利用故障因果信息的汽轮机故障智能诊断研究

摘要

cqvip: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LeakyNoisy-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。