基于粗糙集和遗传算法的水轮发电

针对水轮发电机组故障监测中的大量数据，为了提高故障诊断效率,考虑将粗糙集理论和遗传算法引入水轮发电机组故障诊断中。利用粗糙集获取水轮发电机组故障信息决策表，再用遗传算法的全局搜索技术，对决策表进行约简，找出对故障分类起主要作用的特征，并提取诊断规则。通过对具体诊断实例研究表明：该方法在水轮发电机组故障诊断中具有较高的可行性和有效性。     

模糊故障诊断在水电机组中的应用

根据水轮发电机组的振动特点，本文探讨了适合于水轮发电机组的振动故障诊断方法，提出了将模糊技术应用于水轮发电机组振动故障诊断的思想，简要阐述了模糊故障诊断的基本原理，列出了水轮发电机组的征兆集和故障集，并根据征兆集和故障集的相互关系，提出了相应的模糊关系矩阵。最后通过模糊关系矩阵的运算，确定水轮发电机组的故障模糊向量。并以实际机组的振动故障为实例，验证模糊故障诊断方法的可行性和优越性。     

基于EMD和Multi-fractal spectrum的BP水机故障诊断

为了准确判断水轮机组的故障,提高水轮机组诊断的精确性,建立了EMD-Multi-fractal spectrum和改进BP神经网络相结合的机组振动故障诊断模型.选取水轮发电机组不同工况下的轴系正常、轴承油膜涡动、转子部件不平衡、转子不对中等状态,采集各状态下的振动信号.经过经验模态分解得到振动信号波各种故障信号的EMD分量,根据信号波形趋势图由EMD系数提取出波形样本,再由多重分形谱算法提取波形样本的特征值alpha(q), f(q),将该特征向量作为BP神经网络的输入进行分类识别.将训练好的神经网络应用于全部样本,得到测试正确率为100%.该模型用波形提取信号特征代替了传统的频谱特性,并结合先进的多重分形谱进行诊断识别,为水轮发电机组故障诊断提供了一种新的思路.应用信号采集于水电厂运行的水轮机,根据诊断的结果对轴系各个部件进行局部校正,通过检测发现振动和摆度都大大减弱.该方法提高了检测精度,增强了人机交互性,具有重要的理论意义和实用价值.     

基于改进RBF神经网络的水轮发电机组故障诊断

由于水轮发电机组受到水力、机械、电气等多方面因素的影响,导致其产生的故障非常复杂,且多种故障类型相互耦合,综合分析了减聚类、模糊 K-Prototypes算法以及改进的粒子群优化（PSO）算法,提出了改进的径向基函数(RBF)神经网络算法,构建了一种新的RBF神经网络模型,并将该模型应用于水轮发电机组的故障诊断中。仿真试验的结果表明,该模型的分类准确率更高,稳定性更好。     

风力发电机状态监测与故障诊断技术综述

随着互联网技术、大数据处理技术的应用,基于多参量的故障监测与诊断技术将成为风力发电机组状态监测与故障诊断领域未来发展的方向之一。     

基于改进VMD和GRU的水轮发电机组振动故障预警

针对水轮发电机组受水、机、电等因素相互耦合,早期故障特征被电磁和噪声所淹没难以提取的问题,设计了一种基于改进VMD和GRU的水轮发电机组振动故障预警方法。首先,采用BES算法对变分模态VMD的参数进行寻优,得到最佳的分解层数、惩罚因子和模态个数,然后采用最优的VMD算法对水轮发电机组早期的振动特征进行提取,最后将早期的振动特征输入GRU神经网络预测算法进行训练、验证和测试。仿真结果和工程实例表明,该方法可以有效快速准确提取水轮发电机组的早期微弱振动特征,实现水轮发电机组的早期故障预警,具有较高的工程应用价值。     

电控汽油喷射系统发动村故障诊断的探讨

汽车故障诊断技术是汽车电子控制技术的重要组成部分,在汽车维修工作中起着重要的作用。电子控制系统的大量应用提高了汽车性能,但使故障的诊断更加困难。本文针对汽车电子控制系统的特点,论述了汽车故障诊断技术。     

新能源汽车启动原理及故障诊断技术探究——以吉利帝豪EV300为例

【目的】新能源汽车在国家相关补贴政策和使用成本低的双重加持下发展迅猛,但新能源汽车相关维修人员长期供不应求,严重影响了新能源汽车故障的诊断维修。【方法】笔者以纯电动汽车吉利帝豪EV300不能正常启动的故障诊断为例,主要针对新能源汽车启动原理及故障诊断技术进行探究,分析了新能源汽车启动的4个环节以及相关条件,利用故障类型分析法、判断法、结合法对新能源汽车启动类故障进行诊断,先观察车辆故障现象,大致判断故障范围,再围绕故障范围进行分段检测,直至检查出故障点位置。【结果】1）该分析诊断技术能满足新能源汽车不能正常启动类的故障诊断排查要求,可以更快地诊断出新能源汽车不能正常启动这一类故障,节省了故障诊断时间以及维修成本;2）由于检修设备条件的限制,车辆启动信号检测时没有选用示波器,未能实时检测车辆启动信号状态,且该故障诊断方案未考虑车辆的使用环境对车辆本身的影响。     

振动分析法在风力发电机组监测与故障诊断中的应用

振动分析法是对风力发电机组状态的监测与故障诊断的一个切实有力的技术,为保证风力发电机组正常工作运转提供了坚实的保障。本文介绍了风力发电机组的结构及产生故障的原因,通过对多篇文献进行梳理总结后,总结了目前存在的风力发电机组监测与故障诊断的方法,并展开分析各个方法的优缺点以及应用状况,最后对于风力发电机组监测与故障诊断技术的难点也提出了相关建议。     

基于PCA-SDG的水轮机调节系统故障诊断

讨论了基于符号有向图SDG的故障诊断方法,建立了闭环控制系统的SDG模型及故障诊断推理规则.利用经验方法建立了典型的水轮机调节系统的SDG模型及故障诊断推理规则.针对SDG模型节点符号确定的主观性问题及节点阈值的组合爆炸问题,将主元分析PCA方法与SDG模型结合用于故障诊断.利用系统运行数据建立主元分析PCA模型,根据PCA模型构造残差统计量进行故障检测,当有故障发生时,将每一检测分量对残差统计量的贡献率与设定的贡献率阈值比较,得到各检测分量的定性符号值,该符号值作为SDG模型中相应节点的符号,根据SDG推理规则进行故障推理,找出故障源.根据现场运行数据建立水轮机调节系统的PCA模型,应用PCA-SDG故障诊断方法对其进行故障诊断,模拟系统传感器恒偏差故障,对故障诊断过程进行仿真,结果证明该PCA-SDG故障诊断方法对水轮机调节系统是有效的.