论文部分内容阅读
针对目前强耦合复杂热力系统故障诊断中存在诸如引发故障因素多、故障表现形式多样、故障原因与表现征兆之间不存在一一对应的明确关系、各故障间存在着复杂的耦合等实际问题。考虑基于符号有向图(Signed Directed Graph, SDG)的深层知识模型能表达复杂的因果关系,具有包容大规模潜在信息的能力、灵活的推理方式和有效的推理算法,为了充分利用SDG的这些优点,本文在总结前人有关SDG故障诊断研究的基础上,以发电厂热力系统为研究对象,首次将基于SDG的方法引入热力系统故障诊断领域,对基于SDG的故障诊断方法进行了深入而系统的研究,着重研究了SDG建模和简化技术、SDG推理规则、SDG节点阈值确定以及SDG定性定量知识集成等关键技术和难点。发展和完善了基于图论的故障诊断方法。针对传统SDG建模方法在建模过程中推导繁琐、所建模型复杂的局限性,研究了一种结合仿真技术的SDG分级建模方法,为有效解决复杂热力系统SDG建模的难题提供了一个卓有成效的途径。为了提高SDG在故障诊断过程中的诊断速度,阐述了将SDG方法和专家系统相结合的思想,给出了由SDG产生诊断规则的方法。同时为了改善其故障分辨力,通过将动态过程分段去克服SDG诊断系统中不一致边的缺陷;通过进行稳态分析去处理多条相容支路非线性问题;通过采用控制器输出的转换“速度格式”去解决控制回路中非单向过渡阶段的故障定位问题。将主元分析(Principal Component Analysis, PCA)和SDG两种方法结合起来去解决SDG节点阈值难于准确确定的问题。利用PCA进行故障检测,当检测到过程发生故障后,用SDG模型包含的过程信息来解释PCA方法产生的残差贡献图,结合两种方法的优点,减少诊断时间,增加诊断过程自动化程度。针对SDG在诊断知识表示和处理方面的不足,研究了SDG定性定量知识集成的诊断推理策略,给出两种不同的SDG定量化模型。根据模型中节点变化的比率,结合模糊理论去构造SDG支路定量化模型;并为了能更好描述故障传播过程和完善SDG方法体系,在理论上研究了一种SDG节点定量化模型,给出一种PCA、SDG模型和遗传算法三者结合的智能故障诊断方法。通过对300MW火电机组热力系统研究表明,基于SDG的故障诊断方法及所作的改进行之有效,具有良好的通用性。研究结果对实现工程实用的热力设备故障诊断与健康监控技术具有重要的参考价值。