《基于人工神经网络的汽轮机安全性分析》由会员分享，可在线阅读，更多相关《基于人工神经网络的汽轮机安全性分析（47页珍藏版）》请在金锄头文库上搜索。
1、Y8 7 3 2 0 8首都经济贸易大学硕士学位论文基于人工神经网络的汽轮机安全性分析A N A L Y S l SO NF A U L l 。D l A G N O S I SF O RT U R B I N EG E N E R A T O RU N I TB A S E DO NN E U R A LN E T W O R K院系：塞全皇叠撞工猩堂瞳专业：塞全撞丕丛王猩作者：崖杰塑指导教师：装建遮麴攮完成日期：三雯墨盔生三旦学位论文独创性声明本人郑重声明：今所呈交的基于人工神经网络的汽轮机安全性分析论文是我本人在导师指导下进行的研究工作及取得的科研成果。尽我所知，文中除了特别加以标注和致
2、谢的地方外，论文中不包含其他人己经发表或撰写的内容及科研成果，也不包含为获得首都经济贸易大学或其他教育机构的学位或证书所使用过的材料。作者签名：蠢力鸦日期：兰型! 年二月兰日学位论文版权使用授权书本人完全了解首都经济贸易大学有关保留、使用学位论文的有 关规定，即：学校有权保留送交论文的复印件，允许论文被查阅、 网络索引；学校可以公布论文的全部或部分内容，可以采取影印、 缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定)作者签名：和西导师签名：监日期；止乒月卫目1引言1 1 应用背景分析随着神华集团宁海电厂2 号机组的建成投产，我国电力装机容量突破了5亿千瓦，同时，现代工业的特点
3、是：设备大型化，生产连续化，高度自动化和高度经济化。这在提高生产效率、降低成本、节约能源和人力、减少废品率保证产品质量等方面，具有巨大的优势。由于汽轮发电机组的发展方向是高参数、大容量，截至到2 0 0 5 年底，我国3 0 0 M w 及以上机组占火电装机总量的4 2 ”1 。在此情况下，原本仅仅承担基本负荷的机组( 比如3 0 0 M w 的汽轮发电机组) 也要参与调峰运行，这样对机组可靠性的研究也不再仅仅是针对稳态的、额定工况下的，而是动态的、任意负荷的，因此对大型汽轮发电机组在高速、连续状态下运行的可靠性要求也就愈来愈高。汽轮发电机组向高参数、大容量发展是为了降低单位煤耗和运行成本，但
4、是这样的发展趋势也使得汽轮发电机组聚集了更多的能量，因此这种发展方向也对安全领域的发展提出了更高的要求。从能量意外转移的观点出发，预防伤亡事故就是防止能量或危险物质的意外释放，从而防止人体与过量的能量或危险物质接触“1 。在高参数的汽轮发电机组日益增多的情况下，不仅仅是能量的集聚问题，更为重要的是，系统变得比以前更复杂或者使用的材料要承受更大的应力。因此，对大型汽轮发电机组的运行状态实施监测并进行及时、准确的故障诊断是保障大型汽轮发电机组安全运行、预防伤亡事故的一项重要安全技术措施。众所周知，在故障出现的早期能够及时准确地发现隐患、提前做出预警、启动相应等级的应急预案、采取相应的措施，是避免事
5、故发生、减少损失的有效办法。然而，大型汽轮发电机组的结构非常复杂，尤其是为了提高机组的效率，汽轮发电机组往往还设有蒸汽再热装置等数目众多的旁路系统，仅一台3 0 0 M w 等级的汽轮机就有各类零部套上万个，系统的可靠度是建立在系统中各个零( 元) 部件之间的作用关系和这些零( 元) 部件本身可靠度的基础之上。因此汽轮发电机组所涉及的安全问题很多，仅仅振动这一方面的安全问题就受到很多因素的影响，比如：机组的机械结构、机组的负荷、真空、转子和缸体的热膨胀、电网的波动、润滑油的温度和基础等相互作用都可能表现为机组的振动。故障机理和产生故障的原因非常复杂，故障与征兆之间往往没有明显的1 引言对应关系
