基于聚类和神经网络相结合的设备状态诊断分析

• 作者: 苏骏
• 来源期刊: 红水河
• 学科: 工学
• 关键词: 诊断模型 状态检修 神经网络
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 水电站运行
• 页码范围: 93-98
• 页数: 6页
• 分类号: TV738|TP183
• 字数: 4014字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-408X.2018.06.025

摘要

根据某电厂一次主轴密封漏水的事件,在没有先验特征的情况下,通过对设备状态数据进行分析,针对设备不是完全健康的情况,提出用聚类分析的方法先对数据进行处理,得到较接近设备健康状态和异常状态的特征数据.在此基础上采用BP神经网络的方法对监控数据进行分析并建立诊断模型,使用得到的诊断模型对每个月的监控数据进行分析,统计异常数据出现率并加以比较,实验结果能较好地反映出设备状态的劣化,为设备状态检修提供了参考依据.