论文总字数：24899字

目 录

1.绪论 1

1.1 选题背景及意义 1

1.2 国内外的故障诊断技术研究现状 1

1.3 故障诊断原理及发展 3

1.4 本文的主要研究内容 4

2.神经网络 5

2.1 神经网络的概述 5

2.2 神经网络的基本原理 5

2.3 神经网络的结构与特性 6

2.3.1 神经网络的结构 6

2.3.2 神经网络的特性 7

2.4 神经网络在汽轮发电机组故障诊断中的应用 7

3. 基于反向传播（BP）神经网络的汽轮发电机组故障诊断 8

3.1 BP神经网络模型 8

3.2 BP神经网络的学习流程 9

3.3 基于BP神经网络的汽轮发电机组故障诊断 10

4. 基于概率神经网络（PNN）的汽轮发电机组故障诊断 14

4.1 概率神经网络模型 14

4.2 概率神经网络模型的理论与方法 15

4.2.1 Bayes分类 15

4.2.2 Parzen窗口法 16

4.3 概率神经网络的数学描述 17

4.4 基于概率神经网络的汽轮发电机组故障诊断 17

5. 总结与展望 23

附录 26

致谢 30

基于概率神经网络（PNN）的汽轮发电机组故障诊断

刘斌

，China

Abstract：Turbo-generator units are becoming increasingly intelligent and functional. But uncertainty and uncertain information exist. In order to ensure the safety of turbines, the uncertainties are solved first. Because the traditional BP neural network has limited ability to recognize this kind of uncertainty, and the error convergence rate is slow, the diagnosis accuracy is low. In order to ensure the accuracy of fault diagnosis of turbo - generator, a fault diagnosis of turbo - generator based on probabilistic neural network (PNN) is proposed. PNN has many advantages, and the machine learning algorithm is sample and convenient to train. Compared with the traditional sample processing method, PNN training sample and introduce to training network, so as to ensure the correct and reliable diagnosis result. The results of MATLAB simulation show that PNN ensure the accuracy of diagnostic on the basis of speed, classification performance greatly improved diagnostic efficiency is also greatly improved.

Keywords: fault diagnosis; turbo-generator sets; neural network; probabilistic neural network

1.绪论

1.1 选题背景及意义

上个世纪后期，科技及电力得到了迅速发展，机械硬件的不可靠、实用性低和安全保障等问题迫切的需要得到缓解。而依靠电力形成的生产设施的使用逐渐变得更加广泛和复杂。自动化性能也逐步强大，设施内部构造也较之前繁琐，发电设施可能会因为外界故障而出现的经济损耗问题也更加突出。因此，科研人员逐步把重心转移到机械设备故障机理及诊断技术，其研究探讨的意义也更加明显。

汽轮机极容易发生故障，主要来源于它的设施构造的复杂，设施运行的系统环境要求高。汽轮发电机组发生故障造成的危害也很严重。所以，如何诊断汽轮发电机组的故障以及针对其故障给出解决方案成了故障研究和诊断技术的重要研究课题，也是如何应用故障诊断技术的重中之重。汽轮机的故障彼此相似但不相同，而且非线性可分。出现的故障问题和故障出现之前的征兆关系比较模糊，各种特征之间彼此参杂，因而诊断汽轮发电机组的故障是一个重要但又很复杂的问题。由于人工智能的不断发展，汽轮发电机组的故障诊断方法由前期的人工诊断逐渐开始转向更加自动化和智能化的方向，有了质的飞跃。

故障诊断结合了模式识别和人工智能这两者的技术优势。综合了信号处理、电子信息技术、统计科学等多个学科的理论基础。随着发电设备故障诊断技术与方法研究的发展，很多国家逐步认识到其发展前景和巨大的经济效益，经过长时间的进步，故障诊断技术已经出现了多种多样的方法。对比下来，新发展和研究出的方法在各个方面都有了很大的进步。汽轮发电机组的故障诊断技术不论是在国内还是国外都取得了突破性的进展。

上世纪六十年代，汽轮电机故障诊断技术作为一门新学科得到了普遍认可，它的离线诊断包括了定期维护和故障后的维修。定期的对汽轮电机进行检查和维修，能减少故障发生的概率，增加汽轮电机的使用寿命，但是定期维修的工作量大，导致生产停滞，影响工作中的产出效率。同时，设备损坏大大增加维修费用，产生严重的效益损失。所以，通过汽轮发电机组故障诊断，能够有效地预防和排除故障，提高汽轮电机的运行效率，意义重大。

