学位论文 > 优秀研究生学位论文题录展示

天然气深冷燃气轮机故障诊断专家系统研究

作　者: 宋丽婷
导　师: 胡文博
学　校: 东北石油大学
专　业: 石油工程管理
关键词: 燃气轮机故障诊断神经网络专家系统
分类号: TP182
类　型: 硕士论文
年　份: 2011年
下　载: 72次
引　用: 0次
阅　读: 论文下载

内容摘要

由于燃气轮机设备结构复杂,影响其运行的因素较多,且其长期工作在高温、高压状态下,很多部件有可能发生故障。一旦设备出现故障停止运转,则需要投入大量的金钱、精力与时间来进行维修,带来巨大的经济损失,有时甚至会对工作人员的生命安全造成威胁。由于燃气轮机故障诊断能大幅度降低维修成本,同时也能大大提高机组运行的安全性和可靠性,所以对燃气轮机故障诊断系统的研究不仅有重要的理论意义,而且有较好的实用价值。本文针对TORNADO燃气轮机的故障特点,分析了TORNADO燃气轮机在实际工况下的典型故障,对各种故障的原因和所表现出的特性进行了详尽的研究,并根据TORNADO燃气轮机的特点建立了故障诊断知识库,为故障诊断打下了基础。传统专家系统处理的知识是显式的、表面的,存在推理能力弱、容易出现知识获取“瓶颈”等问题。文中在传统专家系统的基础上,引入了目前在故障诊断学科较为先进和有效的神经网络理论,构造基于神经网络的TORNADO燃气轮机故障诊断专家系统。这样做能够提高系统的智能水平,改善系统的性能。利用该故障诊断专家系统,即使没有掌握专业的领域知识,也可以直接通过神经网络的输出得到结论。与传统专家系统相比,基于神经网络的专家系统更擅于对数据的处理。在研究过程中,以组合神经网络为基础建立了TORNADO燃气轮机故障诊断专家系统。根据对相关资料的查询,发现目前尚无学者专门针对TORNADO燃气轮机进行故障诊断研究,本文的研究具有一定的独创性。文章结合TORNADO燃气轮机曾经出现过的各种故障信息,利用现场提供的样本规则,对神经网络进行学习和训练,直到达到所需精度。利用成熟的神经网络专家系统对TORNADO燃气轮机的运行数据进行处理,便得到TORNADO燃气轮机的故障信息。最后的测试结果表明,该故障诊断专家系统不但能够解决传统专家系统自学习能力差和容易出现知识获取“瓶颈”等问题,故障诊断正确率也是令人十分满意的。

全文目录

摘要  4-5
ABSTRACT  5-6
创新点摘要  6-9
第1章绪论  9-15
  1.1 研究背景及意义  9-10
  1.2 国内外研究现状  10-13
    1.2.1 燃气轮机故障诊断技术的国内研究现状  10-11
    1.2.2 燃气轮机故障诊断技术的国外研究现状  11-12
    1.2.3 对现有研究成果及发展趋势评价  12-13
  1.3 主要研究内容及论文结构  13-15
第2章相关理论基础  15-36
  2.1 TORNADO 燃气轮机概述  15-20
    2.1.1 TORNADO 燃气轮机的工作原理  15-16
    2.1.2 TORNADO 燃气轮机的结构组成  16-20
  2.2 故障诊断的主要方法  20-22
    2.2.1 基于解析模型的方法  20
    2.2.2 基于信号处理的方法  20-21
    2.2.3 基于知识的方法  21-22
  2.3 神经网络与专家系统  22-30
    2.3.1 神经网络概述  22-23
    2.3.2 组合神经网络  23-26
    2.3.3 专家系统理论  26-30
  2.4 神经网络专家系统概述  30-35
    2.4.1 神经网络与专家系统结合的可行性  30
    2.4.2 神经网络与专家系统结合的必要性  30-31
    2.4.3 神经网络专家系统的原理  31-32
    2.4.4 神经网络专家系统的特性  32-33
    2.4.5 神经网络专家系统的结构及其功能  33-34
    2.4.6 神经网络专家系统用作故障诊断的原因  34-35
  2.5 本章小结  35-36
第3章 TORNADO 燃气轮机故障诊断模型构建  36-46
  3.1 知识存储器的建立  37
  3.2 组合神经网络模型的建立  37-42
    3.2.1 TORNADO 燃气轮机的主要故障类型  37-39
    3.2.2 组合神经网络的设计  39-42
  3.3 推理机的建立  42-43
  3.4 解释器的建立  43-44
  3.5 人机交互界面的建立  44-45
    3.5.1 知识库管理系统  44
    3.5.2 信息查询系统  44-45
  3.6 本章小结  45-46
第4章 TORNADO 燃气轮机故障诊断专家系统的应用  46-55
  4.1 数据的采集  46
  4.2 数据的处理  46-48
    4.2.1 数据处理的意义  46
    4.2.2 数据处理的方法  46-48
  4.3 神经网络参数的选定  48-49
    4.3.1 初始权值的设定  48
    4.3.2 学习速率的选取  48
    4.3.3 期望误差的确定  48-49
  4.4 神经网络的训练  49-52
  4.5 应用举例  52-54
  4.6 本章小结  54-55
结论  55-56
参考文献  56-59
发表文章目录  59-60
附录A：BP 网络权值阈值  60-62
附录B：训练样本  62-64
附录C：测试样本  64-65
附录D：萨南深冷装置故障停机调查分析报告  65-66
致谢  66-67
详细摘要  67-73

天然气深冷燃气轮机故障诊断专家系统研究

内容摘要

全文目录

相似论文