CN111859809A - 基于模糊理论的燃气轮机系统故障模式及影响分析方法 - Google Patents
基于模糊理论的燃气轮机系统故障模式及影响分析方法 Download PDFInfo
- Publication number
- CN111859809A CN111859809A CN202010732419.1A CN202010732419A CN111859809A CN 111859809 A CN111859809 A CN 111859809A CN 202010732419 A CN202010732419 A CN 202010732419A CN 111859809 A CN111859809 A CN 111859809A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- evaluation
- matrix
- risk
- gas turbine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Mathematical Analysis (AREA)
- Health & Medical Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提出了基于模糊理论的燃气轮机系统故障模式及影响分析方法,确定FMEA对象的主要故障模式及评价标准;由多名专家分别基于各评价标准对各故障模式的等级进行评分,得到初始模糊评价矩阵;通过初始模糊评价矩阵及确信程度计算模糊综合评价矩阵;通过FRP算子计算模糊风险概率矩阵;由层次分析法得到评价指标的相对权重向量;计算各故障模式的主观风险顺序数;通过客观风险事故矩阵对主观风险顺序数修正得到最终的综合风险顺序数。本发明相对传统基于模糊理论的FMEA方法,不仅考虑了专家对评分结果的确信程度,且使用FRP算子作为主观RPN值的标准,并在计算最终的风险顺序数时引入客观风险事故矩阵使排序结果更为可信。
Description
技术领域
本发明属于燃气轮机系统故障诊断领域,尤其涉及一种基于模糊理论的燃气轮机系统故障模式及影响分析方法。
背景技术
近年来,随着生态环境的污染逐渐加剧,全世界出现能源紧张的局势,越来越多的国家都在积极发展能耗低且更为环保的发电技术,其中燃气—蒸汽联合循环发电是其重中之重。同常规火力发电相比,燃气轮机发电所用占地面积更小、效率更高且启停更为快速,但由于我国在燃气轮机发电技术的研发起步较晚,还未实现燃气轮机发电技术的规模化推广。因此,大力发展燃气轮机发电技术对于我国能源、交通、环保及节能减排等领域具有重要的战略意义。
燃气轮机发电系统由于结构复杂、工作环境参数较高、辅助设备多、燃料与部件的直接接触较多,故障模式较传统的发电系统有很大的不同。同时由于国内对燃气轮机系统故障处理的经验不够丰富,也给实际中对于故障的诊断和维修增加了难度。
发明内容
为解决上述问题,本发明提出了一种基于模糊理论的燃气轮机系统故障模式及影响分析(FMEA)方法,包括:
步骤1:确定FMEA对象的主要故障模式及评价标准;
步骤2:由多名专家分别基于各评价标准对各故障模式的等级进行评分,得到初始模糊评价矩阵;
步骤3:通过初始模糊评价矩阵及确信程度计算模糊综合评价矩阵;
步骤4:通过FRP算子计算模糊风险概率矩阵;
步骤5:由层次分析法得到评价指标的相对权重向量;
步骤6:计算各故障模式的主观风险顺序数;
步骤7:通过客观风险事故矩阵对主观风险顺序数修正得到最终的综合风险顺序数。
步骤1具体包括:
由n名相关行业的专家E1,E2,…,En确定FMEA对象的m个主要故障模式:
F=(F1,F2,…,Fm) (1)
确定FMEA方法的评价标准:
S——故障的严重程度
O——故障的发生频率 (2)
D——故障的可检测度
将各评价标准分为5种不同的等级:
VS={几乎无影响,不严重,一般,严重,非常严重}
VO={几乎从不发生,较少发生,一般,较频繁,非常频繁} (3)
VD={极容易检测,容易检测,一般,较难检测,很难检测}
步骤2具体包括:
步骤2.1:由n名专家分别对m种故障模式分别基于严重程度S、发生频率O、可检测度D,按照规定的5种等级进行评价,得到模糊语言评价矩阵;
步骤2.2:使用梯形模糊数,采用1-9标度法,替换相应的语言变量,得到初始模糊评价矩阵:
式中,为初始模糊评价矩阵;表示第i名专家对相应的评价结果的确信程度,且越接近1,表明第i名专家基于第k种评价标准对第j个故障模式的评价结果的确信程度越高,反之则越低;代表一个梯形模糊数,其隶属度函数为:
步骤3具体包括:
步骤3.2:综合n名专家的初始模糊评价矩阵得到模糊综合评价矩阵:
步骤4具体包括:
步骤4.1:针对基于第k项评价标准的第j个故障模式,在模糊坐标系中分析找出能够使系统正常运行的区域,其隶属度函数为:
式中,η为该故障模式不影响系统正常运行的最大边界值;
步骤5中评价指标的相对权重向量为:
W=(wS,wO,wD) (11)
式中,wS为故障严重程度S的相对权重,wO为故障发生频率O的相对权重,wD为故障的检测度D的相对权重。
步骤6中计算各故障模式的主观风险顺序数为:
步骤7具体包括:
步骤7.1:通过统计近几年多个燃气轮机电厂的故障情况得到燃气轮机系统风险事故矩阵:
Θ=(θ1,θ2,…,θm)T (13)
式中,Θ为风险事故矩阵;θi为第i种故障模式在所统计的样本中造成经济损失所占的比例;
步骤7.2:综合主观风险顺序数与客观风险事故矩阵,计算得到最终的综合风险顺序数:
本发明的有益效果是,相对传统的基于模糊理论的FMEA方法,本发明不仅考虑到了各专家对评分结果的确信程度,而且使用模糊风险概率(FRP)算子作为主观评价矩阵的标准,并在计算最终的风险顺序值时通过统计近几年燃气轮机电厂的故障情况引入客观因素,改善了传统FMEA方法中过于依赖专家主观意见的弊端,且最终的风险顺序数不会出现相同的值,得到的排序结果更为可信。
