Print

利用故障因果信息的汽轮机故障智能诊断研究

论文摘要

汽轮机结构的高度耦合导致一些故障模式在轴系振动形式上具有相似的特征,难以区分。为了更加精确诊断故障模式,提出将故障原因信息融入诊断模型中,实现与维护工作有机结合的故障因果链推理。首先,基于FTA和FMEA分析提出将机理因果网用于总结诊断知识的方法。然后,采用Leaky Noisy-Or/And模型将机理因果网转化为贝叶斯网络模型,并分析模型中不确定性关系的物理含义。最终,将故障机理分析结果转化为3层贝叶斯网络推理模型。在碰磨故障的2个诊断案例中,根据故障原因的排查结果,将模型进行反复推理,获得更准确的故障因果链,同时,可为维修工作反馈排查建议。在故障诊断研究中创新性地提出一种网络化的知识表达形式与智能化过程,为汽轮机故障诊断这类主要依赖经验知识、缺乏故障样本的诊断问题,提供了一种新的思路。

论文目录

  • 1 故障机理分析
  • 2 FCEN转化为BN模型
  •   2.1 FCEN转化为BN的理论基础
  •   2.2“现象因果”关系与Leaky Noisy-Or\And模型
  •   2.3 先验概率与原因判别征兆
  • 3 案例分析
  • 4 结语

    • 文章来源

    类型: 期刊论文

    作者: 顾煜炯,杨楠,陈东超,宋磊

    关键词: 振动与波,汽轮机,智能诊断,因果信息,贝叶斯网络

    来源: 噪声与振动控制 2019年04期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 动力工程

    单位: 华北电力大学能源动力与机械工程学院,东北电力大学能源与动力工程学院,中国科学院太空应用重点实验室

    基金: 国家重点研发计划资助项目(2017YFB0603904-4),中央高校基本科研业务费专项资金资助项目(2016XS35),中国科学院太空应用重点实验室开放基金资助项目(LSU-2016-04-02)

    分类号: TK268

    页码: 12-19

    总页数: 8

    文件大小: 2013K

    下载量: 156

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/a483d84e671bde91e928ff08.html