论文部分内容阅读
作为一种典型的旋转机械，烟气轮机是石化行业中重油催化裂化装置的关键动力设备。本文主要从基于知识的角度对烟气轮机的故障诊断和智能趋势预测技术进行研究，构建了基于知识的（即专家经验的）故障诊断及预知维护系统。主要内容概括如下：
本文首先对烟气轮机状态监测与预测技术的发展与趋势进行概述，在充分研究了烟机的结构与故障特点后，给出了其监测与预测的一般方法和一般过程。
在此基础上，将Web技术与机组设备的监测与故障诊断技术结合起来，借助基于B/S模式结构的远程数据传输技术及基于自学习灵敏监测的数据采集技术的S8000系统，构建了烟机远程监测与诊断中心。本中心采取网络化数据管理平台，存储机组实时监测数据及历史监测数据，完全实现了在实际工况环境下实测数据的实时远程传输。
在获取稳定的机组实测数据和历史数据来源后，利用RIPPER算法进行数据挖掘和知识获取，结合面向对象的知识表示法、ICL推理语言和深度优先搜索的后根遍历法，搭建了面向对象的知识库和推理解释机制，并验证了烟机故障诊断专家系统的工作流程和结果实现。
最后研究了人工神经网络预测理论，建立了基于改进BP算法的三层神经网络预测模型，并给出了针对振动烈度样本的预测曲线。在监测系统的工况数据的基础上，提出了故障预知维护系统的合理方案。