了一种基于初始权重的变权综合方法,通过对比该方法与其他方法仿真计算结果验证了该方法的可行性。最后本文设计了EH供油系统的组态王监控系统,开发了具备故障诊断、状态评价、实时报警等功能的组态王监控系统。开发了组态王监控界面、报警画面、故障诊断画面、实时/历史曲线;设计了基于故障树分析法的故障诊断模块和基于改进变权综合理论的状态评价模块。目前,该抗燃油控制系统与组态王监控系统已完成现场调试,状态良好,自动化程度与可靠性都达到了运行要求。
程立钦[4]（2020）在《基于D-S多信息融合理论的燃煤电厂锅炉智能故障诊断研究》文中研究表明随着我国经济的不断发展,社会对于电力工业的需求也不断增加,而在我国电力结构中,火力发电依然具有十分重要的地位。大型火电机组结构复杂,系统众多,一旦某个系统产生故障,未被及时发现处理,很容易扩展为更大的故障,从而造成机组的非计划停机,不仅影响火力发电的稳定性,而且会提高运营成本,增加能源消耗。因此本文针对现役燃煤电厂锅炉燃烧系统进行研究,利用D-S多信息融合理论进行燃煤电厂锅炉燃烧系统的故障诊断,其提高了火电机组故障诊断的准确率,可以保障火电机组安全稳定的运行,降低运营成本,减少能源消耗。论文首先介绍了燃煤电厂锅炉系统的工艺流程,对其中燃烧系统的常见故障进行了简要描述,根据实时数据库中的采集测点以及专家知识,选择出燃烧系统的60个主要测点;并利用肖维勒准则法与Savitzky-Golay法对60个测点的数据进行异常值剔除、降噪处理,为接下来进行燃烧系统故障诊断分析提供高质量样本。然后提出了基于改进Murphy规则的燃烧系统故障诊断方法,对经过预处理的数据,利用Relief算法进行特征值提取,得到11个影响锅炉结焦故障的主要参数;将其作为输入变量,利用正常标签数据与故障标签数据对SVM、LVQ、PNN、BP四种智能学习算法进行训练,得到四种故障诊断分类模型;利用混淆矩阵、ROC曲线、AUC面积,对四种故障诊断模型进行性能评估,以便得到信息融合需要的m函数;最后利用D-S理论中改进的Murphy规则对四个故障诊断模型结果进行融合,得到最终的故障诊断结果。其次提出了基于FEKNN的燃烧系统故障诊断方法,这种方法主要特点为不需要故障标签数据,只用正常数据就可进行火电机组的故障诊断。对经过数据预处理的大量正常运行历史数据进行MDS降维;然后利用均值漂移聚类方法对正常历史数据进行聚类,形成燃烧系统正常运行状态库;最后采用FEKNN故障诊断方法得到燃烧系统运行状态曲线,以进行燃烧系统的故障诊断。最后论文叙述了火电集团智能诊断监测系统的建设,介绍了该系统的整体架构、实时数据库、分布式云计算系统以及通信架构,并对系统的各个功能模块进行了运行图形展示。
梁艳[5]（2020）在《基于改进PCA的非高斯随机系统故障检测方法研究》文中指出近年来,国民经济迅速发展,人们对工业产品的需求日益增加,促使生产设备向大型化、多功能化、结构复杂化、自动化等方向发展的同时,也提高了对生产过程安全性和可靠性的要求。一旦工业过程中出现故障而没有被及时发现,轻则会使产品质量受损、设备损坏;重则会带来不可挽回的经济损失,并造成环境污染,甚至还会对人民群众的生命安全产生威胁,导致严重的社会问题。随着计算机传感器的发展,数据信息化、智能化的提高,使得数据流的重要性愈发突出,特别是针对未知且不易建立机理模型的复杂过程。因此,在数据驱动框架下研究故障检测具有十分重要的意义。基于主成分分析（Principal Component Analysis,PCA）的故障检测方法是数据驱动框架下较为常用的方法,但是该方法在数据服从高斯分布的假设前提下能够表现出良好的性能。然而由于实际过程的非线性特性,即使扰动服从高斯分布,过程数据也可能是非高斯的,这使得PCA模型不能有效地发挥作用,导致检测结果不准确。