孙宏艺[1]2000年在《汽轮发电机组网络化振动监测与诊断系统的研究》文中研究说明在全面介绍汽轮发电机组振动状态监测及故障诊断的方法、技术和实施的基础上，提出了一种将数据库与数据文件有机结合，利用现代网络技术实现汽轮发电机组振动状态监测与故障诊断网络化的模式，按此模式开发了针对国产200MW汽轮发电机组的振动监测及诊断系统，并在某电厂投入了实际使用。 文中首先介绍了汽轮发电机组振动监测及诊断技术的发展现状，并对振动监测诊断技术的基本理论和方法，包括旋转机械振动故障机理、振动测量分析方法以及诊断技术进行了研究；然后全面阐述了所开发研制的汽轮发电机组振动监测及诊断系统的设计思想、系统软硬件结构特点，重点介绍了利用数据库与数据文件相结合方式实现振动监测及诊断的网络化模式及其在软件中的具体实现方法。 系统软件采用模块化分布式组织方式，具备振动数据在线实时分析和故障实时诊断功能，采用本地数据库与数据文件共同存储数据，同时利用网络数据库进行数据传输，一方面通过Borland BDE或ODBC（开放式数据库互联）数据引擎将机组运行参数的测量数据从电厂DCS（分散控制系统）引入到振动监测及诊断系统，用于分析各种运行工况参数对机组振动状态变化的影响，另一方面将采集到的振动数据经过处理后通过WinSock接口转发到后台服务器，实现与电厂MIS（管理信息系统）的连接，充分利用了MIS网络现有的传输能力和系统的存储能力，实现了振动数据管理、分析及状态监测的网络化。
徐红燕[2]2007年在《基于B/S模式的汽轮发电机组远程状态监测技术研究》文中认为汽轮发电机组是电力生产的重要设备，由于其设备结构的复杂性和运行环境的特殊性，导致故障率高、危害性大。状态监测与故障诊断在保证机组安全、稳定、高效运行方面发挥了很大的作用。但是，随着电力系统向超高压、大容量和多机互联方向发展，一方面使得机组状态监测与故障诊断技术变得越来越重要，另一方面使得其专业化程度越来越高，一般技术人员很难掌握，这在某种程度上限制了机组监测诊断技术的推广和发展。计算机、网络通讯及相关技术的迅猛发展，使得机组远程监测诊断成为可能。本论文研究了基于B／S模式的汽轮发电机组远程状态监测与故障诊断系统，把网络通讯、数据库和Java、JSP等技术引入传统的监测诊断领域，从而改变了传统的监测诊断模式。人们不再受时间和空间的限制，不管身在何处，只要有条件上网，就可以随时查看机组的运行状态，将故障数据或故障分析图谱通过网络传递给专家或提交给远程专家系统就可以得到诊断结果。这在很大程度上提高了机组监测诊断的效率，节约了成本，该系统的成功运用有着十分重要的理论意义和巨大的经济效益。论文首先论述了课题的背景，详细分析了汽轮发电机组状态监测与故障诊断技术的国内外研究现状及应用发展，讨论了机组远程监测诊断的重要意义；对机组振动监测诊断技术的理论知识，包括状态监测的基本参数、振动数据分析及处理和常见振动故障进行了研究；然后全面阐述了基于B／S模式的汽轮发电机组远程状态监测及故障诊断系统的总体结构、功能模块、软件平台和开发工具；探讨了系统的关键技术，包括Socket网络通讯技术、JDBC数据库访问技术、Applet绘图技术、多线程技术和JavaBean技术等，重点研究了系统主要功能模块——实时监测模块、状态分析模块和故障诊断模块的设计与实现；最后在总结全文的基础上，对系统有待进一步深入研究的问题提出了建议。
