随着工业化进程加深,工业4.0的革命浪潮即将席卷而来。这场以“智能化”为核心的工业变革将带来一批全新的智能设备及智能化的设备管理技术,重新定义人与机器的协作机制。随着设备的复杂程度不断增加,设备的故障管理成为保障生产安全、提高生产效率的关键技术,智能化成为工业4.0时代下故障管理技术发展的必然趋势。智能化的本质是用数据获得知识。随着传感器技术与信息技术的发展,眼下正是一个多源数据自动产生的时代,这也为开展智能故障管理提供了良好的基础。燃气轮机作为广泛应用于国防与能源工业的高新技术动力设备,设备复杂度高,故障种类繁多,且自动化、信息化程度高,开展智能故障管理难度大,收益高,具有重大意义。因此,本文旨在充分挖掘与燃机相关的多源数据的价值,进行其智能故障管理理论及方法的研究。首先,针对支撑燃气轮机智能故障管理研究的数据获取技术,开展了三项研究:1)针对监测数据的获取,搭建了总体性能测试系统,进行了总体稳态性能测试、故障对总体性能影响测试、故障长期发展趋势跟踪,以支撑后续研究;2)针对仿真数据的获取,研究了工质的热物理性质和部件建模方法,基于模块化建模的思想建立了燃气轮机性能仿真模型,该模型对两台实际燃机的仿真误差均在1%以内;3)针对传感器测量的不确定性,进行了两项研究,即基于模型的数据调和与面向测量偏差的传感器故障诊断,应用这两项技术可以有效地削弱测量不确定性,识别故障传感器并进行数据恢复。接着,对燃气轮机智能故障管理进行了三项研究,即故障特征分析、故障状态评估和故障趋势预测。故障特征分析研究旨在将故障模式的危害性、后果、发展趋势等属性信息化,从而确定合适的维护策略。以“以可靠性为中心的维护”理论为基础,对其两大分析工具故障模式及影响分析和逻辑决断图进行改造:提出一种应用于故障管理的故障模式及影响分析方法,并确定待分析的故障属性与评价标准;建立一种基于故障知识库的维护策略逻辑决断模型,智能化地制定维护大纲。据此,提出动态以可靠性为中心的维护设想,拓展以可靠性为中心的维护应用范围的边界,并设计了一套动态以可靠性为中心的维护分析方法,进行了案例研究,结果表明采用该方法可显著提高视情维护的故障管理水平。故障状态评估研究旨在采用监测数据智能地定位故障部位、识别故障模式、评估故障程度,分别对基于模型与基于数据的两种诊断方法进行了研究:1)针对当下主要智能算法应用于基于模型的燃气轮机气路故障诊断存在的问题,采用模拟退火-粒子群混合算法进行故障诊断。对比研究结果表明,该方法避免出现局部最优解的同时,大幅提高了全局搜索的速度;2)将支持向量机应用于基于数据的气路故障诊断,并提出了一种全新的诊断框架。和神经网络的对比分析表明,诊断精度要求相同时,该方法需要的训练样本更少。故障趋势预测研究旨在将更多的数据引入常规的时序预测中,智能地预测燃机衰退性故障未来的发展趋势,提出两种新型预测模型:1)基于马尔可夫过程与关联分析的灰色预测模型,应用该模型可以将同类设备的衰退性故障发展曲线应用于趋势预测,并能预测数据的波动性;2)基于故障概率密度的性能衰退趋势预测模型,该模型基于可靠性参数与性能参数之间的关系,将同类设备的历史故障记录应用于故障特征参数的趋势预测,以提高预测精度。最后,基于本文研究成果开发了燃气轮机智能故障管理系统,应用该系统开展了两项案例研究:1)针对突发性故障的分析。该案例中智能故障管理系统可以迅速监测到微小的压气机叶片击伤,及时避免故障危害扩大;2)针对衰退性故障的分析。该案例中智能故障管理系统可以根据衰退性故障的发展趋势,在线完成维护任务排程,相较于定时维护,机组可以获得更佳的可用度与经济性。本文理论研究工作建立在与英国Cranfield University深度合作的基础上,方法验证与应用得到了中国石油西气东输管道公司的大力支持。