论文题目: 电站故障诊断专家系统和寿命管理在线监测软件开发
论文类型: 硕士论文
论文专业: 动力机械及工程
作者: 冯泽磊
导师: 王培红
关键词: 电站,故障诊断,专家系统,寿命,设计模式
文献来源: 东南大学
发表年度: 2005
论文摘要: 本文以“鄂尔多斯电力冶金有限责任公司一期(2×330MW)工程厂级监控信息系统(SIS)”为背景,主要对电站过热器、再热器、汽包、转子寿命在线监测模型和故障诊断专家系统进行了研究,论文的主要内容为:1.分析了过热器、再热器、汽包、高中压缸转子的寿命消耗的主要原因,在此基础之上,根据实时计算的要求提出了各部件相应的寿命在线计算模型。2.设计和实现了蠕变寿命和低周疲劳寿命通用计算模块。蠕变寿命损耗采用以Robinson法则为基础的时间-分数方法,低周疲劳寿命的计算主要采用美国ASME的计算方法。为了能做到通用,本文根据面向对象的原则设计了蠕变寿命计算模块和低周疲劳寿命计算模块,并将此应用于过热器、再热器、汽包和汽轮机高、中压转子的寿命计算。3.研究了专家系统的结构、知识获取和表示,分析了故障诊断专家系统知识库,推理算法,置信度计算等的实现。在此基础之上,运用C++语言开发了基于规则和模糊推理的专家系统故障诊断软件并应用与鄂尔多斯电厂SIS中。首次应用模糊聚类(FCM)和决策树方法确定了征兆阈值。根据机理知识、专家经验和相关文献总结了凝汽器真空故障知识库,并对本文建立的专家系统进行了测试,取得了比较好的诊断结果。为了使用户比较容易的对专家系统知识库进行维护,本文还开发了故障诊断专家系统知识库维护模块。4.对设计模式在SIS软件开发中的应用做了探索性的工作。设计模式是面向对象软件设计经验的总结,它可以有效的改善程序的结构,提高程序的通用性。本文在高温蠕变模块和低周疲劳模块的开发中分别应用了模板模式、策略模式和单件模式,有效的改善了软件结构,提高了模块重用性。
论文目录:
摘要
ABSTRACT
第一章 绪论
1.1 论文选题背景及意义
1.2 机组寿命评估管理现状
1.2.1 过热器、再热器寿命评估
1.2.2 汽包寿命评估
1.2.3 转子寿命计算
1.3 机组故障诊断现状
1.3.1 故障诊断技术概述
1.3.2 专家系统发展
1.4 本文的主要工作
第二章 机组主要部件寿命在线计算模型
2.1 过热器再热器寿命计算模型
2.1.1 过热器、再热器寿命计算概述
2.1.2 过热器、再热器寿命在线计算模型
2.2 汽包寿命计算模型
2.2.1 汽包寿命计算概述
2.2.2 汽包应力在线计算模型
2.2.3 雨流法
2.2.4 汽包寿命计算
2.3 转子寿命计算模型
2.3.1 转子应力计算模型
2.3.2 转子寿命计算模型
2.4 本章小结
第三章 模糊故障诊断专家系统
3.1 模糊故障诊断专家系统概述
3.2 故障诊断专家系统的基本结构
3.3 专家系统知识的表示
3.4 知识的模糊产生式表示
3.5 专家系统知识获取
3.6 推理机制
3.7 专家系统的不确定性和可信度计算
3.8 专家系统征兆计算方法
3.9 本章小结
第四章 eDNA开发平台与设计模式
4.1 eDNA开发平台
4.2 面向对象设计的原则
4.3 设计模式
4.3.1 模板模式
4.3.2 策略模式
4.3.3 单件模式
4.3.4 模板模式和策略模式应用
4.4 本章小结
第五章 机组主要部件寿命计算模块实现
5.1 机组寿命计算软件结构
5.2 高温蠕变寿命通用计算模块的实现
5.3 低周疲劳寿命通用计算模块的实现
5.4 过热器、再热器算例和主要功能模块
5.4.1 过热器寿命计算算例
5.4.2 过热器寿命监测方案和功能模块
5.5 汽包寿命算例和主要功能模块
5.5.1 汽包寿命计算算例
5.5.2 汽包寿命监测方案和主要功能模块
5.6 转子寿命算例和主要功能模块
5.6.1 转子热应力算例
5.6.2 转子寿命主要功能模块
5.7 本章小结
第六章 故障诊断专家系统的实现
6.1 专家系统的工作过程
6.2 专家系统知识库的设计
6.3 凝汽器故障测试
6.4 知识库维护模块
6.5 本章小结
结束语
参考文献
致谢
作者在硕士研究生期间发表的论文及主要科研项目
发布时间: 2007-03-12
参考文献
- [1].基于深度学习的化工故障诊断方法研究[D]. 胡志新.杭州电子科技大学2018
- [2].信息重构的改进极限学习机故障诊断研究[D]. 高欣.辽宁大学2018
- [3].基于深度学习的故障诊断技术研究[D]. 张士强.哈尔滨工业大学2018
- [4].基于多模式识别的FBGS故障诊断与预测研究[D]. 姜婷睿.哈尔滨工程大学2018
- [5].基于μPMU的主动配电系统故障诊断与区段定位研究[D]. 张永杰.北京交通大学2018
- [6].基于SI-DICA故障诊断方法研究[D]. 刘洋.东北大学2015
- [7].数据缺失情况下基于深度学习的故障诊断[D]. 刘炜博.河南大学2018
- [8].基于偏最小二乘的故障诊断和质量监测方法[D]. 叶晓丰.杭州电子科技大学2018
- [9].面向工业过程故障诊断的条件状态模糊Petri网建模与推理[D]. 李沛洁.北京化工大学2018
- [10].基于云服务模式的远程智能故障诊断系统的实现[D]. 焦天琦.北京化工大学2018
相关论文
- [1].实时公交调度专家系统设计与相关算法研究[D]. 郭栋栋.北京交通大学2007
- [2].单元机组性能在线监测系统开发及电站运行数据的知识发现研究[D]. 李琳.东南大学2005
- [3].风机实时在线状态监测与故障诊断模糊神经专家系统研究[D]. 林家国.江西理工大学2007
- [4].基于专家系统的大型企业动力厂铁磁谐振故障诊断系统的开发[D]. 李凤周.江西理工大学2007
- [5].基于粗糙集—神经网络的智能混合故障诊断系统的开发[D]. 王丰美.浙江工业大学2007
- [6].组合机床液压系统故障诊断专家系统研究[D]. 杨宇.武汉理工大学2008
- [7].电能质量在线监测分析系统在昭通电网的应用研究[D]. 李锐.昆明理工大学2008
- [8].汽轮发电机组状态监测与故障诊断[D]. 杨希刚.华北电力大学（河北）2008
- [9].电力机车故障诊断专家系统的研究[D]. 陈海滨.西南交通大学2008
- [10].故障诊断专家系统在某武器系统中的应用[D]. 唐志凌.重庆大学2005