火电厂锅炉送粉系统寿命预测方法的研究

摘要

随着电煤质量的大幅度下降,火电厂煤粉设备磨损明显加快,各种易磨损设备寿命大大缩短,为了确定最佳的更换时间,就必须要确定设备未来一段时间估计缺陷将会出现的频率和时间,从而预测设备的经济使用寿命,提出最优化更换设备方案。针对这一问题,本文将经典的时间序列分析模型ARMA模型和现代的时间序列分析模型神经网络方法结合起来,利用原有的缺陷发生的历史记录,预测未来一段时间内设备发生磨损泄漏的时间和频率,并且按照LCC(Life Cycle Cost)技术即设备寿命周期费用方法,更为准确的分析设备寿命,更加有效的制定设备检修计划,真正为状态检修和预知性检修奠定基础。

目录

文摘

英文文摘

第一章 绪论

1.1 引言

1.2 研究对象概况

1.2.1 本厂概况

1.2.2 送粉系统概况

1.2.3 排粉机

1.2.4 一次风管道和弯头

1.3 预测方法

1.3.1 基本概念

1.3.2 预测方法分类

1.4 国内外研究进展和全文安排

1.4.1 国内外研究进展

1.4.2 全文安排

第二章 经典时间序列模型

2.1 引言

2.1.1 时间序列起源

2.1.2 时间序列的定义

2.2 时间序列分析方法

2.2.1 描述性时间序列分析

2.2.2 统计时间序列分析

2.3 建立ARMA模型进行预测的各个过程

2.3.1 零均值和平稳化前提

2.3.2 ARMA方法的建模过程

2.3.3 模型的参数估计

2.3.4 ARMA模型的识别

2.4 本章小结

第三章 人工神经网络

3.1 引言

3.1.1 人工神经网络基本定义

3.1.2 人工神经网络模型

3.2 人工神经网络的分类

3.3 人工神经网络的运行过程

3.3.1 学习过程

3.3.2 学习规则

3.3.3 网络的联想

3.4 BP神经网络及其学习算法

3.5 BP算法实现

3.6 本章小结

第四章 寿命周期费用的基本理论

4.1 引言

4.1.1 设备寿命的类型

4.1.2 设备寿命周期的故障率曲线

4.2 新型LCC理论的主要内容

4.2.1 LCC的定义

4.2.2 LCC理论的主要特点

4.3 送粉系统的LCC分析

4.3.1 送粉系统引入LCC的可行性

4.4 本章小结

第五章 应用ARMA模型和神经网络模型预测送粉系统泄漏情况

5.1 引言

5.1.1 从检修记录中分离关键数据

5.1.2 数据预处理

5.2 建立模型的基本思路

5.3 ARMA模型的建立

5.3.1 模型的初步判断

5.3.2 ARMA模型的参数估计和预测

5.3.3 模型的检验

5.4 神经网络预测

5.4.1 建立BP网络的基本情况

5.4.2 BP网络的具体算法

5.4.3 模型检验

5.5 本章小结

第六章 送粉系统的经济寿命预测

6.1 引言

6.1.1 送粉系统经济寿命的定义

6.1.2 设备经济寿命的一般算法

6.1.3 送粉系统的特点

6.2 送粉系统经济寿命模型的算法

6.2.1 送粉系统各个具体成本项目计算

6.2.2 维护成本和电量损失成本的具体计算

6.3 LCC模型的计算结果

6.4 本章小结

第七章 结论和展望

参考文献

致谢

在学期间发表的学术论文和参加科研情况