一、水轮发电机组故障诊断专家系统知识库的设计（论文文献综述）
吾买尔·吐尔逊,穆哈西,夏庆成[1]（2021）在《智能诊断技术在水电机组振动故障诊断中的应用进展》文中进行了进一步梳理故障诊断技术是水轮发电机组安全稳定运行的关键技术之一,也是水轮发电机组提高运行效率、进行预知维修及科学管理的重要基础。在简要介绍水轮发电机组振动故障类型及其特点的基础上,对水轮发电机组振动故障的智能诊断方法进行了详细的阐述,并探讨了水轮发电机组振动故障诊断技术未来可能的主要发展方向。
刘涛[2]（2020）在《汽轮发电机组振动故障诊断模型构建及运用》文中研究说明汽轮发电机组是电力生产的核心设备,它能否安全、稳定、可靠地运行,对本单位的安全、经济等考核指标至关重要。汽轮发电机组一旦出现重大故障,不仅对企业造成巨大的经济损失,而且可能会对社会造成极坏的影响,甚至可能会上升为政治事件。汽轮发电机是高速旋转机械,运行中不可避免地会出现振动。当振动超出限值时就会影响机组的稳定运行,过大的振动有时可能造成机组发生灾难性的事故。因此,振动是衡量机组可靠性的重要安全性能指标。目前,大容量、高参数机组已经成为国内主力机组,随着机组结构越来越复杂、轴系长度不断增加和运行蒸汽压力、温度不断提高,机组在启动、停运和运行过程中很有可能出现很多全新的、疑难的振动问题。因此,对汽轮发电机组振动进行在线监测与故障诊断是电厂的一个非常重要的课题。本文以电厂汽轮发电机组振动故障案例为依托,融合语义本体技术和汽轮发电机组振动诊断技术展开了深入系统的研究,论文的主要贡献和创新性成果有:（1）构建了适用于汽轮发电机组振动诊断领域的知识模型。针对汽轮发电机组振动诊断领域术语繁杂、异构、表示和共用困难等问题,考虑了本体在振动诊断知识表示中的优势,改进了传统的七步法作为汽轮发电机组振动诊断本体的构建方法,弥补了其在本体评估和跟踪更新上的缺陷。根据本体的构建原则,借助Python网络爬虫技术来快速进行网络知识的收集整理,并基于此通过知识的构建存储改进,成功构建起了Protégé汽轮发电机组振动诊断领域本体,为振动诊断知识提供了明确的形式化表示方法。（2）验证了汽轮发电机组振动诊断本体的可行性和有效性。针对本体中可能存在的不一致现象,设计了基于Tableau算法的一致性检验算法对本体进行了检验。采用了SQI机械振动综合模拟实验台模拟了汽轮发电机组的不同振动,采集和分析了获取的振动信息,并通过实例对本体知识进行了推理测试。（3）提出了基于本体和案例推理的汽轮发电机组振动诊断方法。阐明了本体在案例表示中的优势,分析了案例表示的主要组成部分,量化了语义距离、语义深度和语义密度的数学模型,简化和改进了语义相似度算法,建立了基于语义和案例属性相似度算法的本体和案例推理分层检索模型,并且通过案例研究对振动诊断方法进行了验证。（4）基于已有软件的基础上,结合汽轮发电机组所表现出的主要故障,创造性的完成了系统开发框架及运行过程的合理处理,包括本体知识库、本体和案例推理检索模块的创建以及系统主要功能界面的设计。融合Protégé、Visual Studio C#和SQL Server实现了振动诊断系统的开发,提高了整个振动诊断过程的人机交互性,使得操作过程简洁高效。最后通过实例验证了系统可以为汽轮发电机组振动诊断提供决策支持,提高了振动诊断的效率,同时振动诊断准确率可达80%。
王罗[3]（2020）在《水轮发电机励磁绕组匝间短路故障特征分析与故障识别》文中进行了进一步梳理近年来我国可再生能源发展迅速,水力发电由于具有管理运行灵活和技术成熟等优势在可再生能源中占有重要地位,水轮发电机的装机容量和发电量逐年增加。大型水轮发电机结构复杂,且兼顾发电及电网调峰任务,运行负担较重,机组故障率呈上升态势。水轮发电机的励磁绕组长期伴随转子高速旋转,容易发生匝间短路故障。励磁绕组匝间短路初期故障特征不明显,如不及时处理故障可能会引发转子接地等更严重的故障,影响水轮发电机安全稳定运行。对于水轮发电机励磁绕组匝间短路故障目前缺少有效的在线监测方法,因此深入研究励磁绕组匝间短路的故障特征,提出准确性高的识别方法,对水轮发电机组具有重要意义。本文对水轮发电机励磁绕组匝间短路故障的励磁电流、温度场、热应力等特征进行详细研究,结合电气量分析研究水轮发电机匝间短路辨识,在多特征研究的基础上提出信息融合诊断方法,在水轮发电机匝间短路故障在线诊断的基础上提高励磁绕组短路故障的识别准确性。主要工作和取得的成果如下:水轮发电机绕组匝间短路转子电流及标准电流的计算分析。分析了励磁绕组发生匝间短路后水轮发电机励磁电流的情况,基于电机原理建立了电压,有功无功等的电气参数的数学模型,推导水轮发电机运行监测量与励磁电动势的关系式。提出了励磁电流计算的空载曲线反向计算法,通过反向计算空载特性曲线,得到水轮发电机励磁绕组正常条件下某特定运行状态的励磁电流计算标准值,通过匝间短路判据与实测励磁电流对比,结果可以反映发电机匝间短路故障及故障程度。绕组匝间短路故障转子磁极温度等热特性的研究。建立水轮发电机转子磁极的三维有限元模型,根据水轮发电机情况提出相关的假设条件,计算了励磁绕组匝间短路故障发生前后的转子磁极温度场及热应力,并总结故障时磁极温度场和热应力的变化规律。改变模型的相关参数,建立不同短路程度和不同短路位置的模型,进一步计算分析了励磁绕组匝间短路程度和位置不同对水轮发电机磁极温度场及热应力的影响规律。提出一种基于Volterra核辨识的水轮发电机励磁绕组匝间短路诊断方法。建立水轮发电机励磁绕组匝间短路故障非线性系统,分析定子分支电压和分支电流作为输入输出识别匝间短路的可行性,引入Volterra级数模型描述系统特征,通过辨识励磁绕组正常和故障状态下非线性系统传递关系的Volterra核函数的不同,来诊断励磁绕组匝间短路故障,并通过发电机的匝间短路故障实验验证了该方法正确性和有效性。提出的诊断方法具有较高的诊断精度,通过三阶核辨识实现水轮发电机励磁绕组匝间短路故障的识别。提出基于多源信息融合的水轮发电机励磁绕组匝间短路识别方法。将多源信息融合理论应用到水轮发电机励磁绕组匝间短路故障识别中,根据水轮发电机特点及传感器情况,选择短路故障特征量作为证据体,将水轮发电机匝间短路的多组故障特征证据体依据证据理论进行融合,降低传感器不确定性影响,提高匝间短路故障识别结论的置信度。进行发电机励磁绕组匝间短路故障实验,对比多特征量与单一特征量置信度,验证了多源信息融合在发电机励磁绕组匝间故障识别中的有效性。结果表明,基于多源信息融合的水轮发电机励磁绕组匝间短路故障识别方法减少了单一传感器所带来不确定性的影响,提升故障识别准确性。