附图说明
图1是本发明提供的一种基于模糊理论的燃气轮机系统故障模式及影响分析方法的流程图。
具体实施方式
下面结合附图,对实施例作详细说明。
图1是本发明提供的一种基于模糊理论的燃气轮机系统故障模式及影响分析方法(FMEA)的流程图。该方法通过专家对评价结果的确信程度对梯形模糊数进行修正,基于模糊理论的FMEA方法使用模糊风险概率(FRP)算子作为评价故障模式危害程度的指标,风险顺序数的计算方法避免了出现相同的RPN值,且综合了主观RPN值与客观风险事故权重向量,排序结果更为可信。
本发明方法包括:
步骤1:确定FMEA对象的主要故障模式及评价标准。
由n名相关行业的专家通过经验分析确定FMEA对象的m个主要故障模式;确定FMEA方法的评价标准;将各评价标准分为5种不同的等级。
确定FMEA对象的主要故障模式为:
F=(F1,F2,…,Fm) (1)
由n名相关行业的专家E1,E2,…,En通过经验分析确定。
FMEA方法的评价标准为:
S——故障的严重程度
O——故障的发生频率 (2)
D——故障的可检测度
各评价标准的等级为:
VS={几乎无影响,不严重,一般,严重,非常严重}
VO={几乎从不发生,较少发生,一般,较频繁,非常频繁} (3)
VD={极容易检测,容易检测,一般,较难检测,很难检测}
步骤2:由多名专家分别基于各评价标准对各故障模式的等级进行评分,得到初始模糊评价矩阵,包括通过相关行业专家的评分得到模糊语言评价矩阵,使用梯形模糊数替换相应的语言变量,得到初始模糊评价矩阵。具体步骤如下:
步骤2.1:由n名专家分别对m种故障模式分别基于严重程度S、发生频率O、可检测度D,按照规定的5种等级进行评价,得到模糊语言评价矩阵;
步骤2.2:使用梯形模糊数(使用1-9标度法)替换相应的语言变量,得到初始模糊评价矩阵:
式中,为初始模糊评价矩阵;表示第i名专家对相应的评价结果的确信程度,且越接近1,表明第i名专家基于第k种评价标准对第j个故障模式的评价结果的确信程度越高,反之则越低;代表一个梯形模糊数,其隶属度函数为:
步骤3.2:综合n名专家的初始模糊评价矩阵得到模糊综合评价矩阵:
步骤4:通过FRP算子计算模糊风险概率矩阵,包括确定模糊坐标系中能够使系统正常运行的区域,计算模糊风险概率矩阵。具体步骤如下:
步骤4.1:针对基于第k项评价标准的第i个故障模式,在模糊坐标系中分析找出能够使系统正常运行的区域,其隶属度函数为:
式中,η为该故障模式不影响系统正常运行的最大边界值。
步骤5:由层次分析法得到评价指标的相对权重向量:
W=(wS,wO,wD) (11)
由n名专家通过层次分析法得到。wS为故障严重程度S的相对权重,wO为故障发生频率O的相对权重,wD为故障可检测度D的相对权重。
步骤6:计算各故障模式的主观风险顺序数:
步骤7:通过客观风险事故矩阵对主观风险顺序数修正得到最终的综合风险顺序数,包括:得到燃气轮机系统风险事故矩阵,计算最终的综合风险顺序数。
具体步骤如下:
步骤7.1:通过统计近几年多个燃气轮机电厂的故障情况得到燃气轮机系统风险事故矩阵:
Θ=(θ1,θ2,…,θm)T (13)
式中,Θ为风险事故矩阵;θi为第i种故障模式在所统计的样本中造成经济损失所占的比例。
步骤7.2:综合主观风险顺序数与客观风险事故矩阵,计算得到最终的综合风险顺序数:
此实施例仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (8)
1.一种基于模糊理论的燃气轮机系统故障模式及影响分析(FMEA)方法,其特征在于,包括:
步骤1:确定FMEA对象的主要故障模式及评价标准;
步骤2:由多名专家分别基于各评价标准对各故障模式的等级进行评分,得到初始模糊评价矩阵;
步骤3:通过初始模糊评价矩阵及确信程度计算模糊综合评价矩阵;
步骤4:通过FRP算子计算模糊风险概率矩阵;
步骤5:由层次分析法得到评价指标的相对权重向量;
步骤6:计算各故障模式的主观风险顺序数;
步骤7:通过客观风险事故矩阵对主观风险顺序数修正得到最终的综合风险顺序数。
6.根据权利要求5所述的一种基于模糊理论的燃气轮机系统故障模式及影响分析(FMEA)方法,其特征在于,所述步骤5中评价指标的相对权重向量为:
W=(wS,wO,wD) (11)
式中,wS为故障严重程度S的相对权重,wO为故障发生频率O的相对权重,wD为故障可检测度D的相对权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010732419.1A CN111859809A (zh) | 2020-07-27 | 2020-07-27 | 基于模糊理论的燃气轮机系统故障模式及影响分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010732419.1A CN111859809A (zh) | 2020-07-27 | 2020-07-27 | 基于模糊理论的燃气轮机系统故障模式及影响分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111859809A true CN111859809A (zh) | 2020-10-30 |
Family
ID=72947622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010732419.1A Pending CN111859809A (zh) | 2020-07-27 | 2020-07-27 | 基于模糊理论的燃气轮机系统故障模式及影响分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111859809A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113793035A (zh) * | 2021-09-16 | 2021-12-14 | 中国民航大学 | 一种基于交叉概率理论的信息系统业务波及影响分析方法 |