为进一步提高故障检测的准确性,本论文针对非高斯随机系统,研究基于改进PCA的故障检测方法,主要内容如下:针对传统PCA无法实现对非高斯过程的故障检测问题,采用信息论（Information Theory Learning,ITL）中的广义互熵准则,从重构误差的角度出发,提出基于广义互熵PCA的故障检测方法;然后使用留一交叉验证法确定主元个数;随后通过核密度估计法确定监控统计量的控制限;最后将所提算法用于TE过程,仿真结果表明所提算法进行非高斯系统故障检测的有效性。针对上述所提算法涉及参数选择困难,算法复杂度高的问题,提出了一种基于生存信息势（Survival Information Potential,SIP）的改进PCA故障检测方法。最小化SIP在最小化随机性的同时,还能使误差的幅值也接近于零,不需要选择参数,所需计算时间较少。在仿真对比中,首先给出了一个二维数值算例,验证了所提方法在故障检测时兼具鲁棒性和及时性,然后应用于CSTR过程,再一次验证了这一结论。针对火电厂氮氧化物排放过程,过去研究集中于建模和减排,没有考虑故障检测。本文提出基于SIP-PCA的火电厂氮氧化物排放过程故障检测方法。与以往通过发射探测器检测氮氧化物排放量来判断过程是否发生异常相比,所提方法通过监测过程变量的变化可以更加及时准确的判断过程是否发生异常,在减少氮氧化物排放中更具有时效性。
王世林[6]（2018）在《基于多元统计分析的工业过程故障检测研究》文中研究指明随着单元机组自动化水平的不断提高,其热控系统的规模也在不断扩大,复杂程度日益提高。随之而来的问题就是故障点数目的增加和隐蔽性的增强。现有的热控系统故障检测与诊断方法已经不能满足生产现场的需要,因此有必要对适用于热控系统的先进故障检测与诊断技术展开研究。考虑到热控系统本身所具有的特点,本文利用基于数据驱动的多元统计分析法对其进行研究。非负矩阵分解作为一种新兴的多元统计分析技术,在实现数据维数约减时具有正向纯加性的特点,其分解结果可以理解为对过程数据基于部分的描述,在某种程度上非负矩阵分解抓住了智能数据描述的本质,因此非负矩阵分解有着比传统多元统计分析方法更优秀的数据描述能力。目前,非负矩阵分解思想在故障检测与诊断领域内的应用还处于起步阶段。本文以广义投影非负矩阵分解算法为核心算法,以基于广义投影非负矩阵分解的故障检测与诊断模型为基础,围绕热控系统中所存在的几个问题对广义投影非负矩阵分解模型进行扩展研究。概括起来本文的研究工作主要包括以下几个方面:（1）通过借鉴投影非负矩阵分解算法嵌入线性投影的思想,提出了一种新的非负矩阵分解改进算法——广义投影非负矩阵分解算法,新方法在对迭代规则的推导过程进行改进的同时也放宽了对原始数据矩阵的非负约束。广义投影非负矩阵分解算法所得到的系数矩阵拥有更好的正交性和稀疏性。此外,广义投影非负矩阵分解算法的收敛性在理论上也是可证的。（2）基于广义投影非负矩阵分解算法构建适用于热控系统的故障检测与诊断模型,并设计适用于广义投影非负矩阵分解算法的监控统计量TG2和SPEG,它们的控制限将由核密度估计法来确定。为了在检测到系统故障后成功的将引起故障的过程变量进行分离,本文还设计了基于TG2和SPEG的贡献图法。（3）针对现代工业过程中时常出现的数据丢失现象,对基于广义投影非负矩阵分解算法的监控模型的鲁棒性进行研究。考虑到该模型在测试集不完整时鲁棒性较差的情况,本文提出利用二阶马尔科夫链模型与基于广义投影非负矩阵分解算法的监控模型相结合的方式来处理测试集不完整情况下系统的故障检测问题。试验表明在测试集数据缺失率达到30%时该方法的故障检测准确率仍然超过了 90%。（4）针对广义投影非负矩阵分解算法数据分类能力的不足,本文尝试在广义投影非负矩阵分解算法的求解过程中引入Fisher判别分析的最优分类思想,提出一种有监督的学习方法——Fisher广义投影非负矩阵分解算法。进而将系统的故障检测与诊断问题转化成多类数据分类的问题。试验结果表明Fisher广义投影非负矩阵分解算法可以很好的处理系统中所出现的多故障问题。