杨浩[4]（2020）在《水电站水轮机组远程监控系统研究与开发》文中指出近些年来,随着科学与技术的不断发展,国家在每个行业领域倡导绿色环保、智能化、大数据等现代化技术。由于清洁、可再生、基本无污染等优点,水电在电力供应中所占的比例越来越高。但在我国目前水电生产过程中仍然存在诸多问题,如水电站偏远、工作条件艰苦、电站底层工作知识匮乏、电站管理系统多样、电站之间存在局限性局域性等。以东方电气集团东方电机有限公司横向课题项目为背景,以在运行的东方电气集团水电站水轮机设备作为研究对象,针对东方电气集团东方电机有限公司业务发展的特点以及适应当下信息化的要求,通过将目前先进的计算机技术、云服务技术、传感器技术和人工智能技术等结合,开发出一套水电站水轮机组远程监控运维系统,将制造和运营连接,数据共享,通过运营中的问题,不断改善和提升水轮机设备的性能,实现大数据的水电站运营模式,对水电站现场设备的远程监测、远程控制以及故障诊断预测等功能,所做具体工作如下:开发以云服务器为中心的水电站水轮机远程监控系统的数据通讯方式,包括开发采用C/S模式通过Modbus TCP协议实现PLC和本地服务器之间的通讯界面、以VPN方式完成PLC和云服务器之间的数据通讯,同时采用ADO.NET技术将数据保存至云服务器,开发Web Service服务的B/S模式的移动用户与云服务器之间的数据通讯。开发水电站水轮机远程监控系统的上位软件,包括云服务器的配置选择、数据库的对比选择、系统软件的开发。其中系统软件的开发包括数据管理、用户管理、系统管理、远程控制界面,基于C/S的生成.exe文件,基于B/S的Web系统在云服务器发布,最后完成整个混合模式的软件。验证嵌入Elman神经网络的智能专家系统和系统云服务器性能,包括对某一型号的水轮机采集变转速、变励磁、变负荷下的振动数据进行分析,对云服务器增加其用户量测试其是否能正常运行。
李灿[5]（2020）在《大型发电机组励磁系统故障诊断及预测技术研究》文中研究表明近年来,随着电网规模的不断扩大,电力系统运行设备的不断增加,系统运行的复杂性也随之增加,电力系统的安全稳定运行变得越来越重要。因此电力系统运行过程的状态监测技术和故障诊断技术越来越引起电网的重视。励磁系统是发电机的核心控制设备,直接关系到电力生产的安全可靠。对励磁控制系统仅实现基本的状态监测和安全保护功能是远远不够的,因此对大型发电机励磁控制系统运行状况进行实时监测和故障的快速诊断愈发显得必要和紧迫。论文就大型发电机组励磁系统故障诊断及预测技术进行了较为深入的研究。具体研究内容如下:对励磁系统典型故障进行了分析,研究了故障诊断方法,利用模型参考法构建励磁系统故障诊断器,对励磁调节器的参数设置错误进行故障诊断,实验结果表明该方法能够迅速准确的判断出励磁系统是否发生故障。此外,研究了基于快速傅里叶变换（FFT）的励磁系统故障诊断方法,利用MATLAB矩阵实验室搭建励磁功率单元模型,通过仿真实验模拟故障输出,对输出波形进行FFT分析,诊断出故障设备的位置。本文基于D5000平台设计了励磁系统故障诊断装置的软硬件模块,对系统的硬件电路和软件模块进行了详细介绍,分析了系统的算法流程和主要模块的设计思路,展示了人机界面的主要功能及运行实例,该装置为励磁系统故障诊断和预测功能的实现提供了技术支撑。实验结果表明,系统运行稳定,能够有效对励磁系统故障进行在线监测和诊断。针对模型参考法无法对故障设备进行精准定位这一缺陷,本文结合模型参考法和神经网络法,设计了励磁系统故障诊断器,以故障波形FFT的相位特征参数代替幅值特征参数作为神经网络的训练输入样本,实现了对单励磁功率单元的故障诊断。实验结果表明,改进后的智能诊断模型能够有效提高故障诊断的正确率。实际应用中的励磁控制系统大多采用多桥并联的功率单元电路,论文通过对双桥并联励磁功率单元的故障诊断,验证了该故障诊断器的有效性和准确性。最后,通过对晶闸管的老化失效分析,确定了晶闸管故障预测的特征参数,搭建了基于神经网络的故障预测模型,实现了对励磁系统故障的有效预测。
孙万童[6]（2020）在《基于多源信息融合的大型发电机碳刷在线监测与故障诊断研究》文中研究表明在电力生产过程中,碳刷将励磁电流引入转子,使发电机转子建立恒定磁场,是发电机产生电能的关键部分。而碳刷作为磨损件,不但要求定期更换。而且常会出现由多种原因导致的碳刷打火、燃烧等故障。碳刷故障严重时,甚至导致集电环与滑环室起火。发电机组也将被迫停运,使电力生产过程停止,影响电力行业的安全与稳定。大型水轮发电机的励磁电流大,碳刷电流一旦分布不均,更易出现上述问题。针对碳刷故障,大型水轮发电机碳刷在线监测与故障诊断就显得尤为重要,碳刷状态在线监测,不仅可以防止碳刷出现严重故障,导致发电机停运。而且监测系统中碳刷历史状态信息和碳刷相关设备状态信息的监测可以为专家系统分析提供依据。基于专家知识的信息融合故障诊断,可以减少监测数据分析时间,避免人为分析数据所带来的延时。按照专家知识推理得出的故障,可以做到定位故障碳刷,得知碳刷故障原因。在碳刷故障发生前消除故障,保证发电机安全稳定运行。本文讲述的基于多源信息融合的碳刷在线监测与故障诊断系统,不仅能够采集碳刷状态和相关设备信息,还可以分析并给出碳刷故障结果。碳刷在线监测可以实时掌握碳刷的运行情况,避免人工测量碳刷温度、电流的间断性,解决电力系统人工巡检过程中存在的问题。信息融合作为对多源信息融合的综合处理过程,具有其复杂性。近年来出现的人工智能以及信息论的新方法成为推动信息融合技术向前发展的重要力量。在本文中碳刷故障不仅是开发人员对碳刷故障的认识,还包括了领域专家在长期的工作中总结出来的经验知识。专家系统作为多源信息融合中人工智能方法,对实现经验总结的故障有着其便利性。基于信息融合的故障诊断专家系统,可以自行对碳刷实时和历史数据进行的分析,定位故障碳刷,了解故障碳刷工况的变化。专家系统诊断结果可以及时发现可能导致碳刷故障类型及其原因,排除碳刷潜在故障,同时方便运维人员及时处理碳刷故障。本文基于数据库实现的专家系统,对专家知识录入,故障征兆提取和专家知识的推理过程的实现较为容易。避免其他软件编写的专家系统对数据库数据读取的延时与复杂性。本文专家系统采用了正向推理和冲突消除策略。使用不精确推理中CF模型给出了故障可信度计算方式。通过故障结果的可信度,可以判断故障发生的概率,为处理故障提供依据。最后,通过碳刷在线监测与故障诊断系统在实验平台下模拟碳刷故障运行,证明了该系统的准确性与可行性。