CN113836488A (zh) * | 2021-09-09 | 2021-12-24 | 苏州热工研究院有限公司 | 汽轮机在线数据处理及状态评估方法和装置 |
CN114564839A (zh) * | 2022-03-02 | 2022-05-31 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种汽轮机振动故障风险的评价方法及系统 |
-
2020
- 2020-07-27 CN CN202010732419.1A patent/CN111859809A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113836488A (zh) * | 2021-09-09 | 2021-12-24 | 苏州热工研究院有限公司 | 汽轮机在线数据处理及状态评估方法和装置 |
CN113793035A (zh) * | 2021-09-16 | 2021-12-14 | 中国民航大学 | 一种基于交叉概率理论的信息系统业务波及影响分析方法 |
CN113793035B (zh) * | 2021-09-16 | 2023-08-08 | 中国民航大学 | 一种基于交叉概率理论的信息系统业务波及影响分析方法 |
CN114564839A (zh) * | 2022-03-02 | 2022-05-31 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种汽轮机振动故障风险的评价方法及系统 |
CN114564839B (zh) * | 2022-03-02 | 2024-05-28 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种汽轮机振动故障风险的评价方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111859809A (zh) | 基于模糊理论的燃气轮机系统故障模式及影响分析方法 | |
CN108133311A (zh) | 一种风电机组故障模式风险评估及可靠性分析方法 | |
CN110579709B (zh) | 一种有轨电车用质子交换膜燃料电池故障诊断方法 | |
CN115639840B (zh) | 一种基于光伏电站运维分析的无人机巡检方法 | |
CN111352408B (zh) | 一种基于证据k近邻的多工况流程工业过程故障检测方法 | |
CN108053109A (zh) | 一种分布式能源发电机组能效评估方法 | |
CN111291452B (zh) | 一种船舶电力推进系统故障模式风险确定方法及系统 | |
CN111210075B (zh) | 一种基于组合分类器的雷击输电线路故障概率分析方法 | |
CN103631681A (zh) | 一种在线修复风电场异常数据的方法 | |
CN110987494A (zh) | 一种基于声发射对水轮机空化状态监测的方法 | |
CN107463938A (zh) | 一种基于间隔校正支持向量机的航空发动机气路部件故障检测方法 | |
CN111178602A (zh) | 基于支持向量机和神经网络的循环水损失预测方法 | |
CN108536130A (zh) | 一种群智能寻优的化工故障诊断系统 | |
Ji et al. | Application of SVM and PCA-CS algorithms for prediction of strip crown in hot strip rolling | |
CN116755000A (zh) | 一种变压器故障快速识别装置及方法 | |
CN106091515A (zh) | 火电机组海水直流冷却循环水系统在线运行优化的方法 | |
CN117893058A (zh) | 光伏场站性能综合评估的方法及系统 | |
CN110826587B (zh) | 基于改进的加权一类支持向量机的涡轴发动机故障检测方法 | |
CN116629409A (zh) | 一种基于朴素贝叶斯算法的sofc系统故障几率预测方法 | |
Hao et al. | A new modeling method for fault prediction of wind turbine gearbox based on partial least squares regression analysis | |
Zhou et al. | Elman-Based Forecaster Integrated by AdaboostAlgorithm in 15 min and 24 h ahead Power OutputPrediction Using PM 2.5 Values, PV ModuleTemperature, Hours of Sunshine, and Meteorological Data | |
Zhong et al. | Fault diagnosis method for shearer equipment of PCA-BP_adaboost | |
CN114281846A (zh) | 一种基于机器学习的新能源发电预测方法 | |
Liu et al. | Fuzzy fmea of floating wind turbine based on related weights and topsis theory | |
Xu et al. | A Combined Model for Ultra-Short-Term PV Forecasting Based on SOM Clustering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |