[发明专利]一种基于证据理论的汽轮机故障诊断方法、系统及设备

说明书

一种基于证据理论的汽轮机故障诊断方法、系统及设备，属于汽轮机故障诊断领域。为了解决利用现有的D‑S证据理论进行故障诊断存在准确性有待于提高的问题。本发明的方法首先确定汽轮机的故障类别框架，然后利用多组传感器输出故障的基本概率赋值作为诊断故障的证据；计算诊断证据的最大概率赋值、最小概率赋值，得到最优概率赋值；计算诊断证据之间的确定度、差异度，得到冲突度；利用冲突度和D‑S证据理论融合规则，对诊断证据的最优概率赋值进行融合并归一化处理输出故障的决策概率赋值；按照决策规则对决策概率赋值进行判断，输出诊断结果。主要用于汽轮机的故障诊断。

技术领域

本发明涉及一种汽轮机故障诊断方法、系统及设备，属于汽轮机故障诊断领域。

背景技术

汽轮机作为发电厂最重要的动力设备，一旦出现故障，造成经济和安全的影响都非常大，后果不堪设想。加强汽轮机状态监测和故障诊断可以保证汽轮机安全运行，减少事故发生，保障人身财产安全，保障国民经济稳健发展。汽轮机运行机理复杂，现场环境不确定因素较多，如何根据汽轮机的故障特征及时准确对汽轮机故障进行诊断是非常难的。因此，快速准确对汽轮机故障进行诊断成为一个亟需解决的热门问题。

D-S证据理论凭借着其对不确定信息能够合理、准确表示的优势，被广泛应用在故障诊断领域中。但是D-S证据理论中的融合规则对证据间的冲突度量存在一定缺点，不利于快速准确得出诊断结果。

发明内容

本发明为了解决利用现有的D-S证据理论进行故障诊断存在准确性有待于提高的问题。

一种基于证据理论的汽轮机故障诊断方法，该方法包括以下步骤：

(1)确定汽轮机的故障类别框架Q＝{q₁,q₂,…,q_n}，q_i代表故障类别框架Q中的第i个故障，i＝1,2,…,n，n为故障个数。

(2)根据汽轮机运行原理，用l组传感器监测故障的特征参数，输出故障的基本概率赋值m_j(q_i)，作为诊断故障的证据，j代表第j组传感器，也代表第j条证据，j＝1,2,…,l，q_i代表第i个故障，i＝1,2,…,n，n为故障个数。

(3)根据传感器输出的故障基本概率赋值，计算诊断证据的最大概率赋值B_j(q_i)。

其中，m_j(q_i)为第j条诊断证据第i个故障q_i的基本概率赋值，m_j(C)为第j条诊断证据第i个故障q_i所属集合C的基本概率赋值，Q为故障类别框架。

(4)根据传感器输出的故障基本概率赋值，计算诊断证据的最小概率赋值P_j(q_i)。

其中，m_j(q_i)为第j条诊断证据第i个故障q_i的基本概率赋值，m_j(C)为第j条诊断证据第i个故障q_i所属集合C的基本概率赋值，Q为故障类别框架。

(5)根据最大概率赋值和最小概率赋值，计算诊断证据的最优概率赋值m'_j(q_i)。

其中，B_j(q_i)和P_j(q_i)分别为第j条诊断证据第i个故障q_i的最大概率赋值和最小概率赋值。