| 【中文题名】 | 电厂中先进故障诊断方法研究 |
| 【英文题名】 | Study on Fault Diagnosis Applied in Power Plants |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-23 |
| 【中关键词】 | 故障诊断,燃烧控制系统,未知输入观测器,汽轮机,粒子群优化算法, |
| 【英关键词】 | Fault diagnosis,Combustion control system,Unknown input observer,Steam turbine,Particle optimization, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>监视、报警、故障诊断系统> |
| 【论文摘要】 |
自动控制系统及其设备是大型火电机组不可缺少的重要组成部分,其性能和可靠性已成为保证火电机组可靠性和经济性的重要因素。本文针对多变量的锅炉燃烧控制系统提出一种全阶未知输入观测器方法,通过残差体现系统故障信息。仿真表明,该方法可以对控制系统的传感器和执行器进行准确、快速的故障诊断。针对设备的故障诊断,文中提出了一种基于模糊规则和粒子群优化算法的故障诊断方法:先由对象样本数据生成带置信度的完备模糊规则集,再使用离散的粒子群优化算法对完备模糊规则集进行精简,提高了故障诊断的效率和准确性。将该方法应用于某汽轮机的故障诊断中,仿真的结果表明该方法快速、有效,且易于工程实现。 |
| 【论文题纲】 |
|
摘要 |
3 |
|
ABSTRACT |
3-6 |
|
第一章 绪论 |
6-10 |
|
1.1 电厂故障诊断的研究背景和意义 |
6-7 |
|
1.1.1 电厂中控制系统的故障诊断 |
6-7 |
|
1.1.2 电厂中设备的故障诊断 |
7 |
|
1.2 故障诊断技术的发展与现状 |
7-8 |
|
1.3 本文的主要研究内容 |
8-10 |
|
第二章 故障诊断方法 |
10-19 |
|
2.1 依赖于模型的故障诊断方法 |
10-12 |
|
2.1.1 基于状态估计的故障诊断方法 |
10-11 |
|
2.1.2 基于参数估计的故障诊断方法 |
11-12 |
|
2.2 不依赖于模型的故障诊断方法 |
12-16 |
|
2.2.1 基于信号处理的故障诊断方法 |
12-14 |
|
2 2.2 基于知识的故障诊断方法 |
14-16 |
|
2.3 故障诊断过程 |
16-18 |
|
2.3.1 基于模型的控制系统故障诊断过程 |
16 |
|
2.3.2 基于智能方法的设备故障诊断过程 |
16-18 |
|
2.4 本章小结 |
18-19 |
|
第三章 基于未知输入观测器的控制系统故障诊断方法 |
19-35 |
|
3.1 控制系统故障的模型化 |
19-20 |
|
3.1.1 传感器故障的数学模型 |
19-20 |
|
3.1.2 执行器故障的数学模型 |
20 |
|
3.2 观测器理论简介 |
20-24 |
|
3.2.1 观测器的分类 |
21-22 |
|
3.2.2 全维状态观测器 |
22-24 |
|
3.3 未知输入观测器的设计 |
24-26 |
|
3.4 残差的产生 |
26-27 |
|
3.5 仿真研究 |
27-34 |
|
3.5.1 锅炉燃烧控制系统 |
27-29 |
|
3.5.2 UIO设计 |
29-30 |
|
3.5.3 仿真结果 |
30-34 |
|
3.6 本章小结 |
34-35 |
|
第四章 基于模糊规则和粒子群优化算法的设备故障诊断方法 |
35-50 |
|
4.1 预备知识 |
35-43 |
|
4.1.1 模糊系统 |
35-38 |
|
4.1.2 粒子群优化算法 |
38-43 |
|
4.2 生成初始模糊规则集 |
43-44 |
|
4.3 故障分类 |
44 |
|
4.4 用粒子群优化算法精简完备模糊规则集 |
44-46 |
|
4.4.1 编码与适值函数 |
45 |
|
4.4.2 离散的粒子群优化算法 |
45-46 |
|
4.5 汽轮机的故障诊断仿真研究 |
46-49 |
|
4.6 本章小结 |
49-50 |
|
第五章 结论与展望 |
50-51 |
|
参考文献 |
51-55 |
|
致谢 |
55-56 |
|
在学期间发表的学术论文和参加科研情况 |
56 |
|
| 【DOI】 | LunWen.ID:2.2008.383742 |
