利用故障因果信息的汽轮机故障智能诊断研究

• 作者: 宋磊 杨楠 陈东超 顾煜炯
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 汽轮机 智能诊断 因果信息 FTA FMEA 贝叶斯网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 振动理论与数值解法
• 页码范围: 12-19
• 页数: 8页
• 分类号: TP206+.3|TM311
• 字数: 7191字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2019.04.003

摘要

汽轮机结构的高度耦合导致一些故障模式在轴系振动形式上具有相似的特征,难以区分.为了更加精确诊断故障模式,提出将故障原因信息融入诊断模型中,实现与维护工作有机结合的故障因果链推理.首先,基于FTA和FMEA分析提出将机理因果网用于总结诊断知识的方法.然后,采用Leaky Noisy-Or/And模型将机理因果网转化为贝叶斯网络模型,并分析模型中不确定性关系的物理含义.最终,将故障机理分析结果转化为3层贝叶斯网络推理模型.在碰磨故障的2个诊断案例中,根据故障原因的排查结果,将模型进行反复推理,获得更准确的故障因果链,同时,可为维修工作反馈排查建议.在故障诊断研究中创新性地提出一种网络化的知识表达形式与智能化过程,为汽轮机故障诊断这类主要依赖经验知识、缺乏故障样本的诊断问题,提供了一种新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾煜炯	华北电力大学能源动力与机械工程学院	130	1606	22.0	34.0
2	宋磊	中国科学院太空应用重点实验室	42	594	15.0	24.0
3	杨楠	华北电力大学能源动力与机械工程学院	10	63	2.0	7.0
4	陈东超	东北电力大学能源与动力工程学院	2	0	0.0	0.0