查蕴容[7]（2018）在《CS2024型给煤机故障监测及预警装置的开发》文中研究说明给煤机是火电厂制粉系统中的一个重要组成部分,其运行状态是否良好将会影响整个发电厂的安全及经济效益。经在某电厂调研发现,其使用的传统给煤机监测设备只能采集到给煤机的煤斗煤位、煤量和主电动机电流等参数。仅仅依靠这些参数无法及时发现设备存在的安全隐患,并且工作人员也无法从这些简单的参数判断出故障位置和故障类型。鉴于此,根据该电厂给煤机的运行现状,设计一套故障监测及预警装置具有十分重要的工程意义。本文首先介绍了某电厂CS2024型给煤机的组成结构,分析了其存在的问题,给出了以STC15F2K60S2单片机为CPU的给煤机故障监测下位机主电路,并进行了软件编程,根据给煤机监测电路采集到的电压、电流、速度等参数,判断设备属于正常运行还是发生了异常,识别设备是否发生了故障,从而实现了对给煤机设备的故障监测及预警。然后详细介绍了上位机软件部分的设计工作,将故障诊断专家系统与LabVIEW软件相结合,经过通讯协议将下位机监测装置监测到的数据传输到上位机故障诊断专家系统进行故障监测及预警,从而建立一个完整的故障监测及预警系统。最后,通过实际测试证明了本文设计的下位机监测装置和上位机故障诊断专家系统的可行性。
宋涛[8]（2016）在《主元分析法在火电厂故障检测中的应用及效果研究》文中认为火电企业技术改造是当今技术创新及应用研究的主流方向之一,其中,技术改造主要是通过改进物理结构或加装新设备来实现,如加装脱硫装置、对磨煤机改进等。然而,技术改造并非只有物理改造,还应包括电子技术的改进,如对控制算法、检测方法的改进。在这些方面,国内相关研究并不多。本文通过研究火电企业运行过程,发现在故障检测方面,国内绝大部分火电厂均使用固定的控制限来报错,而火电厂实际运行过程却并非持续稳态运行,这就导致了在火电厂增减负荷时系统出现误报或数据的丢失,严重影响监测的稳定性,从而影响火电企业的经济性。主元分析方法（PCA）作为多元统计方法的一种,其对过程控制的故障检测与诊断方法不依赖于系统的数学模型,因此是广泛应用在工业领域的统计检测方法。基于主元分析方法的过程检测方法,由于充分的利用了主元分析算法在处理线性相关数据时降维的功能,使得对多变量生产过程的检测可在低维变量控件实现。因此,考虑在火电企业故障检测中使用主元分析方法。故障检测中的PCA方法原理是在稳态过程中收集数据,用固定控制限的SPE、T2和TH2来监测。然而,对于那些过程暂态值必须考虑的系统（如火电厂运行系统）,用固定控制限会引起误报和丢失数据,这会严重影响监测系统的稳定性,并带来不必要的经济损失。本文立足于这一点,对主元分析方法进行改进,使得其能应用在动态稳态经常切换的火电厂运行系统。本文总结了在火电厂故障检测领域在的国内外的研究成果,指出了该领域需要深入研究的问题;针对目前存在的问题,提出了基于方差的自适应控制限的改进方法,从而来克服暂态过程中因条件改变而产生的误报问题;选取某火电厂的相关数据,利用matlab软件对该方法进行了仿真,验证了该技术改造的可行性;通过建立评价指标,运用层次分析法确定指标权重,运用模糊评价法来对方案进行综合评价。结果表明,该技术改造可以为火电企业获得经济效益与技术上的改进。
高艳春[9]（2012）在《火电厂控制系统故障检测与诊断技术综述》文中指出本文重点介绍火电厂控制系统故障检测与诊断技术的现状和发展趋势,针对控制系统故障检测与诊断的主要任务和内容,介绍了目前国内外应用的大体技术方法,包括基于数据驱动、基于解析模型、基于信号处理和基于知识的故障诊断技术。本文结合火电厂控制系统的特点和目前故障诊断技术的发展情况,从发展的角度阐述了我国的故障诊断技术与国外故障诊断技术的差距。
田丽玲,张丽萍[10]（2012）在《一种数据驱动的湿法烟气脱硫系统的故障诊断方法》文中认为采用主元分析法（PCA）对火电厂湿法烟气脱硫系统进行故障诊断.利用PCA建立系统故障诊断模型,通过计算平方预测误差（SPE）来检测系统是否发生故障,若有故障发生则用Q贡献率法来分离故障,识别发生故障的原因.通过采集福州某电厂湿法烟气脱硫系统的历史数据进行Matlab仿真并在组态王中显示故障诊断曲线,表明用PCA法对湿法烟气脱硫系统故障具有良好的诊断效果.
