水力机组集成智能化振动故障诊断网格研究

论文摘要

水力机组故障诊断是保证水力机组稳定运行的重要技术手段,目前诊断方法已经由传统的数据测量和经验估计转变为利用智能技术构建专家系统求解来完成。但是由于水力机组故障样本相对较少,而故障情形却非常复杂,单一的智能诊断系统已经无法适应水力机组故障诊断的要求,这也直接影响了水力机组状态检修的实施,因此需要建立集成智能化网格故障诊断系统,集成尽可能多的水力机组故障诊断系统并划分成计算网格。通过现代网格信息技术将多故障诊断系统变成故障诊断网格服务,这样可以消除单一智能系统的诊断局限性,最大程度实现诊断知识的共享、发现、管理和语义互操作,并可以在网格中实现并行推理,提高推理诊断的准确性和快速性,推进水力机组故障诊断方法和模式的变革。本文结合国家重大自然科学基金项目和国家科技部创新基金项目,以振动诊断为例,对水力机组集成智能化故障网格的理论、智能诊断、知识发现方法、网格建立以及故障诊断网格服务实现等问题进行了全面系统的研究,主要内容及成果如下:(1)利用智能诊断和知识发现相关原理,分析了集成智能化诊断的构成、特点和优势,并应用智能技术对水力机组智能故障诊断网格的可行性进行了验证。(2)通过应用知识工程理论建立知识网格系统,将原有不规范的知识表达方式变成具有WEB语义特征的本体知识语义表达,这样可以使网格系统能够理解含语义的文档和数据,并把不同智能系统的知识元进行规范化处理。(3)根据知识元表达规范,研究了在网格中动态建立知识概念格的方法。并在其基础上研究了在网格中知识启发式宽度优先搜索算法,同时通过引入距离和频域模糊贴近度概念进行图形知识挖掘,形成网格故障知识发现模型。(4)通过构建知识网格系统,设计了一种适合网格结构的知识推理方法,并利用不确定推理对故障诊断网格中知识推理系统进行深入研究,提出基于系统提问式的启发混合推理模式。(5)为实现振动故障诊断网格服务,利用Globus、Internet、Agent、XML、Web Service等现代信息技术,构建故障诊断网格服务的实现框架,使该系统具有智能、灵活、扩展性强的特点,同时为以后更加复杂的故障诊断应用提供了计算平台。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 问题的提出
• 1.2 国内外相关技术研究现状及发展趋势
• 1.2.1 机械设备及水电机组故障诊断发展现状
• 1.2.2 智能系统在水力机组故障诊断的研究应用与发展
• 1.2.3 网格计算和故障诊断智能网格现状和发展
• 1.3 主要研究内容
• 2 水力机组的振动故障特点及振因分析
• 2.1 水力机组振动故障的主要特点
• 2.2 水力机组振因分析
• 2.3 水力机组的振动故障特征
• 2.4 小结
• 3 水力机组振动故障诊断网格中的智能技术
• 3.1 引言
• 3.2 水力机组故障模糊聚类诊断技术
• 3.2.1 水力机组故障特征隶属度确定
• 3.2.2 水力机组故障的模糊聚类分析方法
• 3.2.3 水力机组故障诊断的模糊聚类实例验证
• 3.3 基于径向基神经网络的水力机组振动故障诊断技术
• 3.3.1 径向基概念
• 3.3.2 径向基神经网络故障诊断的实例验证
• 3.4 粗糙集在水力机组振动故障诊断中的技术应用
• 3.4.1 粗糙集合基本概念
• 3.4.2 信息系统及其简化
• 3.4.3 属性约简算法
• 3.4.4 实例验证
• 3.5 小结
• 4 水力机组振动故障诊断知识工程与知识网格的建立
• 4.1 引言
• 4.2 故障诊断网格中知识含义和表达要求
• 4.2.1 知识的定义和分类
• 4.2.2 知识的表达方式
• 4.2.3 智能水力机组故障诊断网格知识表达的要求
• 4.3 水力机组故障诊断知识网格和结构体系框架
• 4.3.1 知识网格概念和故障诊断知识网格目标
• 4.3.2 模型和术语描述
• 4.3.3 面向知识的水力机组振动故障诊断网格服务体系描述
• 4.4 水力机组故障诊断网格知识元的语义表达模型
• 4.4.1 RDF（S）描述框架概述
• 4.4.2 领域知识本体语义表达模型
• 4.4.3 水力机组故障诊断知识实例表达方法
• 4.5 小结
• 5 水力机组振动故障诊断知识网格的搜索和挖掘
• 5.1 引言
• 5.2 知识搜索技术
• 5.2.1 宽度优先搜索
• 5.2.2 A*算法
• 5.3 水力机组故障诊断网格知识概念格的创建和搜索策略
• 5.3.1 概念格的理论基础
• 5.3.2 模糊形式背景下概念格扩展
• 5.3.3 概念格的生成算法
• 5.3.4 水力机组故障诊断网格知识的模糊概念格生成
• 5.3.5 水力机组故障诊断网格知识概念格搜索算法
• 5.4 水力机组故障诊断网格的时间序列相似性挖掘
• 5.4.1 时间序列相似性描述
• 5.4.2 时间序列相似性度量
• 5.4.3 水力机组故障诊断网格中的时间序列相似度量
• 5.4.4 水力机组故障诊断网格中的时间序列相似挖掘实例验证
• 4.5 小节
• 6 水力机组振动故障诊断网格推理机制研究
• 6.1 引言
• 6.2 智能系统可信度推理研究
• 6.2.1 可信度推理表示方法
• 6.2.2 可信度推理算法
• 6.3 水力机组振动故障诊断知识网格推理规则
• 6.4 水力机组振动故障诊断知识网格推理模型
• 6.4.1 推理模式和表达
• 6.4.2 冲突消去方法
• 6.4.3 水力机组故障诊断网格推理方法实现和流程
• 6.5 小节
• 7 水力机组振动故障诊断网格关键技术和实现
• 7.1 引言
• 7.2 水力机组振动故障诊断网格原型系统体系结构
• 7.2.1 系统开发目标和设计模式
• 7.2.2 故障诊断网格体系运行环境
• 7.2.3 系统体系结构和功能实现
• 7.3 故障诊断网格关键技术
• 7.3.1 Globus网格基石系统
• 7.3.2 网格环境下的智能代理技术
• 7.3.3 Web Service技术
• 7.4 系统的主要功能展现和效果分析
• 7.4.1 诊断门户展现
• 7.4.2 在线监测服务
• 7.4.3 智能在线诊断服务
• 7.4.4 图形挖掘服务
• 7.4.5 作业和计算资源管理服务
• 7.5 小节
• 8 结论与展望
• 8.1 结论
• 8.2 展望
• 致谢
• 参考文献
• 附录
• 一、博士期间发表论文
• 二、博士期间参与的科研课题