基于聚类和神经网络相结合的设备状态诊断分析

摘要

根据某电厂一次主轴密封漏水的事件,在没有先验特征的情况下,通过对设备状态数据进行分析,针对设备不是完全健康的情况,提出用聚类分析的方法先对数据进行处理,得到较接近设备健康状态和异常状态的特征数据.在此基础上采用BP神经网络的方法对监控数据进行分析并建立诊断模型,使用得到的诊断模型对每个月的监控数据进行分析,统计异常数据出现率并加以比较,实验结果能较好地反映出设备状态的劣化,为设备状态检修提供了参考依据.