二、火电厂控制系统故障检测与诊断的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、火电厂控制系统故障检测与诊断的研究（论文提纲范文）
（1）基于卷积神经网络的一次风机故障预警研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及其意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 第2章 一次风机设备介绍及故障分析 |
| 2.1 一次风机介绍 |
| 2.2 一次风机故障分析 |
| 2.3 本章小结 |
| 第3章 基于深度神经网络的风机轴承振动建模 |
| 3.1 一次风机监测数据介绍 |
| 3.2 特征选择 |
| 3.2.1 皮尔逊相关系数法 |
| 3.2.2 基于k近邻的互信息输入变量选择 |
| 3.3 深度神经网络 |
| 3.3.1 神经网络简介 |
| 3.3.2 梯度下降算法 |
| 3.3.3 基于最大相关熵的代价函数 |
| 3.4 基于卷积神经网络的风机轴承振动建模 |
| 3.4.1 卷积层 |
| 3.4.2 池化层 |
| 3.4.3 CNN训练算法 |
| 3.5 仿真结果及分析 |
| 3.6 本章小结 |
| 第4章基于GA-CNN的风机轴承振动建模 |
| 4.1 引言 |
| 4.2 遗传算法 |
| 4.2.1 遗传算法的基本原理 |
| 4.2.2 遗传算法实现方法 |
| 4.3 基于GA-CNN的振动预测模型 |
| 4.4 仿真结果及比较分析 |
| 4.5 本章小结 |
| 第5章 基于GA-CNN的风机轴承振动的故障预警 |
| 5.1 引言 |
| 5.2 滑动窗口法 |
| 5.3 故障预警仿真 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（2）椰青开孔机远程监测系统的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 无线通信的研究现状 |
| 1.2.2 故障诊断的研究现状 |
| 1.2.3 模糊诊断的研究现状 |
| 1.3 课题主要研究内容 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织架构 |
| 第二章 系统整体方案 |
| 2.1 开孔机工作流程 |
| 2.2 系统总体设计 |
| 2.2.1 系统功能需求 |
| 2.2.2 系统总体架构 |
| 2.2.3 系统开发工具选择 |
| 2.3 远程监测及信息管理方案 |
| 2.3.1 常见无线通信技术对比 |
| 2.3.2 系统通信方式选择和通信模块选型 |
| 2.3.3 远程监测方案 |
| 2.3.4 信息管理方案 |
| 2.4 故障诊断方案 |
| 2.4.1 常见故障诊断方法对比 |
| 2.4.2 开孔机故障特性分析 |
| 2.4.3 开孔机故障诊断的模糊性 |
| 2.4.4 故障诊断方案 |
| 2.4.5 隶属度调整规则 |
| 2.4.6 开孔机故障诊断数学模型 |
| 2.5 本章小结 |
| 第三章 系统下位机软硬件 |
| 3.1 系统主要硬件电路 |
| 3.1.1 电源电路 |
| 3.1.2 安全门操作电路 |
| 3.1.3 工作状态识别电路 |
| 3.1.4 行程限位电路 |
| 3.1.5 工作状态存储电路 |
| 3.1.6 远程通信电路 |
| 3.2 开孔机故障分析 |
| 3.2.1 抱紧机构故障分析 |
| 3.2.2 升降机构故障分析 |
| 3.2.3 切刀旋转机构故障分析 |
| 3.3 开孔机下位机软件设计 |
| 3.3.1 抱紧及松开故障报警 |
| 3.3.2 下降及上升故障报警 |
| 3.3.3 切刀旋转机构故障报警 |
| 3.3.4 安全门故障报警 |
| 3.3.5 椰青切削数量计数原理 |
| 3.4 远程监测流程分析 |
| 3.4.1 开孔机远程监测流程及步骤 |
| 3.4.2 上报和响应报文格式 |
| 3.4.3 云端解析数据流程及步骤 |
| 3.5 远程监测云端布署 |
| 3.5.1 云端设备布署 |
