智能故障诊断技术与专家系统课程ppt

二、风电机组结构介绍
风电机组在实 际应用中多采用齿 轮箱升速型结构。 常见的升速型水平 轴风电机结构如左 图所示，主要由风 轮、变桨机构、传 动系统、偏航系统、 发电机、控制系统、 机舱和塔架等构成。
三、常见故障介绍（1）
风电机组多安装在高山、荒野、海滩、海岛等风口处， 常年经受无规律的变向变负荷的风力作用以及强阵风的冲击 和酷暑严寒极端温差的影响，从而导致其故障频发。
风力发电是世界上公认的最接近商业化的可再生能源技 术之一。在当今强调保护环境、可持续发展的背景下，不消 耗化石燃料、无环境污染的风电被认为是最清洁的能源利用 形式。 由于大部分机组安装在偏远地区，负荷不稳定等因素， 不少机组都出现了运行故障，直接影响风电的安全性和经济 性。服役超过20年的风电机组，其运行维护费用占能源成本 的10%～20%；海上风电机组由于运行环境更恶劣、维护操作 更困难，这个比例更是高达30%～35%。 因此，风电机组的故障诊断尤为重要，这是保证机组长 期稳定运行和安全发电的关键。
四、风电机组的故障诊断（2）
五、风电机组故障智能诊断——诊断方法的选择
目前应用较为广泛的方法是专家系统和人工神经网络。 专家系统： 用于旋转机械的故障诊断较成功，但在实际应用中仍然 存在以下主要缺陷： ①建立知识库及验证其完备性比较困难； ②容错能力较差，缺乏有效的方法识别错误信息； ③大型专家系统的知识库的维护难度很大； •在复杂故障诊断任务中会出现组合爆炸和推理速度慢的问题。
五、风电机组故障智能诊断——预警和诊断系统设计
下面为利用神经网络构建的风电机组智能诊断系统。其 中预警系统采用3层BP神经网络结构。
五、风电机组故障智能诊断——预警和诊断系统设计
应用神经网络模型进行故障预测和诊断过程分为： 网络模型学习训练： 离线时通过目标样本训练神经网络、调节网络权值， 从而得到实用的网络模型。当训练输出与预期输出之差在 容许范围内时，表明网络已训练好，然后分析目标样本确 定各节点的输出阈值。各异常状态对应节点输出的最小值 作为该节点输出的第一阈值；各异常状态对应节点输出的 平均值作为该节点输出的第二阈值。
智能故障诊断技术
9999
• 福特公司在检查设备时，曾发现一台大型 电机运转时有异响，但毛病在哪却无法“ 确诊”，于是请来了斯坦门茨，斯坦门茨 仔细地听了听，敲了敲，然后在电机外壳 上画了条线，等到技工打开电机，才果然 发现毛病在那里。事后，福特公司爽然支 付了1万美元。什么？就这么听听敲敲就值 1个万？一时间人们议论纷纷，斯坦门茨会 意，便在领款单的背面写道：“画一条线 值1美元，知道在哪里画值9999美元。”
故障诊断的任务
• 故障诊断的任务主要包括三个方面
1、监视机组的运行状态，判断其是否正常 2、预测将来发生的趋势，提供消除故障的思路 3、指导机组的运行和维修
故障诊断的思路
思路如下：
1、辨别故障的真伪 2、确认故障的类型 3、评估故障的程度 4、确定故障的部位 5、判断故障发展的趋势
一、新能源——风电
四、风电机组的故障诊断（1）
风电机的故障诊断方法有很多种，主要包括传统诊断方 法、数学诊断方法和智能故障诊断方法。 传统诊断方法 大多是基于状态监测技术的数据分析，现多采用与其他 方法相结合的方式对故障进行诊断。 数学诊断方法 主要包括模式识别、基于概率统计的时序模型诊断、基 于距离判据的故障诊断、模糊诊断、灰色系统诊断、故障树 分析、小波分析以及混沌分析与分形几何。 智能诊断方法 主要包括模糊逻辑、专家系统、神经网络、遗传算法等。
THANK YOU !