1.2 国内外的故障诊断技术研究现状

国内故障诊断技术的发展起初主要是基于国外技术的依托。随着我国机械生产水平的提高和对国外先进技术的学习，故障智能诊断的发展势头愈来愈可观。智能诊断主要分为三个方面，分别是：知识研究、错失研讨和在实践中研究。据可靠数据的分析，国内故障诊断技术的发展形成了速度快、规模大的优势。基于人工智能的专家系统与神经网络都是目前国内比较流行的故障智能诊断的方法。基于人工智能的专家系统是由推理机、知识库以及人机接口这三大模块构成。而神经网络是由比较单一的神经元彼此组合连接而成。前向多层网络是当前最常用的神经网络模型，它使用的是BP算法。我国在发电设备故障监测和诊断方面的发展较其他国家略显滞后，从上个世纪80年代之后，我国在故障诊断技术的发展脚步才逐渐加快。整个发展历程主要概括为3个阶段：初始阶段是1970年到1980年，当时的故障诊断主要依赖于工人的经验；第二阶段是1980年到1999年，这个时期是我国故障诊断技术快速发展的时期，国内相关研究人员根据以往的教训和经历，尝试研制属于国人自制的在线监测装置；第三阶段是在21世纪初期至今，故障诊断技术进入到一个相对平稳的发展时期，主要着手解决故障理论与实践运用中遇到的问题，出版了大型工具书——《设备故障诊断手册》，《机械故障诊断丛书》等一些论著。

虽然我国在一些大型机械的故障监测和诊断领域有一定的成就，但是，现今的状况仍然不能满足实际需要，振动仍是当前影响大型机组运行的关键技术之一。例如：1988年，曲靖电厂、湘潭电厂在新机组调试时，都是因为振动问题导致机组投运不顺利。全国各地大型机械发生振动问题而导致电力生产的事故频繁出现。1988年6月，某电网局出现过有多台200MW以上的大型机组同时出现高压缸叶片断裂重大事故，直接损失2400万元；内蒙古丰镇发电厂1994年2号汽轮机大轴变形事故；1999年阜新电厂1号汽轮机组轴系断裂事故等。所以，电厂设施的在线监测以及对可能出现的故障诊断变得尤为重要。

现在我国从事大型机组设备故障诊断系统大都是是高校、研究院、制造厂和电厂。高校主要有西安交通大学、哈尔滨工业大学、清华大学、东南大学等；研究院主要由上海成套所、哈尔滨电工仪表所、西安热工研究所等；还有一些大型电厂开发了状态监测和故障诊断的软件系统如TGD-4、MMMD-3、HSD-2000、RB-20、TTS-1和AMDS8900等。山东电力科研院和清华大学等，共同研发了“大型汽轮发电机组远程在线振动监测分析与诊断网络系统”；上海发电设备成套设计研究所在国家“六五”、“七五”、“八五”期间主要在研究旋转机械状态监测与诊断，开发了用于火电厂的振动状态监测与故障诊断系统；北京英华达电力电子工程科技有限公司还研发了应用于水电机组的故障诊断系统。

实践证明，有了多年的努力，我国在对汽轮机的故障诊断领域发挥了作用，也取得了一定的成就。

外国的故障诊断技术的历史已历经四十年之久。无论是国内还是国外，故障诊断技术的发展都是以信号收集为基础，借助数据分析技术以及计算机应用技术逐步开始发展的。美国作为从事汽轮机故障诊断技术研究的带头人，目前在这一领域已经处于世界领先的水平。美国的故障诊断技术主要涉及的领域有航空和发电两方面。代表公司有EPRI、IRD、CSI等领先企业。他们的在线监测技术和对故障原理的研究已经相当成熟。相比于美国，日本对AID的研究也很有借鉴意义。日本在该领域的主要建树在汽轮发电机寿命检测和寿命诊断技术的研究两方面。代表企业有日立电器、东芝电器以及富士康等。国外资料表明：为系统加配一个具有故障诊断功能的系统可以提升收益。大大地降低故障的出现频率。英国曾经对国内的两千个企业做过对比调查，依据调查结果从而得出科学结论：配置故障诊断功能的系统，可很大程度的节约维修费用，收益可提高6倍。上世纪中期，美国，日本和欧洲等一些发达国家先后开始了设备诊断系统的研究。由此可见，故障诊断技术的研究运用，在国外企业和经济发展过程中起到了举足轻重的作用，也因此为国外企业带来了良好的经济效益，从而推动国家的经济发展。

表1-1 国内外发展趋势

1.3 故障诊断原理及发展

设备出现故障的原因一般不是单一稳定的，存在很复杂的综合问题。故障出现前所展现的征兆表象与故障之间的联系也不是一成不变的，因此，大型机组的故障诊断存在很大的挑战性，更加具有探索意义。研究故障诊断不是诊断机械设施故障的根本目标，研究的重点在于研究其基本原理和方法。

故障诊断最开始主要适用于机械设备，但近几年我国现代设备技术已经成熟，设备技术的复杂度也相比之前有所提高，而在生产的过程中设备故障对产出效率的影响依然很大。因此，故障诊断技术的发展就变得更加迫切。目前，我国的故障诊断主要是通过在线监控、数据分析以及计算机技术等的结合来实现。它主要研究机械设备在动态和静态两种状态下的可用信息，以此来判断机械设备的生产状况，进而分析设备可能出现的故障以及引起该故障存在的原因，并预判设备再次出现的故障和该故障发展的导向，从而给出可靠、可行的解决策略。此外，该技术还可以提前暴露故障的表象征兆，发现引起故障出现的可能原因，尽可能早地排除机械设备地故障，避免没有必要的经济消耗。因此，使用故障诊断技术对于目前的工业生产而言，价值较大。

剩余内容已隐藏，请支付后下载全文，论文总字数：24899字

相关图片展示：