| 3.5.2 4G模块参数设置 |
| 3.6 本章小结 |
| 第四章 系统上位机软件 |
| 4.1 数据库详细设计 |
| 4.1.1 系统数据流分析 |
| 4.1.2 数据库概念设计 |
| 4.1.3 数据库逻辑设计 |
| 4.2 开孔机故障诊断算法的设计 |
| 4.2.1 开孔机故障诊断流程及步骤 |
| 4.2.2 故障诊断数学模型的编程实现 |
| 4.3 上位机界面设计 |
| 4.3.1 登录界面设计 |
| 4.3.2 信息管理界面设计 |
| 4.3.3 远程监测界面设计 |
| 4.3.4 故障诊断界面设计 |
| 4.4 本章小结 |
| 第五章 实验研究与系统测试 |
| 5.1 开孔机工作参数采集实验 |
| 5.1.1 抱紧机构工作参数采集 |
| 5.1.2 切刀旋转机构工作参数采集 |
| 5.2 开孔机工作状态远程监测测试 |
| 5.2.1 开孔机工作状态数据解析测试 |
| 5.2.2 开孔机工作状态数据管理测试 |
| 5.3 开孔机故障诊断功能测试 |
| 5.3.1 开孔机维修记录 |
| 5.3.2 故障诊断案例测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（3）EH供油控制系统开发及设备故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 EH供油控制系统 |
| 1.2.2 综合状态评价技术 |
| 1.2.3 故障诊断技术 |
| 1.3 主要研究内容 |
| 2 EH供油系统性能参数及故障分析 |
| 2.1 汽轮机组供油系统组成 |
| 2.2 汽轮机组供油系统分析 |
| 2.3 供油系统常见故障分析 |
| 2.4 本章小结 |
| 3 EH供油控制系统设计及控制程序开发 |
| 3.1 控制系统整体设计框架 |
| 3.2 输入、输出变量 |
| 3.3 控制系统电路设计 |
| 3.3.1 主电路图设计 |
| 3.3.2 控制电路图设计 |
| 3.3.3 PLC接口电路设计 |
| 3.4 控制程序开发 |
| 3.4.1 控制程序整体架构 |
| 3.4.2 主泵控制程序开发 |
| 3.4.3 循环泵控制程序开发 |
| 3.4.4 加热器控制程序开发 |
| 3.4.5 DCS通讯程序开发 |
| 3.5 本章小结 |
| 4 EH供油系统状态评价与故障诊断 |
| 4.1 故障树分析法 |
| 4.1.1 故障树术语和符号 |
| 4.1.2 故障树分析法的步骤 |
| 4.1.3 故障树定性分析 |
| 4.1.4 故障树定量分析 |
| 4.2 EH供油系统常见故障的故障树分析 |
| 4.2.1 故障树建立 |
| 4.2.2 EH供油系统故障树定性分析 |
| 4.2.3 EH供油系统故障树定量分析 |
| 4.3 EH供油系统综合状态评价 |
| 4.3.1 变权综合理论 |
| 4.3.2 初始权重的修正设计 |
| 4.3.3 劣化度的确定 |
| 4.3.4 EH供油系统状态评价实例分析 |
| 4.4 本章小结 |
| 5 组态王监控系统开发 |
| 5.1 EH油站监控系统开发 |
| 5.1.1 组态王工程的建立 |
| 5.1.2 通讯连接和变量设置 |
| 5.1.3 EH供油系统监控画面 |
| 5.2 组态王状态评价与故障诊断模块设计 |
| 5.2.1 报警与操作信息画面 |
| 5.2.2 故障监控画面 |
| 5.2.3 实时、历史曲线与数据报表 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（4）基于D-S多信息融合理论的燃煤电厂锅炉智能故障诊断研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 火电厂故障诊断研究现状 |
| 1.2.2 信息融合技术研究现状 |
| 1.3 本文的主要研究内容 |
| 1.4 本章小结 |
| 第二章 锅炉系统及数据预处理 |
| 2.1 锅炉系统 |
| 2.1.1 锅炉系统介绍 |
| 2.1.2 锅炉燃烧系统故障分析 |
| 2.2 相关数据测点选择 |