尹浩霖[7]（2019）在《清洁能源发电系统预防性维修决策技术研究》文中认为国内以水电和风电为代表的清洁能源装机规模快速扩大,同时国内电力市场化改革不断深化,水电和风电作为清洁能源发电主力军已先行成为新的市场竞价主体,因此传统的事后维修和无差别计划维修策略已不能满足市场化体制下对发电系统运维可靠性和经济性要求。预防性维修策略是当前设备维修策略研究领域较为活跃的研究内容之一,在传统核电和火电领域已开展较多研究,但是在水电领域以及近几年快速发展的风电领域还未形成系统化的维修策略应用案例。以可靠性为中心的维修策略（Reliability Centered Maintenance-RCM）是预防性维修策略研究领域近几年较为热门的维修策略理论,但传统RCM理论主要应用于航空设备和武器装备领域,直接照搬使用难以满足当前国内清洁能源发电系统预防性维修决策的现实要求。本文的目标是以水电和风电发电设备运行实际为基础,开展基于RCM理论的发电系统预防性维修策略的应用研究,针对传统RCM理论实施过程中主观因素为主、缺乏客观量化数据、决策考虑因素单一的实际缺点进行改进,并对影响预防性决策的故障危害度量化方法、可靠度量化方法、设备重要度评价方法实现的关键技术进行深入研究分析,最终使RCM决策理论成为可以有效包含发电设备故障危害度因素、可靠度因素、设备重要度因素的复合因素预防性维修决策方法。主要研究内容:分析RCM基本理论模型,找出传统RCM理论在发电设备领域应用中存在的主观因素考虑过多、缺乏客观量化数据、决策考虑因素单一的技术缺陷。针对水电和风电领域发电设备实际情况,按照RCM理论实施要求,对影响清洁能源发电系统预防性维修策略制定的设备故障危害度、设备可靠度、设备重要度三个影响因素开展研究,构建融合三个影响因素的发电设备RCM决策模型,在此基础上建立预防性维修辅助决策系统。（1）针对清洁能源发电系统较为复杂的功能和结构,以实际水电和风电发电设备运行数据为基础,研究了水电和风电发电系统各子系统和部件的失效机理、故障模式及后果影响问题,提出了基于灰色理论的故障模式影响及危害分析（Failure Mode Effect and Criticality Analysis-FMECA）模型,给出了水电和风电发电设备故障危害度评价方法和求解算法,并根据实际应用反馈,表明相较于传统RCM理论中使用的矩阵图法具有更高的设备危害度区分精度,同时在工程应用方面扩展和优化了传统FMECA分析表内容。（2）针对当前清洁能源发电系统历史故障小样本条件下所导致的可靠性量化指标计算精度较差的问题,提出基于支持向量回归机威布尔分布的发电设备可靠性量化函数模型,基于实际运行数据构建了水电和风电发电系统的宏观和微观可靠性量化指标体系,通过实际算例与传统威布尔分布函数算法对比,结果表明基于支持向量回归机的函数模型算法具有更高的评估准确性。（3）针对清洁能源发电系统各子系统及部件重要度难以定量评价的问题,对发电系统各子系统及部件重要度影响因素的研究,通过对电厂运维人员的全方位调研和运维数据统计结果分析,设计了包含9项影响因素的设备重要度评价体系,并结合实际发电设备运维数据得出了各影响因素具体的得分结果,提出了基于蒙特卡洛理论模型的设备重要度评价方法,建立了清洁能源发电系统中各子系统及部件的设备重要度评估体系,得到较为全面的清洁能源发电系统设备重要度等级。（4）基于以上设备危害度、设备可靠度、设备重要度关键技术的研究成果,本文通过引入熵理论模型,构建了基于熵理论模型的清洁能源发电系统RCM决策方法,在实施过程中有效融合了改进后的设备故障危害度评价因素、设备可靠度量化因素、设备重要度因素,使RCM决策过程得到完善和优化,通过实例与传统RCM决策结果进行对比,其决策结论更符合现场运行实际及工程应用要求。（5）以前述评价及决策模型成果为基础,综合利用了数据库、数据接口等技术开发了基于熵理论的RCM决策模型的发电设备预防性检修维护辅助决策系统,该系统作为一个通用清洁能源发电设备检修维护决策平台,集成了故障数据导入和统计分析功能、故障模式影响及危害度分析功能、可靠性分析功能、设备维修决策及优化功能为一体,实现了对清洁能源发电系统及其子系统与部件的预防性维修决策支持。
王冠峰[8]（2019）在《基于LabVIEW的水轮发电机组振动摆度故障诊断研究》文中研究说明本文基于LabVIEW实现了水轮发电机组常规故障诊断功能,包括温度、振动、气隙、空冷等水轮发电机的主要测点的监测和故障诊断功能。该系统能够实现算法库的推理和基于人机交互式的推理,将专家知识通过LabVIEW转换成程序逻辑,进而接收测点来推送故障报告。该系统的实现为后续数字化、智能化电厂的设计提供了思路。
