基于决策树的汽轮机振动故障诊断技术研究-动力工程及工程热物理；动力机械及工程专业论文.docxVIP

华北电力大学硕士学位论文摘 华北电力大学硕士学位论文 摘 要 随着电力技术的日益发展，发电机组的容量和参数不断提高，电厂的热力设备 也日趋复杂化和智能化，因此也导致了电厂汽轮机设备的故障产生机理日益复杂， 然而电厂汽轮机作为电厂中的三大主要设备之一，一发生故障，将会给企业和国家 造成巨大经济损失。随着数据挖掘技术的飞跃发展，其在处理海量数据方面显示出 其无比巨大的优势，因此将数据挖掘技术与电厂汽轮机设备状态监测与故障诊断相 结合，将突破传统设备状态监测与故障诊断的知识获取的瓶颈，并且使人们利用数 据挖掘技术，从系统历史数据中提取相应的诊断知识，成为获取知识的一种有效途 径。 本文通过将数据挖掘分类方法中的决策树C4．5算法引入汽轮机的轴系振动的 故障诊断，作为一种故障诊断方法进行了研究。通过在实验室汽轮机转子实验平台 上模拟正常、不平衡、碰磨、油膜振荡四种运行状态，实验工作转速为4000r／min， 每种运行状态分别进行20次实验，共采集80组模拟实验数据，将采集到的原始数 据通过Matlab程序计算，得到四种运行状态下所有组别的偏度、峭度、平均值、最 大值四个统计特征参数。对于每种运行状态随机选择lO组，共40组组成训练数据 集，其余构成测试集，通过决策树C4．5故障诊断方法的诊断流程对训练数据集进 行处理，最终得到决策树故障诊断模型，通过测试数据集对该模型的诊断精度进行 判断，其诊断精度达90％。也通过其他的综合评价标准对该诊断模型进行了综合评 价，结果较为理想。因此，可以通过进一步的对该算法的优化，将其引入汽轮机轴 系振动故障诊断系统。基本实现了决策利c4．5算法的编程开发。本文最后也对基 于决策树的汽轮机故障诊断系统进行了系统的框架的搭建，及各部分功能也作出了 详细阐述，也对该系统的软件体系进行了设计，并实现了基于决策树C4．5算法的 故障诊断模块。 关键词：汽轮机；振动；故障诊断；决策树算法；诊断系统 万方数据 华北电力大学硕士学位论文Abstract 华北电力大学硕士学位论文 Abstract With the increasing development of power technology．the capacity and parameters of generating unit are improved and the thermodynamic equipments in power plants are becoming complicated and intelligent．TIlis all leads to the complication of turbine fault． It will cause tremendous economic losses tO the companies and our country if the turbine goes wrong．Data mining has many advantages in dealing mass data．As a result，it will be art efficient way to attain knowledge if data mining and fault diagnosis system of turbine are combined together．We Can attain diagnostic rules from historical data by the ways of data mining to diagnose faults． In the paper，the decision tree C4．5 algorithm is applied to the fault diagnosis of steam turbine unit．The simulation experiments are conducted on the experimental platform of steam turbine rotor．The vibration tests include：normal running of rotor, imbalance of rotor,friction of rotor，oil film oscillation at the rotation rate of 4000r／min, and each running condition was tested for 20 times．Statistical characteristic parameters are calculated by matlab from primary vibration data