题名 | 基于本体和案例推理的汽轮发电机组故障诊断 |
作者 | 栗宇 |
答辩日期 | 2019 |
导师 | 剡昌锋 |
关键词 | 汽轮发电机组 故障诊断 本体 知识表示 案例推理 |
学位名称 | 硕士 |
英文摘要 | 汽轮发电机组作为电力系统中极为关键的设备,是一种对可靠性、安全性和寿命要求都非常高的大型复杂旋转机械,且长期处于恶劣的工作环境中,一旦发生故障就会带来巨大的损失和危害。因此,为了保障汽轮发电机组运行的安全性和可靠性,对汽轮发电机组运行异常进行准确的故障诊断具有重要的意义。伴随着智能制造的浪潮,实现对汽轮发电机组故障诊断现有知识的整合利用成为智能故障诊断的重要组成部分,鉴于本体在知识表示领域的先进性,本文融合语义本体技术和汽轮发电机组故障诊断技术展开了深入系统的研究。论文的主要贡献和创新性成果有:(1)构建了适用于汽轮发电机组故障诊断领域的知识模型。针对汽轮发电机组故障诊断领域术语繁杂、异构、表示和共用困难等问题,考虑了本体在故障诊断知识表示中的优势,改进了传统的七步法作为汽轮发电机组故障诊断本体的构建方法,弥补了其在本体评估和跟踪更新上的缺陷。根据本体的构建原则,经过知识获取、知识存储、改进构建方法、选用本体构建工具和描述语言、定义本体中类、关系、属性、公理和实例等步骤,利用Protégé建立了汽轮发电机组故障诊断领域本体,为故障诊断知识提供了明确的形式化表示方法。(2)验证了汽轮发电机组故障诊断本体的可行性和有效性。针对本体中可能存在的不一致现象,设计了基于Tableau算法的一致性检验算法对本体进行了检验。采用了SQI机械故障综合模拟实验台模拟了汽轮发电机组的不同故障,采集和分析了获取的故障信息,并通过实例对本体知识进行了推理测试。(3)提出了基于本体和案例推理的汽轮发电机组故障诊断方法。阐明了本体在案例表示中的优势,分析了案例表示的主要组成部分,量化了语义距离、语义深度和语义密度的数学模型,简化和改进了语义相似度算法,建立了基于语义和案例属性相似度算法的O-CBR分层检索模型,并且通过案例研究对故障诊断方法进行了验证。(4)设计开发了汽轮发电机组智能故障诊断系统。研究了系统的开发框架及运行过程,包括本体知识库和O-CBR检索模块的创建以及系统主要功能界面的设计。融合Protégé、Visual Studio C#和SQL Server实现了故障诊断系统的开发,提高了整个故障诊断过程的人机交互性,使得操作过程简洁高效。最后通过实例验证了系统可以为汽轮发电机组故障诊断提供决策支持,具有较高的诊断效率和准确性。 |
语种 | 中文 |
页码 | 81 |
URL标识 | 查看原文 |
内容类型 | 学位论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/94831] |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 栗宇. 基于本体和案例推理的汽轮发电机组故障诊断[D]. 2019. |
个性服务 |
查看访问统计 |
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