基于決策樹的汽輪機振動故障診斷技術研究.pdf

1、隨著電力技術的日益發(fā)展，發(fā)電機組的容量和參數(shù)不斷提高，電廠的熱力設備也日趨復雜化和智能化，因此也導致了電廠汽輪機設備的故障產(chǎn)生機理日益復雜，然而電廠汽輪機作為電廠中的三大主要設備之一，一發(fā)生故障，將會給企業(yè)和國家造成巨大經(jīng)濟損失。隨著數(shù)據(jù)挖掘技術的飛躍發(fā)展，其在處理海量數(shù)據(jù)方面顯示出其無比巨大的優(yōu)勢，因此將數(shù)據(jù)挖掘技術與電廠汽輪機設備狀態(tài)監(jiān)測與故障診斷相結(jié)合，將突破傳統(tǒng)設備狀態(tài)監(jiān)測與故障診斷的知識獲取的瓶頸，并且使人們利用數(shù)據(jù)挖掘技術，

2、從系統(tǒng)歷史數(shù)據(jù)中提取相應的診斷知識，成為獲取知識的一種有效途徑。
　　本文通過將數(shù)據(jù)挖掘分類方法中的決策樹C4.5算法引入汽輪機的軸系振動的故障診斷，作為一種故障診斷方法進行了研究。通過在實驗室汽輪機轉(zhuǎn)子實驗平臺上模擬正常、不平衡、碰磨、油膜振蕩四種運行狀態(tài)，實驗工作轉(zhuǎn)速為4000r/min，每種運行狀態(tài)分別進行20次實驗，共采集80組模擬實驗數(shù)據(jù)，將采集到的原始數(shù)據(jù)通過Matlab程序計算，得到四種運行狀態(tài)下所有組別的偏度、峭度

3、、平均值、最大值四個統(tǒng)計特征參數(shù)。對于每種運行狀態(tài)隨機選擇10組，共40組組成訓練數(shù)據(jù)集，其余構成測試集，通過決策樹C4.5故障診斷方法的診斷流程對訓練數(shù)據(jù)集進行處理，最終得到?jīng)Q策樹故障診斷模型，通過測試數(shù)據(jù)集對該模型的診斷精度進行判斷，其診斷精度達90％。也通過其他的綜合評價標準對該診斷模型進行了綜合評價，結(jié)果較為理想。因此，可以通過進一步的對該算法的優(yōu)化，將其引入汽輪機軸系振動故障診斷系統(tǒng)?；緦崿F(xiàn)了決策樹C4.5算法的編程開發(fā)。本