温小萍[3]2006年在《基于LabVIEW的振动监测及故障诊断系统的研究开发》文中研究指明随着我国电力工业科技进步和电力体制改革的深化,发电企业对汽轮发电机组的振动状态监测与故障诊断技术提出了更高要求。本课题在实验的基础上,利用LabVIEW编程语言,研究开发了汽轮发电机组振动监测及故障诊断系统。论文首先总结了振动状态监测与分析技术的相关理论知识,对常见的振动故障诊断方法进行了比较,为系统开发工作提供了理论基础。论文完成了系统软硬件设计,包括传感器和数据采集卡的配置、信号调理电路设计、振动信号整周期采集编程以及界面设计,实现了振动数据采集及监测。论文采用SQL Server 2000作为数据平台,设计并建立了机组运行状态数据管理系统,实现了振动特征量的存取。对于要求读取速度快的波形数据采用数据文件的形式进行存储。数据库系统还实现了与电厂SIS系统的PI数据库的通讯,丰富了汽轮发电机组的诊断数据。论文还研究了基于DataSocket的实时数据网络化远程传输技术,提出振动状态远程监测及故障诊断方案;完成了适用于局域网的基于B/S模式的振动网络监测及诊断系统,能更好地满足远程监测用户的要求。最后,论文采用模糊数学的方法,根据汽轮发电机组常见故障原因与征兆之间不同程度的因果关系,在综合考虑所有征兆的基础上,来诊断设备发生的可能原因,实现了汽轮发电机组常见故障的模糊诊断。
李红[4]2006年在《基于B/S模式的机组远程振动监测与故障诊断系统研究》文中指出汽轮发电机组振动监测与故障诊断是保障机组安全运行的重要手段之一。基于互联网技术实现机组远程振动监测与故障诊断十分必要。分析研究了机组远程振动监测与故障诊断技术;分析讨论了浏览器/服务器(B/S)模式与客户机/服务器(C/S)模式技术特点以及在B/S模式中采用Java技术的优点;研究了BP神经网络与面向对象技术相结合构建机组振动故障诊断神经网络系统的技术方法;研究了机组振动频谱征兆的自动提取方法;采用B/S模式开发了机组远程振动监测与故障诊断系统,给出了系统结构组成、功能模块以及服务器和客户端设计和实现方法。解决了网站开发,服务器和客户端通讯,监测图形无闪烁刷新,构建故障诊断神经网络系统,实现基于频谱征兆远程故障诊断等问题。该系统现场应用效果良好。
权亚蕾[5]2015年在《基于混合神经网络的汽轮发电机组振动故障诊断研究》文中进行了进一步梳理汽轮发电机组作为电力行业的重要设备,其安全、稳定、高效地运行对社会生产、人身安全、经济收益等都具有重要的意义。然而随着科技的不断发展,汽轮发电机组的结构日益复杂,参数高、容量大,一旦发生故障将会产生更严重的影响。本文综合考虑汽轮机组的特点,选取SOM自组织映射神经网络对机组振动进行故障诊断,为了提高机组诊断正确率,避免出现漏检及误检现象,针对相应神经网络进行改进,研究了混合神经网络算法在机组故障诊断中的应用,构建了具体模型,最终开发了基于Lab VIEW的汽轮发电机组振动故障诊断系统。首先,在模拟的转子试验平台上模拟机组叁种常见的振动故障,获取所需的振动故障数据并对其进行处理,便于后续的故障诊断方法研究。其次,利用从转子模拟试验平台上获取的典型故障样本数据来训练SOM自组织映射神经网络,在此基础上对SOM算法进行改进以及应用PSO粒子群算法进行优化。之后深入故障诊断环节研究,利用学习向量量化网络构建PSO-SOM-LVQ混合神经网络算法的故障诊断模型。采用之前得到的故障实验数据进行验证,实验结果表明该模型进一步提高了故障诊断的可靠性和准确性。最后,在上述相关算法深入研究的基础上,应用LabVIEW虚拟仪器开发平台,开发了基于混合神经网络的汽轮发电机组振动故障诊断平台,该平台实现了实时监测、故障诊断等模块功能。
