首页> 中文学位 >基于RCM的水轮发电机组状态检修及故障诊断系统的研究
【6h】

基于RCM的水轮发电机组状态检修及故障诊断系统的研究

代理获取

目录

文摘

英文文摘

声明

第一章概述

1.1水电机组检修体制

1.2水电机组状态检修技术发展现状及趋势分析

1.2.1国外发展现状

1.2.2国内发展现状

1.3课题来源、主要研究内容及意义

第二章混沌神经网络及状态检修模型

2.1混沌神经网络理论的提出

2.2混沌神经元模型

2.3混沌神经元网络模型

2.4混合神经网络模型

2.5算法比较

2.5.1 BP网络学习算法

2.5.2混合神经网络学习算法

2.6混合神经网络故障诊断实例仿真

2.6.1混合神经网络的学习与训练

2.6.2混合神经网络实现故障诊断

2.6.3仿真结构图

2.7本章小节

第三章基于RCM的状态检修策略理论

3.1状态检修概况

3.2 RCM状态检修策略

3.2.1 RCM状态检修策略模型

3.2.2RCM检修策略实例

3.2.3 RCM策略结构模型——故障树分析

3.3 RCM检修策略实例应用

3.4小结

第四章基于RCM的水轮发电机状态检修及故障诊断系统设计

4.1软件开发环境

4.2水轮发电机组状态检修及故障诊断系统的总体结构

4.2.1状态监测模块

4.2.2数据采集与预处理

4.2.3故障诊断模块

4.3故障诊断模块实现

4.3.1故障诊断子模块

4.3.2故障诊断模块

4.4总结

第五章总结与展望

5.1总结

5.2展望

致谢

参考文献

附录

展开▼

摘要

本文在参考国内外文献资料的基础上,综述了水电机组实施状态检修策略的发展现状,分析了状态检修的现有水平及发展方向,指出在水电机组中进行以可靠性为中心的维修策略(RCM)的必要性。介绍了混合神经网络原理,并将混沌算法与BP算法进行比较,针对BP学习算法收敛速度慢,收敛过程振荡严重等问题,采用混合神经网络改进其学习算法的不足,即修改权值,从而缓解了上述两个问题的严重性,同时详细介绍了状态检修概述,建立了RCM状态检修策略模型及RCM检修结构模型——故障树分析,并将故障树分析法运用到水轮发电机组故障诊断中,根据水电厂的实际情况制定了相应故障树模型,通过结合大量参考文献及贵州东风发电厂的统计数据,分析了各底事件发生的概率以及对顶事件发生概率的影响,定性的分析了各底事件在整个故障树中的重要性程度,为水电厂制定状态检修决策提供的重要依据,提高了设备故障诊断率。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号