故障诊断在电厂中的应用与研究(19)

华北电力 (京硕士学大学北 )位论文

如果系统在运行过程中发生故障，则领域专家很快就可以根据经验确定故障的 原因和部位。专家系统诊断利用了专家积累的丰富实践经验，能模仿专家分析问题和解决问题的思路，而且能够解释自己的推理过程，解释结论是如何获得的。无论是在理论上还是在工程上应用都很广泛。

文【〕 系统巧利用专家对汽轮发电机组进行故障诊断，采用在线诊断、离线诊断相互继承、相互延续的综合诊断方法。专家系统诊断方法也有不易克服的缺陷，如知识获取“瓶颈”问题。一方面由于专家知识有一定局限性，另一方面由于专家知识表述规则化有相当大的难度，两者造成了诊断知识库的不完备，表现为当遇到一个没有相关规则与之对应的新故障现象时，系统显得无能为力。知识的表示是一种显式表示，一般为 I. H N一 F E -的形式，而有些问题是很难用这种形式表示的。在 . . T知识的推理上，传统的专家系统是用串行方式，其推理方法简单，控制策略不灵活，容易出现“匹配冲突’“,组合爆炸”及“、无穷递归”等问题，且推理速度慢、效率低。还有，系统缺乏自学习和自完善能力，现行的故障诊断专家系统在运行过程中不能从诊断的实例中获得新的知识，并且对一些新奇的故障和系统设计的一些边缘问题求解具有很强的脆弱性。系统的求解能力完全局限于知识库中仅有的规则，对知识获取时专家知识具有不一致性、不完全

性和不准确性，系统不能在实例系统中自我完善。专家系统的实时性也比较差，其诊断推理的机制决定了基于知识的专家系统满足不了在线监测的实时性要求。 144遗传算法的应用 ..

遗传算法是一种基于自 然选择和群体遗传机理的搜索算法，它模拟了自然选择和自然遗传过程中发生的繁殖、杂交和突变现象。在利用遗传算法求解问题时，问题的每个可能的解都被编码成一个“染色体”即个体，,若干个个体构成了群体 (所

有可能解),句以看作是一个由可行解组成的群体逐代进化的过程。遗传算法从 2 0世纪 6年代末产生至今，经过了 3多年的努力，不论是在应用上、算法设计上， 0 0还是在基础理论上，均取得了长足的发展，已成为信息科学、计算机科学、运筹学和应用数学等诸多学科所共同关注的热点研究领域。

文【】 汽 1讨论了轮机故障诊断中特征 6的提取、据处理和遗数传神经网络结构，由于事先不知道故障征兆关系，所以利用遗传神经网络使诊断系统具有学习功能。

文〔 1力系统的 1把电 7故障诊断问题表示为。规划问采用遗传算法和模拟退火 - 1题，算法可以实现对任意复杂的故障情况进行求解。还有一些学者提出，先用遗传算法对各种神经网络连接权值和网络的拓扑结构进行优化，然后再用人工神经网络进行故障诊断的方法。

除以上介绍的几种故障诊断方法外，还有很多的混合智能诊断方法，如基于多 种模型和多种知识的混合智能诊断系统，小脑模型与振动监测方法相结合的诊断系统。近年来，遗传算法在故障诊断中的研究又形成了一个新的热点。例如，在神经

8

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说教育文库故障诊断在电厂中的应用与研究(19)在线全文阅读。