学位论文 > 优秀研究生学位论文题录展示

改进的D-S证据理论的信息融合技术在发电机组旋转设备故障诊断中的应用

作　者: 李月
导　师: 徐余法
学　校: 华东理工大学
专　业: 控制科学与工程
关键词: 发电机组旋转设备信息融合故障诊断 D-S证据理论随机集粗糙集证据熵
分类号: TM307.1
类　型: 硕士论文
年　份: 2012年
下　载: 164次
引　用: 0次
阅　读: 论文下载

内容摘要

随着现代社会用电量的急剧增加,为居民和企业提供持续不间断的供电已变得愈发重要,其直接关系到国民经济的健康发展。近些年来新能源技术开始慢慢发展,但这些能源提供的电能都是零散的,小范围的,且技术还不够成熟,因此传统的能源发电,比如火力发电,仍处于主导地位。如何提前对这些发电机组进行有效的故障诊断以保障其正常运行被提上日程。由于发电机组故障机理日趋复杂化和多样化,传统的故障诊断方法已不能满足现代化设备的需要,本文就是在这样的背景下,开展了信息融合技术在发电机组旋转设备故障诊断中的应用研究。针对信息融合技术中的D-S证据理论在证据存在高冲突情况下无法获取准确的诊断结果,采用两种修改证据源的方法改进了传统的D-S证据理论。一种是基于模糊成员函数和证据平均距离的权重分配的修改证据源的改进方法,用实际算例验证了该改进方法的有效性,并将其应用到发电机组汽轮机的故障诊断中。其二是基于随机集的证据熵和证据相似度的修改证据源的改进方法,算例分析验证了其是可用的和有效的,并将其应用到发电机组发电机的故障诊断中。针对D-S证据理论中证据的基本概率分配获取难的问题,在随机集理论和粗糙集理论的基础上给出了一种可以综合随机集下的粗糙集属性约简和规则强度以及扩充决策规则的D-S证据理论的基本概率分配获取方法,并用算例对其验证。文中所采用的证据理论、粗糙集理论、证据熵等都基于随机集理论,这样就建立了统一的数学框架,对整个故障诊断的研究提供方便。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-15
  1.1 本课题的研究背景和意义  9-11
  1.2 设备故障诊断技术的现状与发展趋势  11-12
  1.3 信息融合技术概述  12
    1.3.1 信息融合技术的概念和定义  12
    1.3.2 信息融合技术的应用  12
  1.4 多传感器信息融合在故障诊断中的意义  12-13
  1.5 论文的主要研究内容和结构安排  13-14
    1.5.1 论文的研究内容  13
    1.5.2 论文的结构安排  13-14
  1.6 本章小结  14-15
第2章基于不确定性信息的信息融合的研究方法  15-27
  2.1 信息融合技术概述  15-16
  2.2 信息融合方法的分类  16-18
  2.3 信息融合中的不确定性  18
  2.4 不确定信息的分类  18-19
  2.5 信息融合的算法  19-26
    2.5.1 概率论  19-21
    2.5.2 模糊理论  21-22
    2.5.3 神经网络  22-23
    2.5.4 证据理论  23-26
  2.6 本章小结  26-27
第3章发电机组旋转设备故障诊断相关问题分析  27-37
  3.1 发电机组旋转设备故障及传统诊断方法  27-30
    3.1.1 发电机组中发电机的故障类型  27-28
    3.1.2 发电机组中汽轮机的故障类型  28-30
    3.1.3 发电机组旋转设备故障诊断的主要方法  30
  3.2 发电机的故障特征  30-32
    3.2.1 定子的故障症候  30
    3.2.2 转子的故障症候  30-31
    3.2.3 轴承的故障症候  31-32
  3.3 旋转设备故障诊断中的不确定性分析  32-33
    3.3.1 发电机组旋转设备自身具有不确定性  32
    3.3.2 传感器信号具有不确定性  32-33
    3.3.3 信号采集处理的不确定性  33
    3.3.4 特征提取的不确定性  33
    3.3.5 诊断推理的不确定性  33
  3.4 信息融合技术在发电机组旋转设备故障诊断的适用性  33-34
  3.5 本文所采用的故障诊断框架  34-36
  3.6 本章小结  36-37
第4章 D-S证据理论的改进及其在汽轮机故障诊断中的应用  37-47
  4.1 引言  37
  4.2 D-S证据理论基础  37-40
    4.2.1 D-S证据理论的基本框架  37-39
    4.2.2 D-S证据理论的组合规则  39-40
  4.3 D-S证据理论存在的问题  40-41
  4.4 D-S证据理论的改进方法  41-44
    4.4.1 D-S证据理论的改进  41-43
    4.4.2 算例分析  43-44
  4.5 改进方法在发电机组旋转设备汽轮机故障诊断中的应用  44-46
    4.5.1 传感器的安装  44-45
    4.5.2 数据采集与处理  45
    4.5.3 实验结果与分析  45-46
  4.6 本章小结  46-47
第5章基于随机集的改进D-S证据理论在发电机故障诊断中的应用  47-60
  5.1 引言  47
  5.2 随机集理论对D-S证据理论的表示  47-50
    5.2.1 随机集理论简介  47-48
    5.2.2 随机集理论对证据理论的表示  48-50
  5.3 基于随机集的修改证据信任度的改进D-S证据理论  50-52
    5.3.1 基于随机集的改进D-S证据理论方法  50-51
    5.3.2 算例分析  51-52
  5.4 改进方法在发电机组旋转设备发电机故障诊断中的应用  52-54
  5.5 基于随机集-粗糙集的D-S证据理论基本概率分配的获取方法  54-59
    5.5.1 粗糙集理论的随机集表示  54-56
    5.5.2 粗糙集属性约简  56
    5.5.3 基于规则强度的BPA获取方法  56-57
    5.5.4 算例分析  57-59
  5.6 本章小结  59-60
第6章总结与展望  60-62
  6.1 论文总结  60
  6.2 展望  60-62
参考文献  62-67
致谢  67-68
作者在攻读硕士学位期间发表的论文  68

改进的D-S证据理论的信息融合技术在发电机组旋转设备故障诊断中的应用

内容摘要

全文目录

相似论文