基于貝葉斯網(wǎng)絡(luò)的故障智能診斷方法研究.pdf

1、在故障診斷領(lǐng)域，不確定性問題占多數(shù)，主要是由診斷對象的復(fù)雜性、測試手段的局限性、知識的不精確等原因?qū)е碌?。特別是汽輪發(fā)電機(jī)組這樣大型復(fù)雜的機(jī)電設(shè)備，其構(gòu)件之間以及構(gòu)件內(nèi)部都存在很多錯綜復(fù)雜、關(guān)聯(lián)耦合的相互關(guān)系，不確定因素和不確定信息充斥其間，其故障可能是多故障、關(guān)聯(lián)故障等多種復(fù)雜形式。因此，解決不確定性問題是目前汽輪發(fā)電機(jī)組故障診斷中的首要問題。 常用的解決不確定性問題的方法包括貝葉斯方法、粗糙集理論、證據(jù)理論等，經(jīng)AgreG等

2、多位專家的分析研究，發(fā)現(xiàn)基于貝葉斯理論的貝葉斯網(wǎng)絡(luò)是目前解決不確定性問題的最有效的方法。 本文研究了貝葉斯網(wǎng)絡(luò)的最新發(fā)展，包括貝葉斯網(wǎng)絡(luò)的表示、學(xué)習(xí)和推理。就貝葉斯網(wǎng)絡(luò)推理進(jìn)行了深入研究，提出了貝葉斯網(wǎng)絡(luò)的簡化推理算法。為克服簡化推理算法占用內(nèi)存的問題，提出了應(yīng)用深度優(yōu)先分支定界法以很小的時間代價換取較大內(nèi)存空間，解決了簡化算法的內(nèi)存分配問題，具有很強(qiáng)的實(shí)用價值。 以汽輪發(fā)電機(jī)組故障診斷中的不確定性問題為研究背景，系統(tǒng)地

3、回顧了故障診斷的常用方法，闡述了汽輪發(fā)電機(jī)組常見的異常振動并對振動信號的頻域特征進(jìn)行了分析。提出了用于解決不確定性問題的故障診斷網(wǎng)絡(luò)模型，并對模型的知識表達(dá)、建造方法進(jìn)行了深入研究。 提出了基于主成分分析方法與貝葉斯網(wǎng)絡(luò)的汽輪發(fā)電機(jī)組故障診斷方法，采用主成分分析方法對易于提取的故障特征進(jìn)行處理，從而獲得初步的故障模式傾向，然后將獲得的故障模式傾向作為貝葉斯網(wǎng)絡(luò)模型的故障征兆節(jié)點(diǎn)，進(jìn)一步進(jìn)行診斷分析。該方法既避免了單獨(dú)使用主成分分

4、析法指標(biāo)體系確定難的問題，又可以通過貝葉斯網(wǎng)絡(luò)模型更好的把各種特征結(jié)合起來進(jìn)行診斷分析，從而提高了診斷結(jié)果的可靠性。 基于智能互補(bǔ)融合的思想將粗糙集理論與貝葉斯網(wǎng)絡(luò)有機(jī)結(jié)合在一起，提出了一種汽輪發(fā)電機(jī)組故障診斷的新方法。利用粗糙集理論的知識約簡技術(shù)對專家知識和故障特征進(jìn)行壓縮，去除冗余信息，獲得最小診斷規(guī)則。同時利用貝葉斯網(wǎng)絡(luò)來發(fā)現(xiàn)節(jié)點(diǎn)間的潛在關(guān)系，建立汽輪發(fā)電機(jī)組故障診斷的貝葉斯網(wǎng)絡(luò)模型，在保證診斷結(jié)果準(zhǔn)確率的基礎(chǔ)上，縮減了冗