Lanzhou University of Technology Institutional Repository (LUT_IR)
题名 | 基于Bayes和全息谱的汽轮发电机组故障分类中推理不确定性研究 |
作者 | 孔园园 |
导师 | 韦尧兵 |
答辩日期 | 2014 |
学位名称 | 硕士 |
关键词 | 汽轮机 Bayes最小风险 二维全息谱 不确定性 分类决策 |
摘要 | 汽轮机发电机组作为发电厂的重要设备,它的意外停车不仅会造成巨大的经济损失,而且会给人们的生活带来不便。随着装备制造业的迅速发展,汽轮机发电机组设备和结构越来越复杂,增加了汽轮机的故障率和危害性。汽轮机故障诊断系统具有信息种类多,来源广等特点,绝大多数是在输入信息有干扰、不完全、具有多种不确定性因素的情况下工作的。不精确、不完整的数据信息和不完善的故障诊断理论等都会引起故障诊断专家系统中诊断过程的不确定性。针对汽轮发电机组故障诊断专家系统中推理中的不确定性,提出了一种综合二维全息谱和Bayes最小风险决策的不确定性推理方法。本文主要研究内容如下:(1)研究了汽轮发电机组故障诊断专家系统中不确定性的来源,对比分析了现有的不确定性推理模型中不确定性的知识表示和不确定性推理过程。分别总结了基于案例的故障诊断专家系统和基于规则的故障诊断专家系统中推理不确定性产生原因,给出了部分不确定性的处理方法。(2)建立基于二维全息谱和贝叶斯风险决策的概率分类模型。说明了模型建立的理论依据,介绍了模型具体步骤,讨论了样本空间建立的完备性,通过比较被测故障信号与标准信号的频谱差异,选取故障频带,根据Sohre表初选故障类型,运用贝叶斯最小风险决策简化故障类型,通过叠加被测故障信号与标准信号的二维全息谱图,基于证据组合理论,计算各倍频重合的比率,得到高风险决策的故障类型及发生的概率。通过实验验证了本文提出的分类模型的可靠性和分类精确性。(3)针对多故障分类问题,讨论了多故障的知识表示,拓展了本文模型的多故障诊断,提出了解决多故障耦合的方法,从理论上分析了本文分类模型在多故障诊断方面的可行性。 |
页数 | 64 |
URL | 查看原文 |
语种 | 中文 |
收录类别 | CNKI |
中图分类号 | TM311 |
文献类型 | 学位论文 |
条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/90385 |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学 |
第一作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 孔园园. 基于Bayes和全息谱的汽轮发电机组故障分类中推理不确定性研究[D],2014. |
条目包含的文件 | 条目无相关文件。 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[孔园园]的文章 |
百度学术 |
百度学术中相似的文章 |
[孔园园]的文章 |
必应学术 |
必应学术中相似的文章 |
[孔园园]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论