伍奎[6]2005年在《汽轮发电机组在线监测诊断的网络化、智能化研究》文中认为论文开展了设备状态在线监测诊断的智能化、网络化、自动化技术研究,并以火力发电厂的汽轮机、锅炉及主要辅机等主要设备为研究对象,进行了汽轮发电机组的网络化、智能化在线监测诊断系统研究。具体工作内容如下:1 从智能化系统的知识工程入手,全面地分析论述了智能化系统的各种知识表达方法及特点,研究了智能化系统的知识获取与学习的主要方法与算法。在知识表达的分析研究基础上,提出了基于图形化网络拓扑结构的知识表达方式和适用于组合智能化推理的公用知识库构架,有利于直观、灵活地进行知识表达并提高知识库的使用效率;通过智能化系统的知识获取与学习方法、算法研究,提出了分层聚类与变结构结合的混合型知识获取与学习方法及算法,能够在线和离线地进行知识获取与学习,有效地适应于图形化网络拓扑知识结构和组合智能化推理机制。2 系统地研究分析了智能化系统的推理机制和算法,提出了改进型的专家系统推理、模糊逻辑推理、神经网络推理的推理机制和算法,将叁种推理有机结合的并行组合推理及优化决策的推理决策方法与算法,能充分地利用图形化拓扑网络结构所构建的公用知识库进行推理决策。并行组合的智能化推理更能接近人类的思维模式,进一步提高设备状态在线监测诊断的智能化水平。3 进行了设备状态在线监测诊断的网络化结构体系研究,提出了利用分布式Web Service网络结构系统实现设备状态在线监测诊断的方法,能有效地实现资源共享、信息发布及远程传输,为智能化、网络化设备状态在线监测诊断提供了一条新途径。4 研制了汽轮发电机组网络化、智能化在线监测诊断系统,本系统的成功应用一方面突破了以往主要只对某一特定设备进行状态监测诊断的模式,另一方面探索了一条多参数复杂系统监测诊断的有效途径,有利于提升设备状态在线监测诊断的网络化、智能化、自动化水平。本学位论文的创新点如下:1) 基于图形化网络拓扑结构的知识表达、利用、获取与学习方式构成融合型公用知识库。图形化网络拓扑结构的融合型公用知识库具有灵活、直观、易于修改特点;融合型公用知识库拓宽了知识库的应用范围,有利于提高知识库的使用效率。2) 提出专家系统采用基于事例的正向不精确推理、模糊逻辑采用基于规则的演绎推理、神经网络采用基于模型的非单调推理的智能化推理策略,叁种推理可
朱介南[7]2003年在《大型汽轮发电机组振动状态远程监测与故障诊断系统研制》文中指出网络技术的飞速发展，改变人们日常生活的同时，也促使工业领域中许多技术发生变化。本文所要论述的就是如何设计、开发和实现一套基于Internet的大型汽轮发电机组状态远程监测与故障诊断系统。 论文第一章阐述了汽轮发电机组状态监测与诊断系统的发展及现状。并对课题的提出与任务进行了介绍与分析。 第二章则主要讲述机组状态实时监测、数据分析和故障诊断的理论知识。对系统中的一些主要参数和方法做了比较详细地介绍。 大型汽轮发电机组振动状态远程监测与故障诊断系统的实现必须依靠网络通信、数据库技术、Web技术以及系统开发平台等技术，所以本文的第叁章就主要讲述与远程监测和故障诊断系统相关的计算机技术。 第四章是本文的重点。从机组测点布置和规模、系统总体结构设计、系统软件总体设计、数据库系统设计和实现、后台应用程序实现及Web程序实现等六个方面对本系统的结构和实现做了详尽的论述。尤其对ADO和ActiveX控件在远程监测与故障诊断领域中的应用作了较为系统的总结和论述。 第五章以插图的形式详细地介绍了本系统软件的各个功能模块的作用、表现形式及使用方法等。 最后一章是结论与展望。在这一章中对本文的工作做了一个总结，并对计算机监测系统和故障诊断技术的未来发展做了展望。
冯帆[8]2014年在《发电机组转轴振动监测系统研究》文中认为汽轮发电机组作为电厂中的核心设备,其安全、稳定地运行是非常重要的。机组的平稳运行既关系到机组本身的运行寿命和维护成本,也影响到需求侧的用电质量和用电安全。由于设计、制造和运行等多方面原因,高速旋转的机组会产生无法消除的振动。若振动的振幅过大甚至会引发重大的事故。振动虽然对机组的运行不利,但振动信号中也包含丰富的信息,通过这些信息,我们可以对振动故障产生的原因进行诊断,做到防患于未然。本文设计了一种发电机组转轴振动监测系统。电涡流变送器将振动信号转换为电信号并传送至系统硬件平台。