6、，并且对各类故障反映的特征参数也不完全相同，这给故障诊断带来了极大的困难。自从应用汽轮发电机组之后，工程技术人员便着手研究各种以保证汽轮发电机组安全运行为目的的技术措施和管理措旌。研究成果显示，发生事故所造成的直接损失与间接损失是l ：4 的关系；安全保障措施的预防性投入效果与事后整改是1 ：5 的关系。但是从宏观上看，停电对于整个国民经济来讲会产生巨大的负面影响，例如，2 0 0 3 年美国东部时间8 月1 4 日下午由于美国第4 大由投资者拥有的电力公司第一能源公司的3 条输电线跳闸，导致大量电流突然涌入相邻线路。因为没有及时调节，这些线路也由于不堪负荷而停止运转出现的大停电波及美国从中西
7、部到东北部的3 个州和加拿大的局部地区，约5 0 0 0 万用户受到影响，经济损失达6 0 多亿美元，是美国历史上最严重的停电事故“1 。由此可见，在科技发展的今天，电力被广泛地应用于各个领域，所以电厂所发生的事故对社会所造成的损失是决不可以用1 ：4 来衡量的；电厂的安全保障措施的预防性投入效果与事后整改是决不可以用l ：5 来衡量的。对汽轮发电机组进行故障诊断的研究，不仅对于早期发现故障原因及部位、提高机组的运行可靠性以及制定科学的维修制度具有现实意义，还影响到社会的稳定和经济的持续发展。1 ，2 研究相关课题研究现状最早开展故障诊断技术的是美国1 9 6 7 年在美国宇航局和海军研究所的
8、倡导和组织下，成立了美国机械故障预防小组M F P G ( M a c b i 玎e r yF a u l tP r e v e 曲nG m u D ) ，针对航空航天系统从事故障机理、检测、诊断和预测的研究和开发，并有计划有组织的对诊断技术进行研究。以后很多学术机构如美国机械工程学会( A S M E ) 、政府部门如国家标准局( N B s ) 以及一些高等院校和企业公司都参与或进行了与本行业有关的诊断技术研究。美国的公司在事故预防性维修技术处于国际领先地位，开发了M p m s e 联网机械状态监测系统，P n l p o w e r旋转机械振动诊断系统。B 咖l y 公司在转子动力学方
9、面，旋转机械故障诊断机理的研究比较透彻，在振动监测方面做得比较深入。因此该公司开发的旋转机械故障诊断系统( A D R 3 ) 在国内电站领域的应用很受用户的欢迎。1 。机械故障诊断技术在欧洲”1 也得到了很大的发展，有很多公司从事故障诊断技术的研究、产品开发及应用：英国于二十世纪七十年代初成立了机械保健中心( U K ，M e c h a I l i c a lH e a 蛐M o n i t o r i n gC e n t e r ) 。瑞士A B B 公司于1 9 7 1 年引入第一个计算机辅助数据采集系统( c A D A ) ，并将其应用于人机联系振动观察系21 引言统，法国于1
10、9 7 8 年在法国电器研究与发展部研制了在线振动监测系统和P s A D系统，用于大型电站机组与反应堆冷却泵的监测与诊断。另外挪威的船舶诊断技术、瑞典的轴承诊断技术等都取得了显著的经济效益和社会效益。二十世纪八十年代日本在钢铁、化工、铁路等民用工业部门的诊断技术方面发展很快。日本三菱重工首先研制了机械状态监测系统( M 印s ) 在多台核电站和商业热电站使用，后来又发展成带诊断规则描述，以及采用模糊逻辑分析确定置信因素功能的振动诊断专家系统”1 。国内故障诊断技术是在引进国外先进技术的基础之上，进行消化、吸收发展起来的。设备故障诊断技术的发展大致可以分为四个阶段：第一阶段是在1 9 世纪，当
11、时机器本身的技术水平和复杂程度都很低，因此采用事后维修方式。第二阶段是进入2 0 世纪后，随着大生产的发展，机器设备本身的技术复杂程度也有了提高，设备故障和事故对生产的影响显著增加，在这种情况下，出现了定期预防维修方式。这期间，设备故障诊断技术处于孕育时期。第三阶段是从2 0 世纪6 0 年代开始，特别是7 0 年代以后，随着现代计算技术、数据处理技术等的发展，出现了更科学的按设备状态维修方式的故障诊断技术。第四阶段是2 0 世纪8 0 年代以后，专家系统、神经网络等产生，并在实际工程中应用，使设备故障诊断技术达到智能化程度。近几十年来，设备故障诊断技术不断吸收现代科学技术发展的新成果，从理论
12、到实际应用都有迅速的发展，至今已发展成为集数学、物理、力学、化学、电子技术、计算机技术、信息处理、人工智能等各种现代科学技术于一体的新型交叉科学。故障诊断技术的研究主要表现在以下几个方面o 1 ：1 、故障机理的研究；2 、故障信息处理技术的研究；3 、专家系统与神经网络的研究；4 、故障诊断装置的开发与研究。在机械设备中大部分都是旋转机械，它覆盖电力、动力、化工、冶金、机械制造等许多主要领域，并且旋转机械转速一般都很高。发电机、汽轮机、鼓风机、大型冷轧钢机等这类机械设备往往是工厂的关键设备，其工况状态3l 引言不仅影响该机械设备本身的运行，而且还会对后续生产造成损失，导致重大事故的发生“4
13、“”目前，人工神经网络理论的应用已经渗透到各个领域，并在智能控制、神经网络计算机的研制、优化计算、计算机视觉与图象处理、模式识别、连续语音识别、数据压缩、知识处理等方面显示了极大的应用价值，取得了令人鼓舞的进展。作为一种新的模式识别技术或一种识别处理方法，人工神经网络在机械故障诊断技术中具有极大的应有潜力。目前，使用神经网络进行故障诊断所采取的主要方法：1 使用多层感知机神经网络、B P 神经网络、自组织K o h o n e n 神经网络、前馈神经网络和R B F ( R a d i a lB a s i sF u n c t i o n ) 神经网络接收故障征兆数据来进行故障诊断“”圳。2
14、 对收集到的故障数据作预处理，去掉冗余的数据，将剩余的数据输入前馈神经网络。还有将神经网络与专家系统结合的例子“”。汽轮发电机组是一个非常复杂的动力系统，尤其以振动系统为代表，运行中会出现丰富的非线性振动现象，当这些现象较为强烈时，将直接或间接导致系统的非线性故障。为此，本文主要从振动信号频谱特征入手，利用频谱所反映的另一个重要特征，即频率成分的结构信息进行故障模式的识别，以完成在状态监测、特征提取和状态识别等方面的工作。一方面针对旋转机械的主要故障机理及故障特点，结合安全理论，从分析频谱特征入手对振动故障进行分析、研究，从而在理论上为故障的精确诊断工作打下了坚实的基础；令一方面针对神经网络技
15、术进行了大量研究，从人工神经网络的特点、形式到对适合故障诊断的神经网络进行了逐个的分析，相比之下，多层感知器网络是故障诊断中非常重要的网络，因此利用B P 网络对设备故障进行诊断。在频谱特征分析基础上将数据进行分析、诊断，验证所研究课题的正确性，从而为集成神经网络的进一步研究及诊断系统的研究打下基础1 3 系统介绍基于设备故障诊断过程的分解可以分为状态监测、报警处理、应急决策、特征提取、状态识别、维修咨询和预测等根据这个过程及各个阶段的任务，构造故障诊断系统，在汽轮发电机组的运行过程中，经常是伴随着一定的振动的，振动信号蕴含了丰富的机组内部的状态信息，充分剖析振动信号的特征信息，可以为故障诊断
16、提供重要的证据。41 引言针对汽轮发电机组进行故障诊断方法有以下几类：( 一) 、基于物理模型的故障诊断，它是故障诊断早期所采用的一种方法，是以物理量为手段来实现故障的检测和分离，例如：汽轮发电机组运行故障诊断早期主要是依靠人的感官，利用物理、化学的原理对设备运行中伴随故障出现的各种物理或化学现象直接进行运行状态的监测。然而，这种方法，因为受故障诊断者的自身的经验和技能的影响比较大，故障诊断者需要对异常的物理量和化学所表征的现象进行分析判断，推断出产生异常现象的本质原因，决定采取相应的措施。因此，基于物理模型的故障诊断可靠性比较低，响应的时间比较长，不能适应汽轮发电机组持续、快速运行的需要。( 二) 、基于数学模型的故障诊断，它根据系统参数的估计值与正常值之间的偏离数值，判断系统的故障状况”。对于采用数学模型的故障诊断，需要面临两个问题：1 在所诊断的问题基础之上建立相应的数学模型、确定正确的边界条件。2 采用一定的数学手段给出系统的通解或特解。而问题恰恰在于：1 并非所有的问题都能找到合适的数学方程来描述它，在实际问题中，即便找到这样的方
