發(fā)電設(shè)備運行與維修決策支持系統(tǒng)研究.pdf

1、本文提出了一種改進的RCM分析方法,確定了發(fā)電設(shè)備運行與維修決策過程,并著重研究了決策過程中的設(shè)備重要度分析、狀態(tài)評價及預(yù)測、維修決策及優(yōu)化等關(guān)鍵技術(shù).針對現(xiàn)有設(shè)備重要度提出了基于蒙特卡羅模擬的設(shè)備重要度分析方法,并根據(jù)重要度判據(jù)將設(shè)備分類,建立了各類設(shè)備維修方式?jīng)Q策規(guī)則.針對復(fù)雜設(shè)備提出了故障模式及影響分析(FMEA)與灰色理論相結(jié)合的定量故障風險分析模型,提高了風險分析的精度,為狀態(tài)評價的特征參數(shù)提取提供依據(jù).提出了多狀態(tài)特征參數(shù)變

2、權(quán)模糊綜合狀態(tài)評價模型,充分利用設(shè)備在線和離線監(jiān)測診斷數(shù)據(jù)、運行實時數(shù)據(jù)、可靠性分析數(shù)據(jù)、設(shè)備壽命評價數(shù)據(jù)、運行與維修歷史數(shù)據(jù)等信息,使狀態(tài)評價結(jié)果更加貼近設(shè)備實際運行狀態(tài).變權(quán)綜合理論的引入,大大提高了狀態(tài)綜合評價的精度.提出了設(shè)備運行狀態(tài)綜合預(yù)測模型,神經(jīng)網(wǎng)絡(luò)和灰色理論的組合應(yīng)用,提高了狀態(tài)預(yù)測的準確性.對于具有較多狀態(tài)特征參數(shù)的系統(tǒng),提出了基于主成分分析(PCA)的神經(jīng)網(wǎng)絡(luò)狀態(tài)預(yù)測模型,通過降低神經(jīng)網(wǎng)絡(luò)的輸入維數(shù),提高了預(yù)測的速度