基于主元分析和神经网络的汽轮机组通流渐发故障诊断方法研究

摘要

汽轮发电机组通流部渐发故障是汽轮机组重要的故障模式。故障一旦出现不仅影响机组的安全性，同时会严重影响机组的经济性，造成能源浪费和经济损失。因此，对汽轮发电机组进行通流渐发故障诊断，保证机组安全、可靠运行意义重大。
　　经过多年的发展，汽轮发电机组通流渐发故障诊断取得了丰硕的成果，但还有一些有待解决的问题。首先，通流渐发故障比较复杂，热力参数之间相互关联性很强，给参数分析带来困难。其次，对于机组不断调峰的状态，单一固定标准已不能满足通流渐发故障诊断需要。此外，故障诊断往往只做出模式识别，不能做到故障的原因、影响和处理措施分析。针对上述问题，本文以汽轮发电机组通流渐发故障为研究对象，开展如下工作:
　　(1)进行通流渐发故障故障机理分析。以FMEA分析方法和故障树分析方法为指导，研究汽轮发电机组通流渐发故障的发生原因和动态发展问题，深入研究故障机理。结合热力参数分析，针对工况变化的复杂调峰状况，根据热力学第一定律和热力学第二定律中的能量转化规则，建立汽轮发电机组通流渐发结垢故障和磨损故障模式的FMEA表和故障树。分别由顶事件和底事件为起点为进行故障特诊提取、正向故障诊断和反向故障原因及影响分析提供指导。
　　(2)进行通流渐发故障动态诊断信息量化。通过现场接入的大量数据拟合诊断参数负荷范围内的正常区间，并结合非实时监测数据信息进行汽轮级组通流渐发故障特征提取，形成能效评价准则，进行诊断参量、能效评价指标的定义和表示，并提出模糊征兆量化、数字化的方法，建立汽轮发电机组通流渐发故障诊断规则知识库。并进行故障模式风险定量分析。
　　(3)提出一套结合主元分析法、基于曲线拟合的动态基值确定、模糊隶属度分析和BP神经网络的智能故障诊断方法。该方法首先通过大量现场数据和工程规范确定汽轮发电机组通流渐发故障诊断参数的动态正常区间，进行异常参数搜索;然后，进行诊断参量的模糊隶属度分析和可信度分析，进行主元分析，确定影响度较大的主元;最后根据贴进度分析确定故障类，并通过BP神经网络判定具体的故障模式。同时，利用智能故障诊断专家知识库，根据具体的前提条件求解具体的故障原因、故障位置、故障影响和故障处理措施，并根据机组的能效状态进行经济性分析，生成故障诊断报告和能效评价报告。应用典型的故障案例进行实例分析，验证该方法的实用性。

目录

声明

摘要

第1章 绪论

1．1 选题背景及其意义

1．2 国内外故障诊断研究现状

1．2．1 故障诊断技术的发展

1．2．2 汽轮发电机组通流渐发故障诊断研究现状

1．3 本文研究的内容和思路

第2章 汽轮发电机组通流渐发故障分析

2．1 汽轮发电机组通流渐发故障机理分析

2．1．1 通流部分结垢诊断信息

2．1．2 通流部分磨损机理分析

2．2 汽轮发电机组通流渐发故障FMEA分析

2．2．1 FMEA分析方法

2．2．2 汽轮机组通流渐发故障FMEA表的建立

2．3 汽轮发电机组通流部分故障树分析(FTA)

2．4 汽轮发电机组通流部分能效分析

2．4．1 单耗理论

2．4．2 通流渐发故障对能效的影响

2．4．3 (║)值计算方法

2．5 基于FMEA和FTA的故障风险分析

2．6 本章小结

第3章 汽轮机组通流渐发故障诊断信息量化

3．1 基准值的确定

3．2 故障征兆的量化

3．3 通流渐发故障能效定量分析

3．3．1 构造判断矩阵

3．3．2 定量指标的无量纲化处理

3．3．3 形成模糊判断矩阵

3．3．4 形成能效评价向量

3．4 通流渐发故障风险定量分析

3．5 本章小结

第4章 汽轮机组通流智能故障诊断与能效评价

4．1 征兆参数的模糊隶属度分析

4．2 主元分析

4．2．1 主元分析算法

4．2．2 主元个数的选取

4．2．3 确定主元

4．2．4 确定故障模式类

4．3 BP神经网络

4．3．1 BP神经网络学习算法及其改进

4．3．2 BP神经网络仿真训练

4．4 通流渐发故障能效诊断模型

4．5 本章小结

第5章 通流渐发故障诊断方案研究

5．1 通流渐发故障智能诊断总体思路

5．2 故障诊断实例研究

5．2．1 故障诊断流程

5．2．2 故障诊断结果分析

5．2．3 故障能效分析

5．2．4 故障影响和处理措施分析

5．2．5 形成综合诊断分析报表

5．3 本章小结

第6章 结论与展望

6．1 主要研究成果与创新点

6．2 未来工作展望

参考文献

攻读硕士学位期间发表的论文及其它成果

致谢