基于Bayes和全息譜的汽輪發(fā)電機組故障分類中推理不確定性研究.pdf

1、汽輪機發(fā)電機組作為發(fā)電廠的重要設(shè)備，它的意外停車不僅會造成巨大的經(jīng)濟損失，而且會給人們的生活帶來不便。隨著裝備制造業(yè)的迅速發(fā)展，汽輪機發(fā)電機組設(shè)備和結(jié)構(gòu)越來越復(fù)雜，增加了汽輪機的故障率和危害性。
　　汽輪機故障診斷系統(tǒng)具有信息種類多，來源廣等特點，絕大多數(shù)是在輸入信息有干擾、不完全、具有多種不確定性因素的情況下工作的。不精確、不完整的數(shù)據(jù)信息和不完善的故障診斷理論等都會引起故障診斷專家系統(tǒng)中診斷過程的不確定性。針對汽輪發(fā)電機組故障

2、診斷專家系統(tǒng)中推理中的不確定性，提出了一種綜合二維全息譜和Bayes最小風(fēng)險決策的不確定性推理方法。本文主要研究內(nèi)容如下:
　　(1)研究了汽輪發(fā)電機組故障診斷專家系統(tǒng)中不確定性的來源，對比分析了現(xiàn)有的不確定性推理模型中不確定性的知識表示和不確定性推理過程。分別總結(jié)了基于案例的故障診斷專家系統(tǒng)和基于規(guī)則的故障診斷專家系統(tǒng)中推理不確定性產(chǎn)生原因，給出了部分不確定性的處理方法。
　　(2)建立基于二維全息譜和貝葉斯風(fēng)險決策的概率

3、分類模型。說明了模型建立的理論依據(jù)，介紹了模型具體步驟，討論了樣本空間建立的完備性，通過比較被測故障信號與標(biāo)準(zhǔn)信號的頻譜差異，選取故障頻帶，根據(jù)Sohre表初選故障類型，運用貝葉斯最小風(fēng)險決策簡化故障類型，通過疊加被測故障信號與標(biāo)準(zhǔn)信號的二維全息譜圖，基于證據(jù)組合理論，計算各倍頻重合的比率，得到高風(fēng)險決策的故障類型及發(fā)生的概率。通過實驗驗證了本文提出的分類模型的可靠性和分類精確性。
　　(3)針對多故障分類問題，討論了多故障的知識