硬件平台使用FPGA作为控制核心对电信号进行模数转换、FIR滤波,并使用USB2.0接口将数据传输至上位机。硬件平台提供USB2.0和RS232接口传输数据。上位机采用LabVIEW开发平台,通用性强,通过VISA组件与硬件平台USB2.0接口和RS232接口通信,获取数据,进行波形分析、频谱分析和轴心轨迹分析。系统可以进行远程控制与发布,并能将数据存储在SD卡及数据库中。在实验室条件下对模拟振动信号进行采集,实验显示系统工作稳定良好,达到预期目标。本文最后介绍了小波变换理论在发电机组转轴振动信号监测中的应用,在LabVIEW平台上实现了小波消噪和小波频谱分析,相比传统方法具有更佳的效果。
倪秋华, 朱晓东[9]2011年在《汽轮发电机组状态监测和故障诊断的发展与趋势》文中研究表明介绍了汽轮机组状态监测和故障诊断的主要内容,分析了状态监测与故障诊断理论与技术的国内外发展现状,指出了国内外研究的差距,提出了我国汽轮机组状态监测与故障诊断技术的研究发展趋势。
喻剑平[10]2009年在《基于模糊神经网络的汽轮发电机组振动在线监测诊断研究》文中提出汽轮发电机组是电力系统中的核心设备之一。在长期的连续高速运行中,易发生故障,造成严重的经济损失。针对汽轮发电机组的运行现状,本论文剖析了汽轮发电机组故障诊断的重要性,论述了国内外相关领域的研究现状,分析了多种诊断方法的优缺点,选择了基于模糊神经网络的故障诊断方法来解决该问题,取得了较好的效果。全文的主要研究内容如下:(1)系统采用OPC技术,按照OPC服务器提供的接口访问现场控制设备的数据,避免了不停开发通讯DRIVER的问题,提高了系统的开放性和可互操作性。(2)系统研究了汽轮发电机组的主要故障机理和特征。由于模糊神经网络不仅具有神经网络数值计算的优势,而且具有模糊系统处理专家知识的能力,所以通过对神经网络和模糊系统的结合方式的研究,采用了基于BP模糊神经网络的旋转机械故障诊断方法,并将其用于汽轮发电机组的故障诊断。测试结果表明,这种方法是可行的、有效的。(3)在深入分析汽轮发电机组故障诊断过程的基础上,借助功能强大的VC++6.0开发环境,利用ProEssentials图表控件和SQL Server 2000,开发了一套汽轮发电机组振动在线监测诊断系统。本系统实现了大型汽轮机发电机组在线监测的要求以及对大量实时数据的动态显示、预报警等功能,其强大的软件功能对专业人员进行机组状态分析和故障诊断有一定的帮助。
参考文献：
[1]. 汽轮发电机组网络化振动监测与诊断系统的研究[D]. 孙宏艺. 华北电力大学. 2000
[2]. 基于B/S模式的汽轮发电机组远程状态监测技术研究[D]. 徐红燕. 同济大学. 2007
[3]. 基于LabVIEW的振动监测及故障诊断系统的研究开发[D]. 温小萍. 东南大学. 2006
[4]. 基于B/S模式的机组远程振动监测与故障诊断系统研究[D]. 李红. 华北电力大学（北京）. 2006
[5]. 基于混合神经网络的汽轮发电机组振动故障诊断研究[D]. 权亚蕾. 上海电力学院. 2015
[6]. 汽轮发电机组在线监测诊断的网络化、智能化研究[D]. 伍奎. 重庆大学. 2005
[7]. 大型汽轮发电机组振动状态远程监测与故障诊断系统研制[D]. 朱介南. 浙江大学. 2003
[8]. 发电机组转轴振动监测系统研究[D]. 冯帆. 大连理工大学. 2014
[9]. 汽轮发电机组状态监测和故障诊断的发展与趋势[J]. 倪秋华, 朱晓东. 汽轮机技术. 2011
[10]. 基于模糊神经网络的汽轮发电机组振动在线监测诊断研究[D]. 喻剑平. 武汉科技大学. 2009
标签：电力工业论文; 自动化技术论文; 故障诊断论文; 汽轮发电机论文; 机械振动论文; 振动试验论文; 发电机组论文; 智能化技术论文; 神经网络论文;