朱文龙[9]（2016）在《水轮发电机组故障诊断及预测与状态评估方法研究》文中提出随着我国能源结构调整的逐步推进,风电、光伏发电等非稳定性电源快速发展,水轮发电机组在电网中承担调峰调频的任务越来越多,这就要求水轮发电机组在其整个工况范围内具有充分的可用性,这就对水轮发电机组故障诊断、故障预测及状态评估提出了更高的要求。为了确保水轮发电机组安全稳定运行,本文针对水轮发电机组故障诊断与预测应用中的若干关键科学问题,以机组振动信号处理和运行工况分析为切入点,提取表征机组故障状态的信号时频分布特征和工况特征等多重特征向量,提高故障特征向量的准确度,进一步构建基于多重特征向量相融合的水轮发电机组故障诊断及故障预测体系,实现水轮发电机组故障的准确诊断与预测。论文的主要研究内容和创新性成果如下：（1）针对水轮发电机组振动信号具有非平稳、低信噪比和多振源激励信号分量相互混叠等特征,提出了一种独立分量分析-经验模态分解的水轮发电机组非平稳信号特征提取方法。在该算法中,首先采用独立分量分析法提取出主要振源的激励信号分量,即统计独立分量,有效消除或降低模态混叠现象,再对统计独立分量进行自相关分析,消除统计独立分量中非周期噪声的影响；然后再采用经验模态分解对统计独立分量进行自适应分解,获得多组本征模态函数；最后对同频本征模态函数进行重构,提取出故障特征频段的征兆信号,实现水轮发电机组强背景噪声非平稳早期故障特征信号的有效提取。试验结果表明,本文所提方法在水轮发电机组早期故障微弱征兆信号和突变故障特征信号提取方面具有明显的优势,更适用于强背景噪声影响下的水轮发电机组非平稳微弱信号特征提取。（2）传统水轮发电机组故障诊断方法绝大多数是基于振动信号的时频特征进行故障识别,忽略的水轮发电机组运行工况对振动信号时频特征的影响,降低了诊断的准确率。针对上述问题,本文引入过程控制理论中的统计诊断方法,分别对水轮发电机组每种工况过程中的振动变量和工况参数进行融合建模,提出了一种基于KICA-PCA的多元非线性系统过程诊断方法,该方法通过计算工况过程的统计指标实现水轮发电机组故障诊断。本文所提方法通过水轮发电机组运行工况信息与振动信号的有效融合,提高了故障诊断结果的可信度,打破了传统基于振动信号时频特征的水轮发电机组故障诊断方法的诊断范式。试验结果表明,相对于PCA和ICA-PCA等线性系统过程诊断方法,本文所提方法的诊断正确率更高,且时效性更好,更适用于水轮发电机组多元非线性系统的过程诊断。（3）基于互信息理论和统计学提出了水轮发电机组工况变量对振动变量贡献率的计算方法,并构建了压力脉动劣化度函数,实现了压力脉动状态预测评估。以水轮发电机组振动变量和工况参数之间相关关系为切入点,结合互信息理论,深入挖掘水轮发电机组海量的历史监测数据,揭示水轮发电机组振动变量与工况参数之间的非线性相关关系,通过计算水轮发电机组各工况参数对振动变量的贡献度,提取出水轮发电机组振动变量的主要相关工况参数。进一步融合主要相关工况参数与压力脉动幅值形成融合特征向量,提出了基于支持向量机和极限学习机的水轮发电机组压力脉动状态预测方法,实现了压力脉动状态预测,同时引入数理统计与模糊子集理论,构建了基于历史统计曲线的水轮发电机组压力脉动模糊集,提出压力脉动模糊集的劣化度评价函数,实现水轮发电机组压力脉动的状态评估。（4）融合水轮发电机组振动信号时频特征和工况关联规则特征,构建了多重征兆向量,引入模糊推理系统和径向基神经网络模型,提出了一种基于约束扩展广义动态模糊神经网络的水轮发电机组故障预测方法。在该方法中,以振动信号的频谱能量分布特征和工况关联规则特征作为故障预测的融合故障征兆向量,充分利用模糊规则推理与神经网络学习能力,动态推求水轮发电机组未来的故障状态,预测潜在故障未来可能发生概率,实现水轮发电机组故障预测。同时探讨了水轮发电机组故障可能发生概率与维修时限、健康状况之间的关系,提出了一种以故障可能发生概率为自变量的水轮发电机组维修时限函数,搭建了故障预测至维修决策之间的桥梁,以启动维修时限的形式明晰化故障预测结果的含义,对水轮发电机组实施状态检修与预测性维修具有重要的意义。（5）本文设计开发了一种面向服务的水轮发电机组故障诊断及状态评估系统,该方案构建了网络化、服务知识化、资源共享化的开放式的统一知识平台,通过整合异地不同用户的知识资源,不断丰富与补充水轮发电机组故障诊断及状态评估系统的专家知识库,提高水轮发电机组整机设备故障诊断及状态评估的性能水平。系统已成功应用于贵州乌江水电开发有限责任公司东风发电厂,为现场运行维护人员提供辅助维修决策建议指导。
李松领[10]（2015）在《基于故障树分析的水电机组振动故障诊断研究》文中认为我国在水电行业发展方面具有非常丰富的水资源优势,水电建设也被提升为国家重点建设项目的重要战略地位,特别近年来国家加大对水电行业的投入,水电装机容量及工程规模不断扩大,其发电量在整个电力系统中所占比例也在一直提升,水电机组的稳定运行对电网的安全、经济运行显得非常重要。因此,开展水电机组设备故障诊断研究是有着十分重要的现实意义。本文以水轮发电机组振动故障为研究对象,对水轮发电机组结构及工作原理进行了重点研究,全面分析了机组设备各部件之间在结构上的逻辑关系,并以此为基础建立了“水轮发电机组振动”故障树。同时,基于水电机组设备各部件故障概率难以精确获取的状况,将模糊理论引入到故障树分析中,利用权重专家的模糊评判来求取底事件故障发生的概率,对“水轮发电机组振动”故障树进行了相关定性、定量分析并求出各相关重要度。在不同工况下对水轮发电机组做了相关稳定性试验,研究机组振动的特性和规律,分析引起振动产生的根本原因,为预测机组设备部件可能损坏的形式和程度积累统计资料,有助于专家更加准确的对设备故障进行判断。以建立的“水轮发电机组振动”故障树及求取的各底事件模糊失效概率为基础,提出了基于故障树分析的专家诊断系统设计,对系统各模块的设计都做了详细介绍,并将机组试验运行状况记录存储于系统,为机组设备的故障诊断提供技术参考。本文的研究成果对指导机组设备各部件在设计制造、运行维护、检修等方面提供了可靠的数据参考,所设计的专家系统能够实现故障模式识别及对故障的可靠性预测,为研究开发智能水电机组故障诊断系统奠定了基础,其故障分析理论及分析数据对水电站状态检修有着重要的参考依据。
二、水轮发电机组故障诊断专家系统知识库的设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、水轮发电机组故障诊断专家系统知识库的设计（论文提纲范文）
（1）智能诊断技术在水电机组振动故障诊断中的应用进展（论文提纲范文）
| 1 水轮发电机组振动故障 |
| 1.1 机械振动故障 |
| 1.2 电磁振动故障 |
| 1.3 水力振动故障 |
| 2 水轮发电机组振动故障智能诊断方法 |
| 2.1 基于案例推理的故障诊断方法 |
| 2.2 模糊故障诊断方法 |
| 2.3 专家系统故障诊断方法 |
| 2.4 神经网络故障诊断方法 |