| 2.3 数据预处理 |
| 2.3.1 异常值剔除 |
| 2.3.2 数据降噪处理 |
| 2.4 本章小结 |
| 第三章 基于改进Murphy规则的燃烧系统故障诊断方法 |
| 3.1 算法整体框架 |
| 3.2 Relief特征提取 |
| 3.3 智能故障诊断模型训练 |
| 3.3.1 支持向量机(SVM) |
| 3.3.2 LVQ神经网络 |
| 3.3.3 概率神经网络(PNN) |
| 3.3.4 BP神经网络 |
| 3.4 智能故障诊断模型性能评估 |
| 3.5 决策融合 |
| 3.5.1 证据理论 |
| 3.5.2 改进Murphy融合规则 |
| 3.5.3 决策融合原理 |
| 3.5.4 决策融合应用 |
| 3.6 本章小结 |
| 第四章 基于FEKNN的燃烧系统故障诊断方法 |
| 4.1 MDS数据降维技术 |
| 4.1.1 MDS算法 |
| 4.1.2 MDS算法的降维应用 |
| 4.2 均值漂移聚类 |
| 4.2.1 Mean Shift算法原理 |
| 4.2.2 Mean Shift算法聚类步骤 |
| 4.2.3 Mean Shift算法聚类应用 |
| 4.3 FEKNN故障诊断方法 |
| 4.3.1 模糊KNN算法(FKNN) |
| 4.3.2 证据KNN算法(EKNN) |
| 4.3.3 模糊证据KNN算法(FEKNN) |
| 4.3.4 FEKNN算法故障诊断原理 |
| 4.4 FEKNN故障诊断应用实例 |
| 4.5 本章小结 |
| 第五章 火电集团智能诊断监测系统 |
| 5.1 系统概述 |
| 5.1.1 系统需求分析 |
| 5.1.2 系统架构设计 |
| 5.2 智能诊断系统设计 |
| 5.2.1 实时数据库 |
| 5.2.2 云平台系统 |
| 5.2.3 系统通信架构 |
| 5.3 系统集团侧功能设计 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 致谢 |
（5）基于改进PCA的非高斯随机系统故障检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障检测的研究内容 |
| 1.2.2 故障检测的研究现状 |
| 1.3 多元统计过程监控的研究现状 |
| 1.4 本文主要研究内容 |
| 第二章 基础知识 |
| 2.1 非高斯度量 |
| 2.1.1 Renyi熵及其非参数估计 |
| 2.1.2 互熵及其非参数估计 |
| 2.2 PCA及其相关研究 |
| 2.2.1 PCA算法 |
| 2.2.2 RPCA算法 |
| 2.2.3 ICA-PCA算法 |
| 2.2.4 最大熵PCA算法 |
| 第三章 基于广义互熵PCA的故障检测方法 |
| 3.1 广义互熵PCA准则的建立 |
| 3.2 主元个数的确定 |
| 3.3 故障检测 |
| 3.4 TE过程的故障检测 |
| 3.5 本章小结 |
| 第四章 基于SIP-PCA的非高斯系统故障检测方法 |
| 4.1 SIP-PCA准则的建立 |
| 4.2 故障检测 |
| 4.3 仿真分析 |
| 4.3.1 数值例子 |
| 4.3.2 CSTR过程故障检测 |
| 4.4 本章小结 |
| 第五章 基于SIP-PCA的火电厂NO_x排放过程故障检测 |
| 5.1 火电厂NO_x排放过程 |
| 5.2 故障检测 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（6）基于多元统计分析的工业过程故障检测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的背景和意义 |
| 1.2 故障检测与诊断方法研究现状 |
| 1.2.1 FDD的实现过程 |
| 1.2.2 FDD的方法分类 |
| 1.2.3 数据驱动的FDD方法 |
| 1.3 工业过程的特性分析 |
| 1.3.1 被控对象的特性分析 |
| 1.3.2 过程数据的特性分析 |
| 1.4 非负矩阵分解的研究现状 |
| 1.4.1 NMF的研究现状 |
| 1.4.2 NMF算法在FDD领域的应用前景 |
