基于信息融合的汽輪發(fā)電機(jī)組故障診斷方法研究的任務(wù)書(shū)

基于信息融合的汽輪發(fā)電機(jī)組故障診斷方法研究的任務(wù)書(shū)1.背景及研究意義：汽輪發(fā)電機(jī)組是火電廠等電力工業(yè)的重要設(shè)備之一，其正確運(yùn)行對(duì)于保障電網(wǎng)及電力運(yùn)行的安全穩(wěn)定至關(guān)重要。然而，隨著汽輪發(fā)電機(jī)組使用年限的逐漸增加以及廠房環(huán)境等因素的影響，汽輪發(fā)電機(jī)組的故障率逐漸增加，故障對(duì)于發(fā)電量和電力品質(zhì)的影響越來(lái)越大。對(duì)于汽輪發(fā)電機(jī)組進(jìn)行故障診斷和預(yù)測(cè)是十分必要的。信息融合技術(shù)，是指將來(lái)自不同傳感器或監(jiān)測(cè)設(shè)備的數(shù)據(jù)和信息進(jìn)行集成、分析與處理的方法，能夠提高系統(tǒng)可靠性和準(zhǔn)確性，對(duì)于汽輪發(fā)電機(jī)組的故障診斷有著重要的應(yīng)用價(jià)值。因此，本課題將以信息融合技術(shù)為基礎(chǔ)，通過(guò)對(duì)汽輪發(fā)電機(jī)組傳感器數(shù)據(jù)的監(jiān)測(cè)和分析，建立合適的故障診斷模型，針對(duì)故障及時(shí)進(jìn)行預(yù)測(cè)與診斷，提高汽輪發(fā)電機(jī)組的安全性和可靠性，降低停機(jī)時(shí)間和維修成本，具有重要的應(yīng)用意義和社會(huì)價(jià)值。2.研究?jī)?nèi)容：（1）汽輪發(fā)電機(jī)組故障診斷的基本原理和方法的研究；（2）針對(duì)汽輪發(fā)電機(jī)組監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)采集，特征提取和選擇等關(guān)鍵技術(shù)的研究；（3）信息融合技術(shù)與汽輪發(fā)電機(jī)組故障診斷的集成研究，建立基于信息融合的汽輪發(fā)電機(jī)組故障診斷模型；（4）針對(duì)故障診斷的不確定性問(wèn)題，研究融合多源數(shù)據(jù)的故障診斷方法；（5）通過(guò)實(shí)測(cè)數(shù)據(jù)和仿真模擬驗(yàn)證所提出的方法的可行性和有效性。3.研究計(jì)劃：（1）前期調(diào)研：查閱文獻(xiàn)，了解信息融合在故障診斷領(lǐng)域的基本原理和方法，熟悉汽輪發(fā)電機(jī)組的結(jié)構(gòu)和工作原理。（2）數(shù)據(jù)采集：搜集汽輪發(fā)電機(jī)組傳感器數(shù)據(jù)，建立數(shù)據(jù)采集平臺(tái)，并進(jìn)行預(yù)處理和特征提取。（3）故障診斷模型建立：以信息融合技術(shù)為基礎(chǔ)，建立汽輪發(fā)電機(jī)組故障診斷模型，并對(duì)模型進(jìn)行調(diào)試和驗(yàn)證。（4）算法實(shí)現(xiàn)：開(kāi)發(fā)故障診斷系統(tǒng)，實(shí)現(xiàn)相關(guān)算法和方法，并進(jìn)行仿真實(shí)驗(yàn)。（5）實(shí)驗(yàn)驗(yàn)證：基于實(shí)測(cè)數(shù)據(jù)和仿真模擬，對(duì)所提出的方法進(jìn)行驗(yàn)證和評(píng)估。（6）撰寫(xiě)論文并答辯：撰寫(xiě)研究論文，并進(jìn)行答辯。4.研究目標(biāo)：（1）建立基于信息融合技術(shù)的汽輪發(fā)電機(jī)組故障診斷模型；（2）實(shí)現(xiàn)故障預(yù)測(cè)與診斷的自動(dòng)化和智能化，提高汽輪發(fā)電機(jī)組的可靠性和安全性；（3）通過(guò)實(shí)測(cè)數(shù)據(jù)和仿真模擬驗(yàn)證所提出的方法的可行性和有效性；（4）在汽輪發(fā)電機(jī)組故障診斷領(lǐng)域有一定的學(xué)術(shù)貢獻(xiàn)。5.研究基礎(chǔ)：熟練掌握數(shù)學(xué)和信號(hào)處理相關(guān)基礎(chǔ)理論，熟悉Matlab等數(shù)據(jù)分析和處理軟件，具有較強(qiáng)的編程能力。6.參考文獻(xiàn)：[1]ChenX,LiuZ,JinY,etal.Comprehensivelearningparticleswarmoptimizationforfeatureselectioninbearingfaultdiagnosisunderdifferentworkingconditions[J].MechanicalSystemsandSignalProcessing,2016,66:37-56.[2]ChaoJ,FanK,LiuX,etal.Ahybridfeatureselectionmethodforfaultdiagnosisbasedonmutualinformationandantcolonyoptimization[J].AppliedSoftComputing,2017,60:278-293.[3]FengY,LiuY,JiangH,etal.Healthassessmentofrollingbearingsusingadaptivesparserepresentationandmulti-domainfeatures[J].MechanicalSystemsandSignalProcessing,2017,94:109-123.[4]ZhangY,LiX,ZhangT,etal.Agearf