| 2.5 支持向量机故障诊断方法 |
| 2.6 灰色系统理论故障诊断方法 |
| 2.7 信息融合故障诊断方法 |
| 3 深度学习理论 |
| 4 水轮发电机组振动故障智能诊断技术发展方向 |
（2）汽轮发电机组振动故障诊断模型构建及运用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 汽轮发电机组故障诊断系统的国内外研究现状 |
| 1.3 论文主要研究内容 |
| 第二章 汽轮发电机组振动机理及其类型分析 |
| 2.1 汽轮发电机组振动相关部件分析 |
| 2.2 汽轮发电机组的振动分析 |
| 2.3 本章小结 |
| 第三章 本体理论下汽轮发电机组振动诊断知识建模 |
| 3.1 汽轮发电机组振动诊断知识获取 |
| 3.2 本体理论研究 |
| 3.3 基于本体的汽轮发电机组振动诊断知识建模 |
| 3.4 汽轮发电机组振动诊断本体的一致性检验 |
| 3.5 基于本体的汽轮发电机组振动诊断推理实现 |
| 3.6 本章小结 |
| 第四章 基于本体和案例推理的汽轮发电机组振动诊断 |
| 4.1 案例推理 |
| 4.2 基于本体和案例推理的振动诊断方法 |
| 4.3 汽轮发电机组振动诊断案例检索算法 |
| 4.4 系统模块实现及案例研究 |
| 4.5 本章小结 |
| 第五章 汽轮发电机组振动诊断决策实现与验证 |
| 5.1 汽轮发电机组振动诊断系统的总体设计 |
| 5.2 系统实例验证 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附件 |
（3）水轮发电机励磁绕组匝间短路故障特征分析与故障识别（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 水轮发电机励磁匝间短路概述与分析 |
| 1.2.2 水轮发电机励磁绕组匝间短路故障特征研究现状 |
| 1.2.3 水轮发电机励磁绕组匝间短路故障诊断方法分析 |
| 1.3 本文研究内容 |
| 第2章 励磁绕组匝间短路故障励磁电流分析 |
| 2.1 励磁电流理论分析 |
| 2.1.1 水轮发电机匝间短路故障励磁电流 |
| 2.1.2 励磁电流反向计算理论 |
| 2.2 水轮发电机磁动势计算 |
| 2.2.1 气隙磁动势 |
| 2.2.2 定子齿部磁动势 |
| 2.2.3 定子磁轭磁动势 |
| 2.2.4 磁极磁动势 |
| 2.3 水轮发电机励磁电流计算 |
| 2.3.1 励磁电动势 |
| 2.3.2 水轮发电机饱和参数修正 |
| 2.3.3 水轮发电机标准励磁电流计算 |
| 2.3.4 水轮发电机工况验证 |
| 2.4 本章小结 |
| 第3章 励磁绕组匝间短路故障热稳态分析 |
| 3.1 同步发电机热特征计算方法 |
| 3.2 水轮发电机转子磁极三维模型 |
| 3.2.1 传热学数学模型 |
| 3.2.2 转子热应力模型 |
| 3.2.3 转子磁极物理模型 |
| 3.2.4 边界条件及相关参数确定 |
| 3.3 水轮发电机转子磁极温度场 |
| 3.3.1 正常情况下的转子温度场 |
| 3.3.2 匝间短路时的转子温度场 |
| 3.3.3 温度场在匝间短路故障诊断中应用 |
| 3.4 水轮发电机转子热应力 |
| 3.4.1 正常转子热应力 |
| 3.4.2 匝间短路转子热应力 |
| 3.5 本章小结 |
| 第4章 基于Volterra核辨识匝间短路故障识别 |
| 4.1 Volterra级数核辨识算法 |
| 4.1.1 Volterra级数基本理论 |
| 4.1.2 Volterra级数核辨识 |
| 4.2 定子分支电流谐波 |
| 4.3 Volterra核辨识匝间短路诊断方法 |
| 4.3.1 匝间短路实验 |
| 4.3.2 Volterra三阶核辨识 |
| 4.3.3 核辨识精度 |
| 4.3.4 核函数绝对平均值 |
| 4.4 本章小结 |
| 第5章 基于多源信息融合的励磁绕组匝间短路故障识别 |
| 5.1 信息融合分析 |
| 5.1.1 水轮发电机不确定分析 |
| 5.1.2 故障特征信息融合 |
| 5.2 D-S证据理论 |
| 5.2.1 D-S证据理论信息融合分析 |
| 5.2.2 证据理论的基本框架 |
| 5.2.3 多源信息融合 |
| 5.3 励磁绕组匝间短路信息融合分析 |
| 5.3.1 水轮发电机匝间短路证据体 |
| 5.3.2 匝间短路多源信息融合分析 |
| 5.3.3 信息融合实验验证 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（4）水电站水轮机组远程监控系统研究与开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景及意义 |
| 1.2 课题及相关技术国内外发展和研究现 |
| 1.2.1 水轮机设备的发展和现状 |
| 1.2.2 远程监控技术国内外发展及现状 |
| 1.2.3 故障诊断技术的发展以及研究现状 |
| 1.3 论文研究内容与结构 |
| 1.3.1 论文内容 |
| 1.3.2 论文结构 |
| 第2章 系统总体需求分析与方案设计 |
| 2.1 水电行业领域的整体分析 |
| 2.1.1 水电站设备管理存在的问题 |
| 2.1.2 水电行业运营与设备制造之间服务模式的探究 |
| 2.2 远程系统需求分析 |
| 2.2.1 远程监控系统的功能需求 |
| 2.2.2 远程系统的性能需求 |
| 2.3 系统结构的分析 |
| 2.3.1 系统各级用户的需求 |
| 2.3.2 系统软件结构分析 |
| 2.3.3 系统硬件方案分析 |
| 2.4 本章小结 |
| 第3章 系统故障信号智能诊断理论研究 |
| 3.1 水轮发电机组故障信号机理分析 |
| 3.1.1 水轮发电机振动信号特征 |
| 3.1.2 水轮发电机振动信号的分类 |
| 3.2 振动信号预处理分析方法 |
| 3.2.1 小波变换法 |