| 1.5 论文的内容安排 |
| 第2章 火电厂热控系统故障诊断内容及实现原则 |
| 2.1 引言 |
| 2.2 TCS典型故障分析报告 |
| 2.3 TCS可靠性分析 |
| 2.3.1 TCS可靠性的影响因素 |
| 2.3.2 提高TCS可靠性的现有手段 |
| 2.4 TCS故障诊断的研究范围和研究对象 |
| 2.5 TCS故障诊断现有方法 |
| 2.6 TCS故障诊断系统设计原则 |
| 2.7 本章小结 |
| 第3章 广义投影非负矩阵分解算法 |
| 3.1 引言 |
| 3.2 NMF基本算法 |
| 3.3 嵌入线性投影的NMF算法 |
| 3.3.1 投影非负矩阵分解算法 |
| 3.3.2 正交投影非负矩阵分解算法 |
| 3.4 GPNMF算法的提出 |
| 3.5 GPNMF算法收敛性证明 |
| 3.6 非负双奇异值分解初始化方法 |
| 3.6.1 NDSVD方法的提出 |
| 3.6.2 仿真验证 |
| 3.7 GPNMF算法性能分析 |
| 3.8 本章小结 |
| 第4章 基于GPNMF算法的FDD模型研究 |
| 4.1 引言 |
| 4.2 基于PCA的故障检测方法 |
| 4.2.1 概述 |
| 4.2.2 PCA故障检测方法 |
| 4.2.3 基于传统贡献图的故障诊断技术 |
| 4.3 监控统计量的设计 |
| 4.3.1 监控统计量T~2和SPE的内涵分析 |
| 4.3.2 适用于GPNMF的监控统计量 |
| 4.3.3 基于贡献图的故障诊断 |
| 4.4 监控统计量控制限的求取 |
| 4.5 基于GPNMF的故障检测方法 |
| 4.6 故障检测实例 |
| 4.6.1 故障检测 |
| 4.6.2 故障分离 |
| 4.7 本章小结 |
| 第5章 数据缺失情况下的GPNMF故障检测方法研究 |
| 5.1 引言 |
| 5.2 GPNMF模型的鲁棒性检验 |
| 5.3 马尔科夫理论概述 |
| 5.3.1 MCM的基本原理 |
| 5.3.2 马尔可夫性检验 |
| 5.3.3 时间序列的生成 |
| 5.4 缺失数据预处理方法 |
| 5.4.1 基于二阶MC的时间序列建模 |
| 5.4.2 预测精度评估算法 |
| 5.4.3 传统缺失值估计算法 |
| 5.4.4 缺失值双向估计算法 |
| 5.4.5 误差对比 |
| 5.5 仿真验证 |
| 5.6 本章小结 |
| 第6章 多故障条件下的GPNMF故障检测方法研究 |
| 6.1 引言 |
| 6.2 FDA方法简介与分析 |
| 6.2.1 FDA的基本原理 |
| 6.2.2 分析讨论 |
| 6.3 FGPNMF算法的提出 |
| 6.3.1 FGPNMF算法 |
| 6.3.2 FGPNMF收敛性证明 |
| 6.4 基于FGPNMF的故障检测方法 |
| 6.5 仿真验证 |
| 6.5.1 单故障验证 |
| 6.5.2 多故障验证 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）CS2024型给煤机故障监测及预警装置的开发（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要工作 |
| 2 CS2024型给煤机系统现状及改进分析 |
| 2.1 CS2024型给煤机系统现状 |
| 2.2 CS2024型给煤机系统改进分析 |
| 2.3 本章小结 |
| 3 下位机监测装置硬件设计 |
| 3.1 监测装置硬件总体设计 |
| 3.2 微控制器单元 |
| 3.3 电流与电压信号采集单元 |
| 3.4 光电编码器信号处理电路单元 |
| 3.5 跑偏开关信号采集单元 |
| 3.6 人机交互单元 |
| 3.7 通信单元 |
| 3.8 存储单元 |
| 3.9 电源模块 |
| 3.10 PCB及装置实物图 |
| 3.11 本章小结 |
| 4 给煤机故障监测及预警装置的软件设计 |
| 4.1 下位机软件设计 |
| 4.2 上位机软件设计 |
| 4.3 本章小结 |
| 5 系统性能测试 |
| 5.1 开发环境 |
| 5.2 下位机监测装置调试 |
| 5.3 上位机软件调试 |
