实现设备的实时监测和从设备的未来状况做预防性维修,即将设备的故障消灭在萌芽期,同时依据监视情况来判断设备状况,作为设备维修的基础。为此,企业与高校相结合,理论与实际相结合,共同推动设备监测和故障诊断的工程应用研究, 并在该工程应用领域取得了优异的成绩。Р在我国设备的在线监测和故障诊断技术可分为两个阶段[7]。首先是利用传感器, 将测试得到的数据通过转换传给计算机,在计算中通过信号的处理技术和方法,对设备进行实时监控。这一阶段主要是通过引进国外的先进科技成果,并在国外先进科技成果中开始不断研发和吸收。从故障形式、类别、相关联性、征兆、影响等实际应用方面入手,同时结合传感技术,信号和信息处理技术,测试方法等方面理论知识来实现,虽然实现了监测和诊断功能,但具有不小的局限性。Р随着科技的进步,人工智能技术的普及和应用,使得设备的监测和诊断技术迈入了第二阶段,研究的内容和实现的方法都发生了本质的变化,形成了以知识库为基础的设备故障诊断技术。采用人工智能化,计算机故障类型模式识别,信号处理与反馈, 模型数据采集与比较的智能诊断系统[8]。从而实现我国在设备的诊断理论和诊断技术上质的飞越。Р1.4 本文主要研究的内容Р在发电机故障诊断专家系统这一庞大的课题中,本文主要完成以下内容的研究:Р1. 了解专家诊断系统的原理,如何通过知识库和推理来判定故障。简述故障专家诊断系统的主要特点和工作原理,通过系统所能实现的不同功能将系统进行模块划分,系统诊断数据流程,系统的运行协助和控制。Р2.建立发电机定子绕组线圈温度统一模型及定子线棒槽内测温计温度统一模型, 利用大量的现场生产数据和实验数据,采用人工神经网络和最小二乘法这两种简易可行的辨识方法,来对该统一温度模型进行辨识,并将该温度模型及辨识方法在外高桥电厂机组上加以应用。Р3. 在传统理想的发电机参数模型的基础上,考虑饱和、阻尼、及发电机结构等
全文预览