| 3.2.2 包络分析法 |
| 3.2.3 经验模态分析法 |
| 3.2.4 局部均值分析法 |
| 3.3 信号预处理算法的改进和仿真研究 |
| 3.3.1 LMD端点效应改进方案 |
| 3.4 神经网络专家系统故障诊断研究 |
| 3.4.1 专家系统的结构和框架 |
| 3.4.2 专家系统的推理原理过程 |
| 3.4.3 Elman人工神经网络 |
| 3.5 本章小结 |
| 第4章 系统通讯与硬件实现 |
| 4.1 数据通讯技术的研究 |
| 4.1.1 Modbus TCP通讯协议 |
| 4.1.2 WebSocket与网页实时交互技术 |
| 4.1.3 Web Service传输技术 |
| 4.2 系统硬件与通讯的实现 |
| 4.2.1 系统硬件总体框架 |
| 4.3 数据通讯技术的实现 |
| 4.3.1 PLC与本地服务器数据通讯实现 |
| 4.3.2 PLC与云服务器的通讯实现 |
| 4.3.3 远程客户端与云服务器通讯实现 |
| 4.4 本章小结 |
| 第5章 远程系统软件设计与开发 |
| 5.1 云平台技术的应用 |
| 5.1.1 云服务器选择 |
| 5.1.2 云服务器的配置 |
| 5.1.3 云服务器数据库的选择 |
| 5.1.4 云服务器数据库的设计 |
| 5.2 WEB SERVICE的开发 |
| 5.3 软件开发框架 |
| 5.3.1 系统管理模块 |
| 5.3.2 用户管理模块 |
| 5.3.3 数据管理 |
| 5.3.4 远程控制模块 |
| 5.3.5 技术参数远程修正界面 |
| 5.4 系统云服务器上发布过程 |
| 5.5 本章小结 |
| 第6章 水电站水轮机组远程监控系统测试 |
| 6.1 水电站水轮机参数 |
| 6.2 服务器性能测试 |
| 6.2.1 用户的并发数据测试 |
| 6.2.2 服务器流量需求测试 |
| 6.2.3 实时性的测试 |
| 6.3 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读学位期间所发表的学术论文目录 |
（5）大型发电机组励磁系统故障诊断及预测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容和章节安排 |
| 第二章 励磁系统故障诊断技术研究 |
| 2.1 励磁系统的基本原理 |
| 2.1.1 励磁系统的作用 |
| 2.1.2 励磁系统的组成结构 |
| 2.2 励磁系统故障分析及诊断方法 |
| 2.2.1 励磁系统故障分析 |
| 2.2.2 励磁系统故障诊断方法 |
| 2.3 励磁系统调节器故障诊断仿真研究 |
| 2.3.1 基于模型参考的励磁系统故障诊断器设计 |
| 2.3.2 故障仿真分析 |
| 2.4 励磁系统功率单元故障仿真研究 |
| 2.4.1 励磁系统功率单元故障分类 |
| 2.4.2 故障仿真分析 |
| 2.5 本章小结 |
| 第三章 励磁系统故障诊断装置研究 |
| 3.1 励磁系统数据采集 |
| 3.1.1 励磁系统数据上送PMU的实现 |
| 3.1.2 故障信息采集 |
| 3.2 励磁系统故障诊断装置软硬件设计 |
| 3.2.1 系统硬件结构设计 |
| 3.2.2 系统软件结构设计 |
| 3.3 基于WAMS的励磁系统状态在线评估算法 |
| 3.3.1 励磁系统状态在线评估算法 |
| 3.3.2 励磁系统状态在线评估算法流程 |
| 3.4 系统运行界面及功能展示 |
| 3.4.1 系统运行界面展示 |
| 3.4.2 运行实例 |
| 3.5 本章小结 |
| 第四章 基于神经网络的智能故障诊断及预测技术研究 |
| 4.1 人工神经网络 |
| 4.1.1 人工神经网络模型 |
| 4.1.2 网络的前馈计算 |
| 4.1.3 神经网络中的参数整定 |
| 4.2 基于神经网络的故障的辨识 |
| 4.2.1 故障波形的FFT分析 |
| 4.2.2 基于参考模型法和神经网络的三相整流器的故障辨识 |
| 4.3 多桥并联励磁功率单元故障诊断分析 |
| 4.3.1 多桥并联励磁功率单元故障分类 |
| 4.3.2 故障仿真分析 |
| 4.4 励磁系统故障预测技术研究 |
| 4.4.1 故障预测模型 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 全文工作总结 |
| 5.2 展望 |
| 参考文献 |
| 附录 A |
| 附录 B |
| 致谢 |
（6）基于多源信息融合的大型发电机碳刷在线监测与故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 大型发电机碳刷应用现状 |
| 1.2 在线监测与故障诊断研究现状 |
| 1.2.1 在线监测研究现状 |
| 1.2.2 多源信息融合故障诊断研究现状 |
| 1.3 碳刷在线监测与故障诊断意义 |
| 1.4 本文研究内容 |
| 2 大型发电机碳刷状态在线监测研发 |
| 2.1 碳刷监测系统方案与架构 |
| 2.2 传感器选择 |
| 2.3 数据采集与传输 |
| 2.4 监测数据处理 |
| 2.4.1 监测数据存储 |
| 2.4.2 监测数据显示 |
| 2.5 本章小结 |
| 3 基于信息融合的碳刷故障诊断专家系统 |
| 3.1 碳刷工作原理 |
| 3.2 碳刷主要故障及特征值 |
| 3.3 多源信息融合 |
| 3.3.1 多源信息融合基本概念 |
| 3.3.2 多源信息融合的基本原理 |
| 3.3.3 多源信息融合的层次 |
| 3.3.4 多源信息融合方法 |
| 3.4 碳刷故障诊断专家系统方案 |
| 3.4.1 专家系统总体架构 |
| 3.4.2 知识获取 |
| 3.4.3 知识表示 |
| 3.4.4 知识库 |
| 3.4.5 推理机实现 |
| 3.5 本章小结 |
| 4 大型发电机碳刷故障诊断专家系统实现 |
| 4.1 开发软件环境 |
