300mw汽轮机故障诊断系统的研究和应用

《300mw汽轮机故障诊断系统的研究和应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华北电力大学（保定）硕士学位论文300MW汽轮机故障诊断系统的研究和应用姓名：王仕龙申请学位级别：硕士专业：控制理论与控制工程指导教师：韩璞20061225华北电力大学硕士学位论文摘要摘要结合当前故障诊断和计算机监测领域的最新成果，针对300MW汽轮发电机组的实际应用情况，对300MW汽轮机组的故障诊断系统进行了研究。全文的研究内容：(1)研究汽轮机组振动故障产生的机理及具体的故障征兆。(2)研究故障诊断实施的一般方法和步骤，提出故障诊断系统的一般体系结构，讨论了状态信号的采集，故障信号征兆的提取以及机组状态的识别。(3

2、)分析了基于专家系统故障诊断的技术基础，提出了基于规则的知识表示方法来对汽轮机故障进行诊断。(4)开发了300MW汽轮机故障智能诊断系统，分析其系统框架结构并进行典型故障案例分析。关键词：汽轮机，故障诊断，信号分析，专家系统ABSTRACTAsfortheactualsituationof300MWturbine，thispaperunifiestheresearchresultsofthecurrentfaultdiagnosisandcomputermonitoGresearchesthefaultdiagnosis

3、systemof300MWturbine．Themainresearchcontent；(1)Studyingthevibrationfaultmechanismandthefaultsymptomindetail．(2)Studyingthegeneralimplementationmethodsandprocessesoffaultdiagnosis．Puttingforwardthearchitectureofcondition—baseddiagnosissystem，Discussingthesignalcol

4、lection，characterextractionandstatusrecognitionincondition—basedmaintenancesystem．(3)FaultsdiagnosistechnologiesbasedOilexpertsystemisanalyzed．Expertsystembasedonrulesisappliedtoturbinefaultdiagnosis．(4)Asetofturbinefaultintelligentdiagnosissystemisimplemented．It

5、sframeworkisanalyzed．Analyingtypicalvibrationfaultdiagnosis．WangShilong(ControlTheoryandControlEngineering)DirectedbyProf．HanPuKEYWORDS：turbine，faultdiagnosis，signalanalysis，expertsystem声明本人郑重声明：此处所提交的硕士学位论文《300Mw汽轮机故障诊断系统的研究和应用》，是本人在华北电力大学攻读硕士学位期间，在导师指导下进行的研究工作和

6、取得的研究成果。据本人所知，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得华北电力大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名日期坐士：；：!翌关于学位论文使用授权的说明本人完全了解华北电力大学有关保留、使用学位论文的规定，即：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学校可以采用影印、缩印或其它复制手段复制并保存学位论文；③学校可允许学位论文被查阅或借阅；④学

7、校可以学术交流为目的，复制赠送和交换学位论文；⑤同意学校可以用不同方式在不同媒体上发表、传播学位论文的全部或部分内容。(涉密的学位论文在解密后遵守此规定1作者签名日期：型崮因：j：12＼导师签名华北电力大学硕士学位论文1．1本文研究的目的和意义第一章引言二十世纪以来，随着工业生产和科学技术的发展，机械设备的可靠性、可用性、可维修性与安全性的问题目益突出，从而促进了人们对机械设备故障机理及诊断技术的研究【11。汽轮发电机组是电力生产的重要设备，由于其设备结构的复杂性和运行环境的特殊性，汽轮发电机组的故障率不低，而且故障危害

8、性也很大。因此，汽轮发电机组的故障诊断一直是故障诊断技术应用的一个重要方面。早期的汽轮发电机组故障诊断方法为人工诊断，这是最原始的，却也是基本的故障诊断方法。直至70年代它仍然是国内外电力系统主要的诊断方法。从上世纪70年代起，随着人工智能理论、电子技术和计算机技术的发展，为机理化振动故障诊断技术向自动化、智能化发展