| 5.4 实验结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者从事科学研究和学习经历简介 |
（8）主元分析法在火电厂故障检测中的应用及效果研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及评述 |
| 1.2.1 国内研究现状及评述 |
| 1.2.2 国外研究现状及评述 |
| 1.3 本文研究内容、方法与框架 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 论文框架 |
| 第2章 相关理论及方法概述 |
| 2.1 主元分析理论 |
| 2.2 火电厂故障检测 |
| 2.3 主元分析法建模 |
| 2.3.1 建模解决的问题 |
| 2.3.2 过程测量量测量指标 |
| 2.4 综合效益评价方法 |
| 2.5 本章小结 |
| 第3章 火电厂故障检测现状分析 |
| 3.1 火电厂故障检测现行方法 |
| 3.2 火电厂故障检测方法存在的缺陷 |
| 3.3 主元分析法引入的必要性 |
| 3.4 本章小结 |
| 第4章 火电厂故障检测主元分析法的改进 |
| 4.1 主元分析方法的改进原因 |
| 4.2 自适应控制限的确定 |
| 4.2.1 T_2自适应控制限的确定 |
| 4.2.2 SPE自适应控制限的确定 |
| 4.2.3 T_H~2自适应控制限的确定 |
| 4.3 数据仿真实验 |
| 4.4 本章小结 |
| 第5章 火电厂故障检测改进效果评价 |
| 5.1 综合评价方法的选择 |
| 5.2 模糊综合评级法 |
| 5.3 指标体系的构建原则 |
| 5.4 指标体系的构建 |
| 5.4.1 指标体系 |
| 5.4.2 指标解释 |
| 5.5 案例评价 |
| 5.5.1 指标权重的确定 |
| 5.5.2 各指标权重的计算 |
| 5.5.3 技改项目的模糊综合评价 |
| 5.6 本章小结 |
| 第6章 研究成果及结论 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 附录 |
（9）火电厂控制系统故障检测与诊断技术综述（论文提纲范文）
| 0 引言 |
| 1 控制系统故障检测与诊断技术国内外发展趋势 |
| 2 控制系统故障检测与诊断技术 |
| 2.1 基于解析模型的方法 |
| 2.2 基于信号处理的方法 |
| 2.3 基于知识的方法 |
| 2.4 基于数据驱动的方法 |
| 2.5 容错控制技术 |
| 3 结论 |
（10）一种数据驱动的湿法烟气脱硫系统的故障诊断方法（论文提纲范文）
| 0 引言 |
| 1 基于PCA的故障诊断方法 |
| 1.1 主元分析原理 |
| 1.2 故障诊断 |
| 2 基于DDE技术的故障仿真实验 |
| 3 结语 |
四、火电厂控制系统故障检测与诊断的研究（论文参考文献）
- [1]基于卷积神经网络的一次风机故障预警研究[D]. 潘岚川. 华北电力大学(北京), 2021(01)
- [2]椰青开孔机远程监测系统的研究[D]. 刘鹏程. 东华大学, 2021(01)
- [3]EH供油控制系统开发及设备故障诊断方法研究[D]. 王梦月. 大连理工大学, 2021
- [4]基于D-S多信息融合理论的燃煤电厂锅炉智能故障诊断研究[D]. 程立钦. 河北工业大学, 2020
- [5]基于改进PCA的非高斯随机系统故障检测方法研究[D]. 梁艳. 太原理工大学, 2020(07)
- [6]基于多元统计分析的工业过程故障检测研究[D]. 王世林. 华北电力大学(北京), 2018(04)
- [7]CS2024型给煤机故障监测及预警装置的开发[D]. 查蕴容. 山东科技大学, 2018(03)
- [8]主元分析法在火电厂故障检测中的应用及效果研究[D]. 宋涛. 华北电力大学, 2016(03)
- [9]火电厂控制系统故障检测与诊断技术综述[J]. 高艳春. 科技视界, 2012(30)
- [10]一种数据驱动的湿法烟气脱硫系统的故障诊断方法[J]. 田丽玲,张丽萍. 福州大学学报(自然科学版), 2012(01)