| 4.2 系统实现 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（7）清洁能源发电系统预防性维修决策技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 清洁能源发展现状 |
| 1.1.2 我国清洁能源发电行业现行维修策略缺点 |
| 1.1.3 研究清洁能源发电设备先进维修决策技术的必要性 |
| 1.2 国内外研究状况 |
| 1.2.1 设备维修决策技术 |
| 1.2.2 RCM理论及应用研究 |
| 1.2.3 水电和风电发电设备维修决策技术 |
| 1.2.4 维修决策支持系统研究现状 |
| 1.3 主要研究内容及研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 论文研究技术路线 |
| 1.3.3 论文结构 |
| 2 RCM基本模型及发电设备应用分析 |
| 2.1 引言 |
| 2.2 以可靠性为中心的维修决策理论 |
| 2.2.1 RCM的基本思想 |
| 2.2.2 RCM基本分析方法 |
| 2.2.3 RCM理论实施过程 |
| 2.3 水电和风电发电设备特点 |
| 2.3.1 水轮发电机组类型 |
| 2.3.2 灯泡贯流式机组系统划分 |
| 2.3.3 风力发电机组类型 |
| 2.3.4 风力发电机组系统划分 |
| 2.3.5 水电设备故障特点 |
| 2.3.6 风电设备故障特点 |
| 2.4 发电设备现行运维技术及RCM实施方案 |
| 2.4.1 桃源水电站设备基本情况 |
| 2.4.2 张北坝头风电场设备基本情况 |
| 2.4.3 传统RCM理论实际应用中的不足 |
| 2.4.4 对RCM理论的改进 |
| 2.5 本章小结 |
| 3 基于灰色理论的发电设备故障危害度等级分析 |
| 3.1 引言 |
| 3.2 发电设备故障数据分析 |
| 3.2.1 发电设备故障数据的收集 |
| 3.2.2 水电故障数据统计 |
| 3.2.3 风电故障数据统计 |
| 3.3 发电设备故障模式、影响及危害度分析(FMECA) |
| 3.3.1 FMECA基本概念 |
| 3.3.2 发电设备FMECA实施基础 |
| 3.3.3 建立发电设备的FMECA表 |
| 3.4 发电设备故障危害度分析及改进 |
| 3.4.1 危害性矩阵分析法 |
| 3.4.2 传统FMECA中故障危害度分析存在的问题 |
| 3.4.3 基于灰色理论的发电设备故障危害度分析 |
| 3.4.4 应用案例 |
| 3.5 发电设备FMECA的实用性改进 |
| 3.5.1 故障发生后快速定位故障原因 |
| 3.5.2 实现一般性FMECA分析结果与特定环境FMECA分析对比 |
| 3.5.3 实现与可靠性指标、SCADA监测数据关联 |
| 3.6 本章小结 |
| 4 基于支持向量回归机威布尔分布的可靠性分析模型研究 |
| 4.1 引言 |
| 4.2 设备可靠性分析基础 |
| 4.2.1 设备可靠性量化分析流程 |
| 4.2.2 可靠性量化指标确定 |
| 4.3 发电设备寿命分布模型 |
| 4.3.1 威布尔分布模型 |
| 4.3.2 威布尔分布模型参数估计方法 |
| 4.4 基于支持向量回归机的威布尔分布模型参数估计 |
| 4.4.1 线性ε-带支持向量回归机 |
| 4.4.2 支持向量回归机参数选择 |
| 4.4.3 估计精度的评价 |
| 4.4.4 应用实例 |
| 4.4.5 样本量大小对参数估计精度的影响分析 |
| 4.5 发电设备可靠性分析实例 |
| 4.5.1 灯泡贯流式机组宏观可靠性指标 |
| 4.5.2 灯泡贯流式机组子系统级微观可靠性指标 |
| 4.5.3 风力发电机组宏观可靠性指标 |
| 4.5.4 风力发电机组子系统级微观可靠性指标 |
| 4.5.5 风力发电机组部件微观可靠性指标 |
| 4.6 本章小结 |
| 5 基于熵理论的RCM决策模型研究 |
| 5.1 引言 |
| 5.2 发电设备重要度分析 |
| 5.2.1 发电设备重要度影响因素 |
| 5.2.2 基于蒙特卡洛方法的发电设备重要度分析模型 |
| 5.2.3 对发电设备子系统级、部件级重要度分析实例 |
| 5.3 基于熵理论的以可靠性为中心预防性维修决策 |
| 5.3.1 发电设备预防性维修策略目标 |
| 5.3.2 发电设备预防性维修策略的确定依据 |
| 5.3.3 基于费用最低的发电设备预防性维修模型 |
| 5.3.4 基于可用度的发电设备定期维修模型 |
| 5.3.5 基于熵理论的以可靠性为中心发电设备预防性维修决策模型 |
| 5.3.6 水电和风电实例分析 |
| 5.4 本章小结 |
| 6 发电设备预防性检修维护辅助决策系统 |
| 6.1 引言 |
| 6.2 系统总体设计 |
| 6.2.1 系统总体结构 |
| 6.2.2 系统功能分析 |
| 6.3 系统数据库设计与管理 |
| 6.3.1 数据库结构及构建方法 |
| 6.3.2 数据库内容及作用 |
| 6.4 系统模型库设计与管理 |
| 6.5 系统知识库设计与管理 |
| 6.6 发电设备预防性检修维护辅助决策系统的实现 |
| 6.6.1 系统交互界面 |
| 6.6.2 故障数据录入 |
| 6.6.3 故障模式、影响及危害度分析(FMECA) |
| 6.6.4 故障数据统计分析 |
| 6.6.5 发电设备可靠性分析 |
| 6.6.6 发电设备维修决策及优化 |
| 6.7 案例分析 |
| 6.8 本章小结 |
| 7 结论及展望 |
| 7.1 结论 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（9）水轮发电机组故障诊断及预测与状态评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1、绪论 |
| 1.1 本文研究的背景和意义 |
| 1.2 水轮发电机组故障机理及故障特征分析 |