故障诊断的目的
故障诊断的根本目的就是要保证机组的安全、稳定、长周 期、满负荷、优良运行，主要为： 1、对机组的运行中各种异常状态做出及时、正确、有效的判断， 预防和消除故障，或者将故障的危害性降低到最低程度；同时 对设备运行进行必要的指导，确保运行的安全性、稳定性和经 济性。 2、确定合理的故障检修时机及项目，既要保证设备的带病运行时 安全、不发生重大设备故障，又要保证停机检查时发现设备有 问题，合理延长设备的使用寿命和降低维修费用。 3、通过状态监测，为提高设备的性能而进行的技术改造及优化运 行参数提供数据和信息。
五、风电机组故障智能诊断——诊断方法的选择
人工神经网络： 鲁棒性好、容错能力强和学习能力强。 从实际应用考虑，风电在国内的发展尚处于起步或较早 状态，对故障维护检修的经验处于摸索积累阶段，因此无法 构建成熟的专家库。而神经网络则对故障样本的搜寻较简单。 另外对风电机组的检测需要较强的容错能力和实时性，即要 对机组的运行情况进行在线诊断并发出警报，尽量避免故障 情况的误报。 因此，应用神经网络进行风电故障诊断是一个很好的选 择。
3.发电机故障
发电机的作用将旋转的机械能转化为电能。它的故障表现为：内部 电气不对称，气隙磁通和相电流谐波分量增加，转矩波动增强、均值下 降等。此外，油温过高、振动过大、轴承过热、有不正常杂声和绝缘损 坏也是发电机的常见故障。
四、风电机组的状态监测
风力发电机组的状态 监测技术主要分为以下几 种：振动分析、油液监测、 热成像技术、过程参数监 视、性能参数检查。
故障的定义
• 两层含义： • 1、机械系统偏离正常功能，它的形成原因 主要是因为机械系统的工作条件（含零部 件）不正常而产生的，通过参数调节或零 部件修复又可以恢复到正常功能。 • 2、功能失效，是指系统连续偏离正常功能 ，且其程度不断加剧，使机械设备基本功 能不能保证。一般零件失效可以更换，关 键零件失效，往往导致整机功能丧失
故障的分类
• 故障的类型：
• 按工作状态分
1、间歇性故障 • 按发生时间分 1、早发性故障 2、突发性故障 3、渐进性故障 4、复合型故障 • 按表现形式分 1、功能故障 • 按产生原因分 2、潜在故障 2、永久性故障
1、人为故障
• 按造成的后果分
2、自然故障
1、致命故障 2、严重故障 3、一般故障 4、轻度故障 故障通常不能单纯的用一种类别去界定，往往是复合型的。
五、风电机组故障智能诊断——预警和诊断系统设计
网络模型的应用： 利用训练得到的诊断模型对运行数据进行故障诊断 和预测。用实时测量数据代替网络的输入，用已训练好 的模型实时计算输出，若某节点的输出大于第一阈值， 小于第二阈值时，对该类故障给予预警，提醒工作人员 注意；当节点输出超过第二阈值时，发出报警信号，认 为该类事故发生。
三、常见故障介绍（2）
由上图可知，常见的几种故障为： 1.齿轮箱故障
齿轮箱的作用是将风轮在风力作用下所产生的动力传递给发电机并 使其得到相应的转速。齿轮箱在使用过程中将承受静态和动态载荷，从 而可能产生各种类型的故障。
2.电气系统故障
电气系统的其故障率高达17.5%。它的故障种类主要有短路、过电流、 过载、过电压、欠电压、过温、接地、无法启动变频器等故障。
Fra Baidu bibliotek
五、风电机组故障智能诊断——预警和诊断系统设计
故障诊断预警模型的运行流程见下图。
六、总结
风电机组是一个复杂的机电综合系统，目前齿轮箱 故障、电气系统故障和发电机故障是最主要的三种故障， 往往征兆与故障之间存在多种映射关系，针对风电机组 进行状态监测，进而开展故障诊断仍存在较大的困难。 因此构建基于BP神经网络的风电机组故障智诊断系统， 擅长发掘故障信息中的隐含知识，不仅可对故障进行有 效诊断与分类，还有利于降低机组故障率、减少维修时 间、提高风电场的经济效益。
目录
一．关于故障以及故障诊断 二．新能源——风电 三．风电机组结构介绍 四．常见故障介绍 五．风电机组状态监测和故障诊断 六．风电机组故障智能诊断 七．总结
故障的定义
定义：机械设备在运行过程中，丧失或降低 其规定的功能及不能继续运行的现象。 （规定功能是指在设备的技术文件中明确 规定的功能。失效有时也被称为一种故障， 也可能是设备工作中丢失也是一种故障，但 这些故障却是可修复的。）
故障的特点
特点：
1、多样性 2、层次性 3、多因素和相关性 4、延时性 5、不确定性 6、修复性
故障产生的原因
故障产生的主要因素 一、制造和修理因素 1、材料的选择 2、加工质量 3、装配质量 二、使用因素 1、工作负荷 2、工作环境 3、设备保养和操作技术
故障的危害
危害：
1、机组的故障停机会引起生产装置的停产， 给企业、社会、国家造成巨大的经济损失 2、故障可能导致事故，造成设备损坏、人员 伤亡。