基于多源信息融合的水电机组故障诊断与轴心轨迹识别技术研究

摘要

随着水电机组向巨型化、大容量发展，故障诊断技术在保证水电机组安全稳定运行的作用越来越突出，众多学者针对水电机组故障诊断技术开展了深入的研究，积极探寻有效的故障诊断方法同时获得了大量有效成果。但是受研究范式的局限，尤其是研究理论在技术实现方法上的限制，使得某些具有不确定性的故障类型难以得到准确诊断。研究提高水电机组故障诊断效能的方法极具挑战性，其研究成果有助于全面了解水电机组故障机理与信息融合原理，优化故障分析手段，并提高故障诊断的准确性。
　　 针对水轮发电机组轴心轨迹自动识别技术，论文总结近年来的研究成果，结合模式识别研究的新成果，提出了基于Racah 矩的轴心轨迹自动识别的新方法，与已有研究方法的识别效果进行了对比评价：基于Racah 矩方法的轴心轨迹自动识别方法具有很高的目标识别能力，且计算工作量较小、速度快，非常简便，具有极大的使用价值。
　　 论文针对水电机组采样信息量大、冗余度高的特点，提出基于粗糙集的故障信息挖掘。利用粗糙集处理模糊、不确定性信息的优越能力，通过研究水电机组故障特征对照表，构建知识挖掘模型，用该知识模型化简机组故障信息，消除采样信息量之间的冗余信息，使故障特征与故障类型之间的关系更加明晰。
　　 水电机组故障与信息特征是多-多映射关系，同时机组各部分的运行存在强烈的耦合关系，这些因素决定了单一故障诊断技术或单一信息特征都无法确切地判断机组的故障状态。因此，本文引入D-S 证据理论对水电机组的多种诊断方法结果与多信息特征结果进行融合，以可信度的形式给出在机组运行过程中各类故障的发生概率，尽可能符合生产实际。
　　 为解决水电机组故障诊断中各类诊断技术诊断结果的一致性以及各类故障信息特征在多-多映下故障诊断结果的统一问题，论文提出融合粗糙集与D-S 证据理论的水电机组多Agent 故障诊断模型。该模型有四个特点：状态监测子系统直接从监控现场提取异常特征信号以提高故障监测的灵敏性，同时设立属性约简Agent，以粗糙集理论为手段，将复杂的条件属性对应关系化简，减少诊断融合的工作量；构造融合Agent，接收各诊断Agent 传来的诊断结果进行评价合并，获得一致性诊断结果；
　　 将任务控制与任务分解融合于一个Agent 子系统中，提高了控制信号的传输率并简化系统；在故障诊断子系统中设计了多Agent 并行工作结构以满足系统诊断实时性与高可靠性的要求。整套系统采用基于java 语言的JAFMAS 软件构建开发平台建立多Agent 协调机制。
　　 基于前面的研究结果以及有关技术，设计并实现了一个基于粗糙集和D-S 证据理论的多Agent 水电机组故障诊断系统，实验结果表明，该系统具有较好的故障诊断能力。

目录

文摘

英文文摘

声明

1 绪论

2 水电机组故障机理

3 信息融合诊断技术

4 水电机组轴心轨迹自动辨别

5 基于粗糙集的特征提取

6 基于多Agent 的水电机组故障诊断方法

7 全文总结与展望

致谢

参考文献

附录