燃?xì)廨啓C(jī)智能故障管理理論及方法研究.pdf

1、隨著工業(yè)化進(jìn)程加深，工業(yè)4.0的革命浪潮即將席卷而來(lái)。這場(chǎng)以“智能化”為核心的工業(yè)變革將帶來(lái)一批全新的智能設(shè)備及智能化的設(shè)備管理技術(shù)，重新定義人與機(jī)器的協(xié)作機(jī)制。隨著設(shè)備的復(fù)雜程度不斷增加，設(shè)備的故障管理成為保障生產(chǎn)安全、提高生產(chǎn)效率的關(guān)鍵技術(shù)，智能化成為工業(yè)4.0時(shí)代下故障管理技術(shù)發(fā)展的必然趨勢(shì)。智能化的本質(zhì)是用數(shù)據(jù)獲得知識(shí)。隨著傳感器技術(shù)與信息技術(shù)的發(fā)展，眼下正是一個(gè)多源數(shù)據(jù)自動(dòng)產(chǎn)生的時(shí)代，這也為開(kāi)展智能故障管理提供了良好的基礎(chǔ)。燃

2、氣輪機(jī)作為廣泛應(yīng)用于國(guó)防與能源工業(yè)的高新技術(shù)動(dòng)力設(shè)備，設(shè)備復(fù)雜度高，故障種類(lèi)繁多，且自動(dòng)化、信息化程度高，開(kāi)展智能故障管理難度大，收益高，具有重大意義。因此，本文旨在充分挖掘與燃機(jī)相關(guān)的多源數(shù)據(jù)的價(jià)值，進(jìn)行其智能故障管理理論及方法的研究。
　　首先，針對(duì)支撐燃?xì)廨啓C(jī)智能故障管理研究的數(shù)據(jù)獲取技術(shù)，開(kāi)展了三項(xiàng)研究：
　　1）針對(duì)監(jiān)測(cè)數(shù)據(jù)的獲取，搭建了總體性能測(cè)試系統(tǒng)，進(jìn)行了總體穩(wěn)態(tài)性能測(cè)試、故障對(duì)總體性能影響測(cè)試、故障長(zhǎng)期發(fā)展

3、趨勢(shì)跟蹤，以支撐后續(xù)研究；
　　2）針對(duì)仿真數(shù)據(jù)的獲取，研究了工質(zhì)的熱物理性質(zhì)和部件建模方法，基于模塊化建模的思想建立了燃?xì)廨啓C(jī)性能仿真模型，該模型對(duì)兩臺(tái)實(shí)際燃機(jī)的仿真誤差均在1%以?xún)?nèi)；
　　3）針對(duì)傳感器測(cè)量的不確定性，進(jìn)行了兩項(xiàng)研究，即基于模型的數(shù)據(jù)調(diào)和與面向測(cè)量偏差的傳感器故障診斷，應(yīng)用這兩項(xiàng)技術(shù)可以有效地削弱測(cè)量不確定性，識(shí)別故障傳感器并進(jìn)行數(shù)據(jù)恢復(fù)。
　　接著，對(duì)燃?xì)廨啓C(jī)智能故障管理進(jìn)行了三項(xiàng)研究，即故障特征

4、分析、故障狀態(tài)評(píng)估和故障趨勢(shì)預(yù)測(cè)。
　　故障特征分析研究旨在將故障模式的危害性、后果、發(fā)展趨勢(shì)等屬性信息化，從而確定合適的維護(hù)策略。以“以可靠性為中心的維護(hù)”理論為基礎(chǔ)，對(duì)其兩大分析工具故障模式及影響分析和邏輯決斷圖進(jìn)行改造：提出一種應(yīng)用于故障管理的故障模式及影響分析方法，并確定待分析的故障屬性與評(píng)價(jià)標(biāo)準(zhǔn)；建立一種基于故障知識(shí)庫(kù)的維護(hù)策略邏輯決斷模型，智能化地制定維護(hù)大綱。據(jù)此，提出動(dòng)態(tài)以可靠性為中心的維護(hù)設(shè)想，拓展以可靠性為中心

5、的維護(hù)應(yīng)用范圍的邊界，并設(shè)計(jì)了一套動(dòng)態(tài)以可靠性為中心的維護(hù)分析方法，進(jìn)行了案例研究，結(jié)果表明采用該方法可顯著提高視情維護(hù)的故障管理水平。
　　故障狀態(tài)評(píng)估研究旨在采用監(jiān)測(cè)數(shù)據(jù)智能地定位故障部位、識(shí)別故障模式、評(píng)估故障程度，分別對(duì)基于模型與基于數(shù)據(jù)的兩種診斷方法進(jìn)行了研究：
　　1）針對(duì)當(dāng)下主要智能算法應(yīng)用于基于模型的燃?xì)廨啓C(jī)氣路故障診斷存在的問(wèn)題，采用模擬退火-粒子群混合算法進(jìn)行故障診斷。對(duì)比研究結(jié)果表明，該方法避免出現(xiàn)局部

6、最優(yōu)解的同時(shí)，大幅提高了全局搜索的速度；
　　2）將支持向量機(jī)應(yīng)用于基于數(shù)據(jù)的氣路故障診斷，并提出了一種全新的診斷框架。和神經(jīng)網(wǎng)絡(luò)的對(duì)比分析表明，診斷精度要求相同時(shí)，該方法需要的訓(xùn)練樣本更少。
　　故障趨勢(shì)預(yù)測(cè)研究旨在將更多的數(shù)據(jù)引入常規(guī)的時(shí)序預(yù)測(cè)中，智能地預(yù)測(cè)燃機(jī)衰退性故障未來(lái)的發(fā)展趨勢(shì)，提出兩種新型預(yù)測(cè)模型：
　　1）基于馬爾可夫過(guò)程與關(guān)聯(lián)分析的灰色預(yù)測(cè)模型，應(yīng)用該模型可以將同類(lèi)設(shè)備的衰退性故障發(fā)展曲線應(yīng)用于趨勢(shì)預(yù)

7、測(cè)，并能預(yù)測(cè)數(shù)據(jù)的波動(dòng)性；
　　2）基于故障概率密度的性能衰退趨勢(shì)預(yù)測(cè)模型，該模型基于可靠性參數(shù)與性能參數(shù)之間的關(guān)系，將同類(lèi)設(shè)備的歷史故障記錄應(yīng)用于故障特征參數(shù)的趨勢(shì)預(yù)測(cè)，以提高預(yù)測(cè)精度。
　　最后，基于本文研究成果開(kāi)發(fā)了燃?xì)廨啓C(jī)智能故障管理系統(tǒng)，應(yīng)用該系統(tǒng)開(kāi)展了兩項(xiàng)案例研究：
　　1）針對(duì)突發(fā)性故障的分析。該案例中智能故障管理系統(tǒng)可以迅速監(jiān)測(cè)到微小的壓氣機(jī)葉片擊傷，及時(shí)避免故障危害擴(kuò)大；
　　2）針對(duì)衰退性故障