| 1.3 水轮发电机组数据处理的研究综述 |
| 1.4 水轮发电机组维修决策支持的研究综述 |
| 1.5 论文主要研究内容 |
| 2、水轮发电机组非平稳微弱信号特征提取方法研究 |
| 2.1 引言 |
| 2.2 独立分量分析与经验模态分解的基本原理 |
| 2.3 ICA-EMD特征提取法 |
| 2.4 工程实例验证 |
| 2.5 本章小结 |
| 3、基于KICA-PCA的水轮发电机组工况过程诊断方法 |
| 3.1 引言 |
| 3.2 基于KICA-PCA的过程性能监控原理 |
| 3.3 基于KICA-PCA的水轮发电机组工况过程诊断方法 |
| 3.4 工程实例验证 |
| 3.5 本章小结 |
| 4、水轮发电机组振动趋势预测与压力脉动状态预测评估 |
| 4.1 引言 |
| 4.2 基于工况参数的水轮发电机组振动趋势预测 |
| 4.3 考虑运行工况的水轮发电机组压力脉动状态预测评估模型 |
| 4.4 工程实例验证 |
| 4.5 本章小结 |
| 5、基于CEGD-FNN的水轮发电机组故障预测方法研究 |
| 5.1 引言 |
| 5.2 模糊系统原理 |
| 5.3 径向基(RBF)神经网络 |
| 5.4 基于CEGD-FNN的水轮发电机组故障预测方法 |
| 5.5 应用验证 |
| 5.6 本章小结 |
| 6、面向服务的水轮发电机组故障诊断及状态评估系统设计 |
| 6.1 引言 |
| 6.2 面向服务的水轮发电机组故障诊断及状态评估系统设计 |
| 6.3 水轮发电机组故障诊断及状态评估系统在东风水电站的应用 |
| 6.4 本章小结 |
| 7、本文总结与展望 |
| 7.1 全文工作总结 |
| 7.2 进一步研究展望 |
| 致谢 |
| 参考文献 |
| 附录1：攻读博士期间发表的论文 |
| 附录2：攻读博士期间完成和参与的科研项目 |
（10）基于故障树分析的水电机组振动故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 水电机组设备故障诊断的目的及意义 |
| 1.3 国内外相关工作的研究现状及发展趋势 |
| 1.3.1 水电机组设备监测诊断技术的研究 |
| 1.3.2 故障诊断理论技术的研究 |
| 1.4 本文主要研究的内容 |
| 第2章 水电机组设备的故障机理分析 |
| 2.1 水电机组设备基本结构及工作原理 |
| 2.1.1 水电机组设备基本结构 |
| 2.1.2 水轮发电机组工作原理 |
| 2.2 水电机组故障的特点 |
| 2.3 水电机组设备振动故障的原因分析 |
| 2.3.1 引起水电机组振动发生的水力方面因素 |
| 2.3.2 引起水电机组振动发生的机械方面因素 |
| 2.3.3 引起水电机组振动发生的电磁力方面因素 |
| 2.4 水电机组振动相关评价标准 |
| 2.5 小结 |
| 第3章 故障树理论及分析方法的研究 |
| 3.1 故障树分析基础 |
| 3.1.1 故障树分析法的符号及含义 |
| 3.1.2 故障树的数学表示 |
| 3.1.3 建立故障树的步骤和基本方法 |
| 3.2 故障树定性分析 |
| 3.2.1 最小割集及其求法 |
| 3.2.2 布尔化简法 |
| 3.2.3 二元决策图 |
| 3.3 定量分析 |
| 3.3.1 顶事件发生的概率 |
| 3.3.2 故障树重要度分析 |
| 3.4 底事件模糊失效率的分析 |
| 3.4.1 模糊数的建立及其合成 |
| 3.4.2 专家权重的确定方法 |
| 3.4.3 专家模糊评判的分析计算 |
| 3.5 小结 |
| 第4章 水电机组设备的故障树构建与分析 |
| 4.1 水轮发电机组振动故障树的建立 |
| 4.2 水轮发电机组振动故障树底事件模糊失效率 |
| 4.3 水轮发电机组振动故障树的分析 |
| 4.3.1 定性分析 |
| 4.3.2 定量分析 |
| 4.4 小结 |
| 第5章 水电机组设备故障分析及诊断系统设计 |
| 5.1 水轮发电机组主要参数及试验测点布置 |
| 5.1.1 水轮发电机组基本参数 |
| 5.1.2 试验测点选取及布置 |
| 5.2 机组实测数据及分析 |
| 5.2.1 甩负荷试验 |
| 5.2.2 机组变转速试验 |
| 5.2.3 机组升流试验 |
| 5.3 基于故障树的专家诊断系统 |
| 5.3.1 水电机组故障诊断专家系统结构设计 |
| 5.3.2 专家系统知识库模块 |
| 5.3.3 推理机设计 |
| 5.3.4 解释模块及专家维护 |
| 5.4 小结 |
| 第6章 总结与展望 |
| 6.1 本文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
四、水轮发电机组故障诊断专家系统知识库的设计（论文参考文献）
- [1]智能诊断技术在水电机组振动故障诊断中的应用进展[J]. 吾买尔·吐尔逊,穆哈西,夏庆成. 机电技术, 2021(04)
- [2]汽轮发电机组振动故障诊断模型构建及运用[D]. 刘涛. 华南理工大学, 2020(06)
- [3]水轮发电机励磁绕组匝间短路故障特征分析与故障识别[D]. 王罗. 华北电力大学(北京), 2020(06)
- [4]水电站水轮机组远程监控系统研究与开发[D]. 杨浩. 兰州理工大学, 2020(12)
- [5]大型发电机组励磁系统故障诊断及预测技术研究[D]. 李灿. 南京师范大学, 2020(03)
- [6]基于多源信息融合的大型发电机碳刷在线监测与故障诊断研究[D]. 孙万童. 重庆理工大学, 2020(08)
- [7]清洁能源发电系统预防性维修决策技术研究[D]. 尹浩霖. 西安理工大学, 2019
- [8]基于LabVIEW的水轮发电机组振动摆度故障诊断研究[J]. 王冠峰. 大电机技术, 2019(03)
- [9]水轮发电机组故障诊断及预测与状态评估方法研究[D]. 朱文龙. 华中科技大学, 2016(08)
- [10]基于故障树分析的水电机组振动故障诊断研究[D]. 李松领. 南昌工程学院, 2015(07)